基于MATLAB的肤色分割和匹配的人脸识别研究.docx
《基于MATLAB的肤色分割和匹配的人脸识别研究.docx》由会员分享,可在线阅读,更多相关《基于MATLAB的肤色分割和匹配的人脸识别研究.docx(58页珍藏版)》请在冰豆网上搜索。
基于MATLAB的肤色分割和匹配的人脸识别研究
毕业设计(论文)
题目:
基于肤色分割和匹配的人脸识别算法研究
系别信息工程系
专业名称通信工程
班级学号098204233
学生姓名张翀
指导教师李忠民
二O一三年五月
毕业设计(论文)任务书
I、毕业设计(论文)题目:
基于肤色分割和匹配的人脸识别算法研究
II、毕业设计(论文)使用的原始资料(数据)及设计技术要求:
为了把人脸区域从非人脸区域分割出来,需要使用适合不同肤色和不同光照条件
的可靠肤色模型。
基于肤色分割和匹配的人脸识别算法研究主要运用Matlab软件编程
实现对人脸图像进行图像转换、消除噪声、填孔处理、图像重构和边缘检测,从而实
现基于肤色分割和匹配的人脸识别算法。
具体要求如下:
1、基于肤色分割和匹配的人脸识别的一般过程;
2、采用Matlab实现图像转换、消除噪声、填孔处理、图像重构和边缘检测等相
关算法;
3、比较各种算法的处理效果;
4、采用Matlab实现基于肤色分割和匹配的人脸识别算法;
5、翻译一篇相关的英文资料。
III、毕业设计(论文)工作内容及完成时间:
第01~03周:
资料查找、方案论证、英文资料翻译、开题报告撰写;
第04~11周:
基于肤色分割和匹配的人脸识别算法设计;编写程序、仿真测试;
第12~15周:
对比测试;
第16~18周:
毕业论文撰写,答辩。
Ⅳ、主要参考资料:
[1].[美]恩格尔WK.DigitalSignalProcessingUsingMATLAB[M].西安:
西安交
通大学出版社,2002
[2].[美]NakamuraS.NumericalAnalysisandGraphicVisualizationwith
MATLAB(SecondEdition)[M].北京:
电子工业出版社,2002
[3].[美]冈萨雷斯.数字图像处理(MATLAB版)[M].北京:
电子工业出版社,2005
[4].[美]冈萨雷斯.数字图像处理(第二版)[M].北京:
电子工业出版社,2007
2007
[5].张化光,刘鑫蕊,孙秋野.MATLAB/SIMULINK实用教程[M].北京:
人民邮电出版社,
2011
[6].刘文达,胡荣强.基于肤色和模板匹配模型的人脸识别新方法研究[J].信息科技,2008:
144-145
[7].谢毓湘,王卫威,栾悉道等.基于肤色与模板匹配的人脸识别[J].计算机工程与科学,2008,30(6):
54-56,69
信息工程系电子信息工程专业类0982042班
学生(签名):
填写日期:
2013年1月10日
指导教师(签名):
助理指导教师(并指出所负责的部分):
电子信息工程系主任(签名):
学士学位论文原创性声明
本人声明,所呈交的论文是本人在导师的指导下独立完成的研究成果。
除了文中特别加以标注引用的内容外,本论文不包含法律意义上已属于他人的任何形式的研究成果,也不包含本人已用于其他学位申请的论文或成果。
对本文的研究作出重要贡献的个人和集体,均已在文中以明确方式表明。
本人完全意识到本声明的法律后果由本人承担。
作者签名:
日期:
学位论文版权使用授权书
本学位论文作者完全了解学校有关保留、使用学位论文的规定,同意学校保留并向国家有关部门或机构送交论文的复印件和电子版,允许论文被查阅和借阅。
本人授权南昌航空大学科技学院可以将本论文的全部或部分内容编入有关数据库进行检索,可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。
作者签名:
日期:
导师签名:
日期:
基于肤色分割和匹配的人脸识别算法研究
学生姓名:
张翀班级:
0982042
指导老师:
李忠民
摘要:
人脸识别技术是生物特征识别技术中应用最广的一项技术,也是计算机视觉和模式识别领域研究得最多的一个课题。
随着科技的发展,传统的身份验证已很难适应人们的需求。
基于虹膜和指纹的生物特征验证对采集条件要求高,很难大范围推广。
同其他生物特征识别技术相比(比如虹膜、指纹),人脸识别技术具有操作简单、结果直观、隐蔽性好的优越性。
