发布时间 : 星期五 文章毕业设计(论文)-基于matlab的人脸识别更新完毕开始阅读0d1d576e876fb84ae45c3b3567ec102de2bddfb3
华北水利水电大学毕业设计
5、图像拍摄误差的引入，拍摄时因光照、背景、图像的尺寸、图像是否旋转、周边环境等因素的影响都会得到不同的图像，造成干扰。
6、一些女性酷爱化妆，妆容会改变人脸的五官、皮肤和发式，一些女性素颜和浓妆对比时，容貌相差巨大，甚至即便是身边熟悉的人，也难以看出是同一个人。
5
华北水利水电大学毕业设计
第2章 人脸识别系统的组成及MATLAB数字图像处理
2.1 人脸识别系统的组成
人脸识别技术是众多生物识别技术中的典范。如同人体的DNA、指纹等生物特征，这些特征都有着自己的特点，可以作为“身份证”来标记或辨识某个个体。一般来讲，人脸识别系统主要由以下几个部分组成，如图2-1所示。
人脸检测 人脸库 预处理 特征提取 图2-1 人脸识别系统框架
分类识别
1、人脸图像的获取
本文主要使用两种方法来获取人脸图像。第一种方法使用数码照相机来采集图像信息，并使用MATLAB图像处理工具箱来获取数字图像，此种方法简单、便捷，是最为常用的一种获取人脸的方法。第二种方法则直接调用MATLAB视频工具箱函数，通过调用与控制安装在电脑上的摄像头或者安装在监控区域的摄像头，来实现人脸图像的获取。
2、人脸特征的检测
人脸特征的检测是从已知的静态图像中，或者从计算机读取的视频中所截取的静态图像中，基于人脸特征算法，判断该静态图像中是否存在具有人脸特征的图像。若在待检测的静态图像中已经检测出具有人脸特征的图像，再调用边缘算法，将所识别出的具有人脸特征的图像或部位圈出，即把人脸从它的背景中分离出来，并进行定位。 3、人脸特征的提取
通过人脸图像的获取与人脸特征的检测这两个过程，可以根据边缘检测算法对已获得的人脸特征数据（眼睛、鼻子、嘴巴、眉毛等）进行坐标标定与数字编码，成为具有人脸数据特征的总集合。这些特征包含局部特征和整体特征。从总集合中能够提取人脸特征，并形成独立的人脸特征子集。在特征提取前，要先对其进行几何归一化以及灰度归一化处理。所谓几何归一化是指，以人脸定位的结果为依据，对画面中的
6
华北水利水电大学毕业设计
人脸进行移动和放缩，使待测的人脸图像和人脸数据库中已知的人脸图像有相同的大小和位置，以便于比对。所谓灰度归一化，是指对图像补偿一定的光照，目的是减小光线强弱的改变所带来的误差干扰，使辨识的精准度提高。 4、人脸特征的识别
人脸特征的识别与身份标识（Face Identification）,简称人脸识别问题。在经过人脸图像的获取、特征的检测以及特征的提取等过程后，就可以创建自己独有的人脸识别的总集合。包含于总集合中的每个子集都具备独立的特征以及相应的数字编码，提取出待检测的人脸特征之后，即可进行人脸的特征匹配与识别，并计算相似度得分，并将相似度得分由大到小进行排序，确定待测图像是已知图像库中的“谁”，便可以实现在安防、安检、公安、国防等部门的“身份标识”功能。它包含两种识别：第一种识别是假定系统输入的人脸在人脸库中已知存在，称为闭集人脸识别。第二种是不确定输入的人脸在人脸库中是否存在，要先进行判断，称为开集人脸识别。 5、对比人脸图像的身份验证
对比人脸图像的身份验证（Face Verification），简称人脸确认问题（Face Verification）。我们在将待检测的人脸图像输入到系统中时，还要将该用户自称的身份信息也输入到系统中，来判定系统检验出的身份与该用户自称的身份是否一致，身份是否属实。
在自动人脸识别系统中，最重要的两个过程就是人脸特征的检测和人脸特征的识别。
随着当今社会科技的不断进步，生物技术日益成熟，人脸特征的识别与身份标识技术也渐渐走在了生物识别技术的前列。
2.2 MATLAB数字图像处理及过程
2.2.1 Matlab数字图像处理工具箱
Matlab数字图像处理工具箱中包括显示图像、读取图像、存储图像文件、截取动态图像、输入图像、输出图像、统计图像像素值、对图像进行几何运算等多种应用函数。具有高效、强大的矩阵和数组运算功能、程序书写形式自由、语言紧凑简洁的优
7
华北水利水电大学毕业设计
点。数字图像处理中，读取和显示图像可以通过imread()和imshow()来实现，图像的裁剪用imcrop（）来实现，图像的旋转用imrotate（）来实现，图像的缩放用imrisize（）来实现。处理过的图像也可以即时保存到本地文件夹中，以实现快速的人机交互。
2.2.2 数字图像的灰度转换
MATLAB在进行数字图像的读取时，支持多种图像格式，如png、mbp、jpg。本文主要应用的是MATLAB2015a进行数字图像采集。因直接采集到的图像信息是三维RGB的真彩数字图像，需要将其装换成二维的灰度数字图像，这样才能方便后续数字图像中的增强、边缘检测与人脸特征提取等处理。转换示例如下：
I=imread(path) I1= im2bw(I, graythresh(I))
其中，graythresh表示寻找图片一个恰当的阈值，把该阈值作为将真彩图像转换为二维图像的标准。im2bw表示将三维的真彩图像转换为二维的数字图像。
图2-2 灰度转换
2.2.3 图像增强
从具有真彩特点的RGB原图到转换到简单的二维灰度图像，增加了图像的模糊性，图像的清晰度有所降低，大大影响了人眼的视觉效果。而图像增强的过程就是为了解决这一不良影响，改善数字图像的清晰度，降低模糊性，给人眼一个良好的视觉感，以便于实现数字图像的处理与辨识；另外图像增强对于已经破坏图像像素或失真的图像可以实现图像的简单修复并重现图像。
图像增强的方法有两种：频域法和空域法。频域法的操作对象是图像的整体，在变换域内，对变换后的系数作出修改，再进行反变换。而空域法操作的对象是图像的
8