人脸识别报告.doc

人脸识别报告.doc

《人脸识别报告.doc》由会员分享，可在线阅读，更多相关《人脸识别报告.doc（11页珍藏版）》请在冰豆网上搜索。

信息工程学院本科生课程设计报告

课程名称：

数字信号处理

设计题目：

人脸识别

系别：

信息工程学院

专业（方向）：

年级、班：

学生姓名：

学号：

指导教师：

2014年5月4日

目录

一、设计目的..........................................

二、设计要求..........................................

三、设计原理..........................................

四、设计用途..........................................

五、设计总结..........................................

六、参考文献..........................................

摘要：

人脸识别系统以人脸识别技术为核心，是一项新兴的生物识别技术，是当今国际科技领域攻关的高精尖技术。

它广泛采用区域特征分析算法，融合了计算机图像处理技术与生物统计学原理于一体，利用计算机图像处理技术从视频中提取人像特征点，利用生物统计学的原理进行分析建立数学模型，具有广阔的发展前景。

在本次设计过程中我们详细的了解了人脸识别的内容和应用。

关键词：

图像预处理;特征提取;识别；应用

一人脸识别系统概述

1.广义的人脸识别实际包括构建人脸识别系统的一系列相关技术，包括人脸图像采集、人脸定位、人脸识别预处理、身份确认以及身份查找等；而狭义的人脸识别特指通过人脸进行身份确认或者身份查找的技术或系统。

人脸识别是一项热门的计算机技术研究领域，它属于生物特征识别技术，是对生物体（一般特指人）本身的生物特征来区分生物体个体。

生物特征识别技术所研究的生物特征包括脸、指纹、手掌纹、虹膜、视网膜、声音（语音）、体形、个人习惯（例如敲击键盘的力度和频率、签字）等，相应的识别技术就有人脸识别、指纹识别、掌纹识别、虹膜识别、视网膜识别、语音识别（用语音识别可以进行身份识别，也可以进行语音内容的识别，只有前者属于生物特征识别技术）、体形识别、键盘敲击识别、签字识别等。

2.人脸识别的优势在于其自然性和不被被测个体察觉的特点。

3.所谓自然性，是指该识别方式同人类（甚至其他生物）进行个体识别时所利用的生物特征相同。

例如人脸识别，人类也是通过观察比较人脸区分和确认身份的，另外具有自然性的识别还有语音识别、体形识别等，而指纹识别、虹膜识别等都不具有自然性，因为人类或者其他生物并不通过此类生物特征区别个体。

4.不被察觉的特点对于一种识别方法也很重要，这会使该识别方法不令人反感，并且因为不容易引起人的注意而不容易被欺骗。

人脸识别具有这方面的特点，它完全利用可见光获取人脸图像信息，而不同于指纹识别或者虹膜识别，需要利用电子压力传感器采集指纹，或者利用红外线采集虹膜图像，这些特殊的采集方式很容易被人察觉，从而更有可能被伪装欺骗。

二人脸识别的应用

同其他生物特征识别技术，如指纹识别、说话人语音识别、虹膜识别、DNA识别、步态识别等相比，人脸识别具有被动、友好、方便的特点。

其应用范围广泛，可应用于以下的几个方面:

·嫌疑犯照片的识别匹配

·信用卡、驾驶执照、护照与个人身份的识别

·银行、商场安全系统

·门禁系统、计算机登录控制

·专家识别系统

·基于目击线索的人脸重构

·嫌疑犯电子照片簿

·基于残留人脸的人脸重构

·基于父母人脸的小孩脸推导生成

·随着年龄增长的人脸估算

三．人脸识别的基本方法

人脸识别的方法很多，主要的人脸识别方法有：

（1）几何特征的人脸识别方法：

几何特征可以是眼、慧眼人脸识别考勤机

鼻、嘴等的形状和它们之间的几何关系（如相互之间的距离）。

这些算法识别速度快，需要的内存小，但识别率较低。

（2）基于特征脸（PCA）的人脸识别方法：

特征脸方法是基于KL变换的人脸识别方法，KL变换是图像压缩的一种最优正交变换。

高维的图像空间经过KL变换后得到一组新的正交基，保留其中重要的正交基，由这些基可以张成低维线性空间。

如果假设人脸在这些低维线性空间的投影具有可分性，就可以将这些投影用作识别的特征矢量，这就是特征脸方法的基本思想。

（3）神经网络的人脸识别方法：

神经网络的输入可以是降低分辨率的人脸图像、局部区域的自相关函数、局部纹理的二阶矩等。

这类方法同样需要较多的样本进行训练，而在许多应用中，样本数量是很有限的。

（4）弹性图匹配的人脸识别方法：

弹性图匹配法在二维的空间中定义了一种对于通常的人脸变形具有一定的不变性的距离，并采用属性拓扑图来代表人脸，拓扑图的任一顶点均包含一特征向量，用来记录人脸在该顶点位置附近的信息。

该方法结合了灰度特性和几何因素，在比对时可以允许图像存在弹性形变，在克服表情变化对识别的影响方面收到了较好的效果，同时对于单个人也不再需要多个样本进行训练。

（5）线段Hausdorff距离（LHD）的人脸识别方法：

心理学的研究表明，人类在识别轮廓图（比如漫画）的速度和准确度上丝毫不比识别灰度图差。

LHD是基于从人脸灰度图像中提取出来的线段图的，它定义的是两个线段集之间的距离，与众不同的是，LHD并不建立不同线段集之间线段的一一对应关系，因此它更能适应线段图之间的微小变化。