因此,人脸识别技术在信息安全、刑事侦破、公共事业等领域具有广泛的应用前景。
人脸识别技术就是通过计算机提取人脸的特征,并根据这些特征进行身份验证的一种技术。
它涉及模式识别、图像处理、计算机视觉、生理学、心理学等诸多学科的知识,是当前研究的热点之一。
本文提出了一种基于肤色与模板匹配的人脸识别算法。
本文首先利用颜色空间特性,对人脸肤色的聚类特性进行了研究,基于不同的颜色空间肤色聚类结果的对比,本文选择YCbCr颜色模型来进行肤色分割。
依据人的肤色信息,在YCbCr空间进行肤色映射生成二值图像,然后根据人脸的形状特征确定人脸所在位置。
并对灰度图象进行剪切提取,为后续识别做好准备。
其次,文章研究了滤波器,填空处理,图像重构和边缘检测从而实现基于肤色分割和匹配的人脸识别算法。
关键词:
人脸识别,肤色分割,模板匹配
指导老师签名:
Researchonfacerecognitionalgorithmbasedonskincolorsegmentationandmatching
Studentname:
ZhangChongClass:
0982042
Supervisor:
LiZhongmin
Abstract:
FacerecognitionisoneofthemostwidelyusedTechnologiesinthefieldofbiometricsrecognition,anditisThefamoustopicincomputervisionandpatternrecognition.Thebiologiccharacteristicbasedidentityrecognitionsuchasirisanddactylogramneedsverystrictinformationcollectionconditions,whichmakesitdifficulttobeusedpractically.Comparedtootherbiometrics(suchasiris,fingerprint),facerecognitiontechniqueissimpler,moreintuitive,andhavingmorehiddencapability.Therefore,facerecognitionhavegreatpotentialinawiderangeofapplicationsininformationsecurity,criminalinvestigation,publicutilitiesandotherfields.Thefacerecognitionisatechniquethatextractsvisualfeatures,anddistinguishesonefacefromanotherbasedonthesefeatures.Itisaresearchareaspanningseveraldisciplinessuchasimageprocessing,patternrecognition,computervision,physiologyandpsychology.Nowitisoneofthekeyissues.Thispaperpresentsanalgorithmforfacerecognitionusingskincolorandtemplatematching.
First,westudiedtheclusteringcharacteristicsoffaceskincolorundersomecolorspaces,andthenwechooseoneofthemnamelyYCbCramongthemodelsforskinsegmentation.Bythestudy,getafacebasedontheskincolorandtheshapefeature.Thenpick-upthefaceareasfromthegrayimage,prepareforfacerecognition.
Thispaperalsoresearchesthefilter,fillintheblankprocessing,imagereconstructionandedgedetectionsoastorealizethefacerecognitionalgorithmbasedonskincolorsegmentationandmatching.
