基于统计处理图像放大方法在人脸识别中应用
,,
(1.南京邮电大学计算机学院,江苏南京210003;
2.北京航空航天大学软件开发环境国家重点实验室,北京100083 )
摘要：图像插值是数字图像处理中最基本、最重要的技术之一。本文设计提出一种新的边缘方向算法得到高分辨率图像的插值，并且把这个放大算法运用在人脸识别中。在很多视频监控中，由于目标人体离摄像头的位置远近不一,导致获得的目标人脸图像大小不一。尤其是当目标人脸离摄像头距离非常远，获得的目标人脸图像通常比较小，以至于难以对目标人脸图像进行正确的识别。本文首先提出了一种基于统计处理图像放大方法，使图像放大后更为清晰和易辨。然后应用主成分分析（PCA）和径向基函数网络（RBF）方法对放大后的人脸图像进行识别。经过多次实验，结果表明该识别方法在低分辨率人脸图像有较好的识别效果，为人脸的实时识别提供了一种新途径。
关键词：基于统计处理图像放大，主成分分析，径向基函数网络，人脸识别
Abstract: Image interpolation is one of the most important technologies in digital image processing. This paper
proposes an edge-directed interpolation algorithm for natural images to adapt the interpolation at a higher resolution and then use this method in face recognition. In many video surveillance sy stems, the distance
between the targets and the camera is different. As a result the sizes of the human face images obtained in these
sy stems are various. Especially, when camera is very far away from the target object, the face image is usually
small, which makes it different to recognize the human face correctly. This paper presents an image mag nification
method based on Statistical processing, which makes the original image clearer and easier to distinguish. Then the principle component analy sis (PLA) and the radial basis function neural network (RBF) are applied to human face recognition. The experimental results show that the new recognition method has a high recognition rate in low resolution face images. It provides a new way for real-time face recognition.
Index Terms—an image magnification method, principal component analysis, radial basis function neural networks, face recognition
1.引言
人脸识别是基于人的脸部特征信息进行身份识别的一种生物识别技术。人脸识别技术是近期研究中的一个重点与热点，特别是这种技术可以被应用在多种不同的安全领域：公安系统追捕罪犯；证件（如：驾驶执照、护照）中的身份认证；智能化楼宇的安全监控等等[1],[2]。在很多视频监控中，由于目标人体离摄像头得位置远近不一，以至获得的目标人脸图像大小不一，导致对目标人脸的识别率降低。尤其是当目标人脸离摄像头距离非常远时，获得的目标人脸图像通常比较小，以至于难以对目标人脸图像进行正确的识别。在这种情况下，可以通过图像放大的方法将将目标物体图像从低分辨率转化成高分辨率,使目标图像的特征更加明显,从而提高后期识别的正确率。
图像放大一般是通过图像插值实现的。图像插值是数字图像处理中最基本、最重要的技术[3]之一。
经典的图像内插方法有邻近插值法（Nearest）、双线性插值法（Bilinear）和双立方插值法等，这些算法简单,容易实现,但是经过插值后的图像边缘模糊或之字形比较明显。最近邻点插值的优点是算法简单,运算速度快。但由于仅用对该采样点影响最大的(即最近的)像素的灰度值作为该点的值,而没有考虑其他相邻像素的影响(相关性), 其缺点是重新采样后的图像灰度值有明显的不连续性,插值质量差,会在图像中产生人为加工的痕迹, 图像易产生马赛克和边缘锯齿等。与最近邻点插值相比, 双线性插值由于考虑了待采样点周围四个直接邻点对待采样点的影响, 因此基本克服了前者灰度不连续的缺点, 但其代价是计算量