实验结果表明，LHD在不同光照条件下和不同姿态情况下都有非常出色的表现，但是它在大表情的情况下识别效果不好。

（6）支持向量机（SVM）的人脸识别方法：

近年来，支持向量机是统计模式识别领域的一个新的热点，它试图使得学习机在经验风险和泛化能力上达到一种妥协，从而提高学习机的性能。

支持向量机主要解决的是一个2分类问题，它的基本思想是试图把一个低维的线性不可分的问题转化成一个高维的线性可分的问题。

通常的实验结果表明SVM有较好的识别率，但是它需要大量的训练样本，这在实际应用中往往是不现实的。

而且支持向量机训练时间长，方法实现复杂，该函数的取法没有统一的理论。

四MATLAB人脸识别系统

人脸识别是图像识别的一个重要分

支，其基本结构如图所示。

为了保证人

脸的位置一致性，在一定程度上克服了

背景、头发等冗余信息的干扰，首先要

对人脸库中的图像进行一些预处理操作。

紧接着，进行特征抽取，将得到的人脸

特征和训练样本进行对比，根据相似程

序的高低决定最后的识别结果。

（一）、人脸图像的预处理

常应用于人脸图像的预处理方法有

图像类型转换、滤波去噪、灰度变换、边缘检测及二值化、尺寸归一化、作为通用人脸图像预处理模块要能够充分适应不同人脸库中图像在人脸大小、光照强度、成像系统等方面的任意性和差异性不能单独采用某种单一的滤波、灰度变换和边缘检测方法。

1、滤波去噪

由于噪声给图像带来的失真和降质在特征提取之前采用滤波的方式来去除噪声是实际人脸识别系统中所必须的步骤。

滤波的方法有很多如各种平滑滤波、各种锐化滤波等。

在人脸图像预处理中使用较多的滤波是平滑滤波方法可分为以下三类线性滤波、中值滤波、自适应滤波。

（1）线性滤波最典型的线性滤波方法如采用邻域平均法的均值滤波器、采用邻域加权平均的高斯滤波和维纳滤波。

线性滤波可以去除图像中某些特定类型的噪声如图像中的颗粒噪声高斯噪声、椒盐噪声等。

（2）中值滤波法中值滤波法是一种非线性滤波方法它把像素及其邻域中的像素按灰度级进行排序然后选择该组的中间值作为输出像素值。

（3）自适应滤波能够根据图像的局部方差来调整滤波器的输出其滤波效果要优于线性滤波同时可以更好地保存图像的边缘和高频细节信息。

2、灰度变换

灰度变换是图像增强技术中的一种。

通过灰度变换可对原始图像中的光照不均进行补偿使得待识别人脸图像遵循同一或相似的灰度分布。

只有这样不同图像在特征提取和识别时才具有可比性。

这一过程也被称作灰度归一化。

常用在人脸识别系统中的灰度变换方法主要有基于图像统计特征的直方图均衡化、直方图规定化和灰度均值方差标准化三种方法。

直方图均衡化和直方图规定化的灰度变换原理和实现方法可由MATLAB仿真来实现。

3、边缘检测

对输入人脸图像进行边缘检测是很多人脸识别系统在人脸粗定位及人脸主要器官眼睛、鼻子、嘴巴定位时采用的预处理方法。

边缘检测的方法有很多主要有微分算子法、SOBEL算子法、拉普拉斯算子法、canny算子法等。

每种算子对不同方向边缘的检测能力和抑制噪声的能力都不同。

（二）、特征提取

利用PCA进行特征提取的经典算法——Eigenface算法

在利用PCA进行特征提取的算法中，特征脸方法（Eigenface）是其中的一个经典算法。

特征脸方法是从主成分分析导出的一种人脸识别和描述技术。

特征脸方法就是将包含人脸的图像区域看作是一种随机向量，因此可以采用K一L变换获得其正交K一L基底。

对应其中较大特征值的基底具有与人脸相似的形状，因此又称为特征脸。

利用这些基底的线性组合可以描述、表达和逼近人脸图像，因此可以进行人脸识别与合成。

识别过程就是将人脸图像映射到由特征脸张成的子空间上，比较其与己知人脸在特征空间中的位置，具体步骤如下:

（1）初始化，获得人脸图像的训练集并计算特征脸，定义为人脸空间，存储在模板库中，以便系统进行识别;

（2）输入新的人脸图像，将其映射到特征脸空间，得到一组关于该人脸的特征数据;

（3）通过检查图像与人脸空间的距离判断它是否是人脸;

（4）若为人脸，根据权值模式判断它是否为数据库中的某个人，并做出具体的操作。

五结语

人脸识别技术,它至今仍然是一个研究的热门课题,许多专家已经获得了很多的成果,但是至今还没有一个令人很满意的人脸识别系统。

对于此课程设计我总结如下：

1、对于人脸识别过程中的细节，不知如何细化，比如其中的预处理部分，就算从网上了解到应该有滤波去噪，灰度处理等，也不知道该用哪个函数，或是自己应该写一个怎样的函数。

2、对于MATLAB这个工具，懂得少之又少。

参考文献

[1]夏振华，蔡昌新，王小爽.远程故障报警系统的设计[J].工业仪表与自动化装置，2010（4）

[2]王蕴红，朱勇，谭铁牛.基于虹膜识别的身份鉴别[J].自动化学报，2002，28（11）:

1-10.

[3]梁路宏.人脸检测与跟踪研究[D]清华大学博士论文，2001.

[4]杜德银.GSM基站系统故障浅析[J].科技信息，2009（6），2001.