Keywords:
facerecognitionskincolorsegmentationtemplatematching
SignatureofSupervisor:
目录
1绪论
1.1研究背景与意义...................................................1
1.2国内外研究现状...................................................2
1.2.1人脸识别的发展过程.........................................2
1.2.2目前的主流识别方法.........................................2
1.2.3尚待解决的问题.............................................4
1.3本文的研究重点及内容安排.........................................4
2算法理论与实现原理
2.1常见色彩空间比较.................................................6
2.1.1RGB空间....................................................7
2.1.2HSI空间....................................................8
2.1.3CMY/CMYK彩色空间..........................................10
2.1.4YIQ色彩空间...............................................12
2.1.5YUV彩色空间...............................................12
2.1.6YCbCr色彩空间.............................................13
2.2肤色分割理论...................................................13
2.3常见肤色模型比较...............................................14
2.3.1区域模型..................................................14
2.3.2简单高斯模型..............................................14
2.3.3混合高斯模型..............................................14
2.3.4直方图模型................................................15
2.3.5YCbCr空间肤色模型.......................................15
3系统设计
3.1系统流程........................................................17
3.2基于肤色的人脸检测算法..........................................17
3.2.1肤色建模..................................................18
3.2.2肤色模型在人脸检测的后期验证中的应用......................19
3.3数学形态学操作..................................................19
3.4系统的概要设计..................................................21
3.5具体算法设计....................................................23
3.5.1相似度计算................................................23
3.5.2二值化算法................................................24
3.5.3灰度均衡..................................................24
3.6建立YCbCr肤色模型..............................................25
3.7肤色分割步骤....................................................26
3.8图象的边缘检测和锐化处理........................................27
3.9人脸检测........................................................29
4基于MATLAB的实现步骤及分析
4.1将RGB空间转换为YCbCr空间......................................31
4.2将彩色图像转换为灰度图像........................................31
4.3消除噪声........................................................32
4.4对图像做填孔处理................................................33
4.5图像重构........................................................34
4.6相关匹配........................................................35
4.7断开连接处理....................................................36
4.8设计模板........................................................37
4.9边缘检测........................................................39
4.10系统GUI设计...................................................41
4.10.1导入图像文件及处理.......................................41
5总结与展望
5.1总结............................................................43
5.2展望............................................................43
参考文献.....................................................................44
致谢.....................................................................46附录.....................................................................47
1绪论
1.1研究背景与意义
人脸识别技术是一种生物识别技术。
生物识别技术,就是指通过获取和分析人的身体或行为特征来实现身份的自动鉴别或验证,这些特征包括先天遗传的生理特征,如指纹、虹膜等,也包括后天习惯形成的行为特征,如手写签名、步态等。
人脸识别技术,就是通过计算机获取人脸的特征,然后根据这些特征进行身份识别或验证的一种技术。
人脸识别技术涉及到图像处理技术、计算机视觉技术、模式识别技术等众多领域。
相较与其它基于生物特征的识别方法,它具有它特有的优势。
首先,人脸识别采用的是非接触性采集,方法友好而方便,使用者不会有任何心理障碍,亦不会造成任何侵犯性,容易被人们所接受。
其次,人脸识别的结果可以提供许多其它识别方法不能提供的信息,如性别、表情、年龄等,这一特点也大大地扩展了人脸识别的应用前景。
随着计算机技术的飞速发展,人脸识别技术飞速发展也扩散到了各个领域。
如计算机安全、机器视觉、门禁系统、医学诊断系统、智能监控系统以及三维动画等。
其中最为常见的应用有:
(l)视频监控。
在银行、公园、停车场等许多公共场到处都装有视频监控,当有异常情况或有陌生人闯入时,需要实时跟踪、监控、识别和报警等。
(2)证件验证。
在海关、机场等场所,都需要检验人的身份。
一般身份证和护照上都会有持有人的照片,使用人脸识别,就可以由机器代替人来完成验证识别的工作,实现自动化的智能管理。
(3)刑侦破案。
通常情况下公安部门的系统里存储有嫌疑犯的照片,当通过作案现场或其他途径获得嫌疑犯的照片或其面部特征描述之后,可以从数据库中迅速查找确认,大大提高刑侦破案的准确性的效率。
(4)入口控制。
入口控制的范围比较广,包括楼宇、住宅等入口处的安全检查,也包括了进入计算机系统或情况系统前的身份验证等。
(5)表情分析。
人脸识别可以判断出人脸图像中的面部变化特征,识别和分析人的情感状态,如高兴、生气等。
此外,人脸识别技术还在医学、档案管理、人脸动画、人脸建模、视频会议等方面有着巨大的应用前景。
由此看出,计算机人脸识别技术的应用将带来显著的社会效益和经济效益。
因此,进行计算机人脸识别方法和技术的研究对社会生活具有重大意义。
1.2国内外研究现状
1.2.1人脸识别的发展过程
人脸识别的研究已经有很长的历史,最早可以追溯到上个世纪法国人Galton的工作,但真正有发展还是近40年的事。
1973年Kanade的工作起至今,大多数人脸识别研究工作的对象为正面或接近正面的人脸图像。
国内外对于人脸识别的研究发展,技术趋势分别经历了三个阶段:
传统的人机交互式阶段、机器自动识别初级阶段、机器自动识别高级阶段。
第一阶段是以Bertlioin为代表的传统人机交互式阶段,,主要研究人脸识别所需要的面部特征,该阶段的识别依赖于人的操作。
这些人脸识别方法都需要利用操作员的某些先验知识,仍然摆脱不了人的干预。
第二阶段主要是自动识别初级阶段,其采用机器自动识别的手段进行识别,20世纪90年代以来,随着高速度高性能计算机的出现,人脸识别方法有了重大突破,进入了真正的机器自动识别阶段,人脸识别研究也得到了前所未有的重视。
国外有很多大学在此方面取得了很大进展,他们研究涉及的领域很广,其中有从感知和心理学角度探索人类识别人脸机理的,如美国TxeasDallas大学的Abdi和Toole小组,主要研究人类感知人脸的规律,如漫画效应、性别识别与人脸识别的关系、种族效应等;由Srtilnig大学的Bruce教授和Glasgow大学的Burton教授合作领导的小组,主要是研究人类大脑在人脸认知中的作用,并在此基础上建立了人脸认知的两大功能模型,他们对熟悉和陌生人脸的识别规律以及图像序列的人脸识别规律也进行了研究。
也有从视觉机理角度进行研究的,如英国Aberdeen大学的Carw小组,主要研究人脸视觉表征方法,他们对空间频率在人脸识别中的作用也进行了分析;荷兰Groningne大学的Pektov小组,主要研究人类视觉系统的神经生理学机理并在此基础上发展了并行模式识别方法。
更多的学者则从事利用输入图像进行计算机人脸识别的研究工作。
国内关于人脸识别的研究始于20世纪80年代,主要是在国际上流行方法基础上作了发展性工作。
中国科技大学杨光正等提出一种基于镶嵌图的人脸自动识别方法,清华大学张长水等对特征脸的方法做了进一步发展,南京理工大学杨静宇等主要是采用奇异值分解方法进行人脸识别研究,上海交通大学李介谷等则专门研究了人脸斜视图像的集合特征提取与恢复,东南大学何振亚等,采用对称主元分析神经网络,用去冗余和权值正交相结合的方法对人脸进行特征提取和识别,与此同时还有许多科研院校及科研机构也进行人脸识别的研究,并取得了一些成果。
但相比之下,国内对人脸识别的研究和重视程度很不够,研究成果与国际还有一定的差距。
第三阶段是机器自动识别高级阶段,真正利用机器进行对人脸的自动识别。
根据输入图像的性质,人脸识别方法分为静止图像的识别方法和图像序列的识别方法两大类。
由于图像序列的计算远比静止图像的计算复杂和耗时,静止图像的识别方法是人脸识别领域中主要的研究方向,研究成果也更为成熟,而基于图像序列的人脸识别还处于起步阶段。
早期研究较多的两种静态人脸识别方法为:
基于几何特征的人脸识别方法和基于相关匹配的人脸识别方法。
目前,静止图像的人脸识别方法主要有三个研究方向:
一是基于统计的识别方法,包括特征脸(Eigenfaces)方法和隐马尔可夫模型(HiddenMarkovMode)方法;二是基于连接机制的识别方法,包括一般的神经网络方法和弹性图匹配(ElasticGraphMatching)方法;三是其他一些综合方法或处理非二维灰度图像的方法。
图像序列中的人脸识别是人脸识别领域中最富有挑战性的课题,己经吸引了越来越多的研究人员。
图像序列中利用整个跟踪序列来识别人脸的关键是进行运动估计和人脸跟踪。
由于人脸跟踪的重要性,目前它己经逐渐发展成为一个独立于人脸识别的研究领域,除了应用于人脸识别外,它在视频通信、人机交互以及唇读等方面都有着广泛的应用。
1.2.2目前的主流识别方法
在过去近40年的时间里,出现了许多人脸识别的方法。
由于人