有所增大。但进一步看, 由于此方法仅考虑四个直接邻点灰度值的影响, 而未考虑到各邻点间灰度值变化率(斜率不连续)的影响, 因此具有低通滤波器的性质, 使缩放后图像的高频分量受到损失, 图像的轮廓变得较模糊。用此方法缩放后的图像与原图像相比, 仍然存在由于计算模型考虑不周而产生的图像质量(细节)退化与精度降低的问题[4]-[7]。
传统的人脸识别方法[8]-[12]主要是针对人脸的特征提取和人脸的分类做了很多研究,而忽视了图像本身可能会出现图像过小或者图像模糊而影响识别率的问题。所以本文考虑到这个问题提出了一种新的解决方法。先将每张人脸图像通过基于统计处理图像放大方法进行人脸图像的放大。但是放大后的图像维数较高，影响识别的速度,所以针对高维的模式以PCA 方法进行降维[8]，减少图像占用的存储资源，最后利用RBF神经网络固有的优点对目标进行识别 [9]。这种人脸识别的方法优势在于适当地综合以发挥各自的优势，尤其是运用了基于统计处理图像放大方法在人脸识别之中，使这种新的人脸识别方法在人脸识别率上得到提高。
2.基于统计处理的图像放大算法
图像插值是图像放大处理中最基本、最重要的技术。在提高图像质量方面，近年来为了进一步提高图像性能及视觉效果,出现了一系列插值算法。本文提出了一种基于统计处理图像放大方法，与传统的算法相比，新算法能够获得较高的插值质量。
2.1改进算法的主要思想
一个理想一阶边缘（称为几何规律），其图像强度的变化在沿着边缘方向比垂直边缘方向更为缓慢。即一块景物内部像素值变化不大，但是与外界像素值变化就很明显，几何规律对于自然图像的视觉质量有着重要的影响，例如边缘的锐化和避免游离像素。因此，边缘对自然图像有着非常重要的作用，许多图像处理技术都利用了几何规律的边缘。
在以往的文献中已经有许多通过估计边缘方向来调整插值系数的方法。然而，这些明确的量化方法却使边缘方向的选取变的有限（例如：横向，纵向或对角线），影响了边缘模型选取的精确性。本文克服了在如何从已有的低分辨率图像获取高分辨率图像这一难题，在基于低分辨率方差和高分辨率方差沿同样的方向之间的几何对偶性基础上，实现了基于协方差的自适应模型。与传统的边缘方向选取相比，本文通过6个邻近采样点的边缘选取方法极大地改善了插值图像的效果。尽管视觉质量的改善非常的明显，然而不断增加的基于协方差的计算复杂度过高。基于协方差的自适应插值的复杂度大约是线性插值的两倍规模。为了解决这一问题，本文提出了一种混合的办法实现更好的视觉质量和计算复杂性之间的均衡。基于协方差的自适应插值只用于像素周围边缘（“边缘像素”）。对于像素的平滑区域（“非边缘像素”），我们仍然使用双线性插值。因为边缘像素通常包括只有小部分像素的图像，混合的方法有效地在没有牺牲性能的前提下减轻了计算复杂性的负担。实验结果表明，与线性插值方法相比，改进的边缘方向插值重建的图像视觉质量明显得到提高。
改进算法的主要思想如下：
假设低分辨率图像和对应的高分辨率图像分别是大小为M N 和aM aN 的矩形点阵，其中a 是整型放大因子。不失一般性，这里只考虑a=2的情形，且假设。首先从中估计。只考虑4 阶线性插值(如图1所示)：
(1)
图1估计时的几何对偶关系
假设自然图像是局部平稳高斯过程。根据经典Wiener滤波理论, 可得最优MMSE 线性插值系数：
(2)
其中, , (0≤k , l≤3) ,, (0≤k≤3) 是高分辨率图像的局部协方差。比
如, 可以定义
。未知,
所以不能直接计算和。但高分
辨率协方差、和低分辨率协方差之间存在几何对偶性(如图1所示) , 因此,可用后者估计前者。
，（3）
其中,包含了大小为L ×L 的局部窗口中所有的采样像素, C 是
的矩阵, 它的第k 行是
沿着对角线方向的4 个邻近采样像素（如2图所示）
其中, 代表C 的第k 行。
图2沿着对角线方向的4个邻近采样像素
根据式(2) 和式(3) , 可得：
(4) 将式(4) 代入式(1) , 即可得
。 为了估计剩余像素 （i+j 是奇数),将其分为两类: 位于奇数行偶数行的A 类和位于偶数行奇数列的B 类(如图3、图4所示)。这里, 以A 类像素为例进行说明
:
(5)
的计算与前面相似,不同在于C 是×6 的矩阵,它的第k 行是的6个邻近采样像素。
图3 A 类像素点的插值示意图
图4 B 类像素点的插值示意图
3.人脸图像识别
在很多视频监控中，由于目标人体离摄像头的位置远近不一,以至获得的目标人脸图像大小不一,导致对目标人脸的识别率降低。尤其是当目标人脸离摄像头距离非常远时，获得的目标人脸图像通常比较小，以至于难以对目标人脸图像进行正确的识别。本文提出的人脸图像识别方法是首先采用前面所描述的基于统计处理的图像放大方法对图像进行放大处理，然后采用PCA方法提取人脸特征，最后采用RBF方法对放大后的人脸图像进行识别。
3.1人脸图像的放大
为了提高人脸的识别率，第一步将各种不同大小的人脸图像进行归一化处。采用前面所描述的基于统计处理的图像放大方法对图像进行放大处理。为了保证所有人脸在图像放大后大小不变，本实验将把人脸图像从46放大到92112，使图像提高分辨率。实验结果如图5所示。
(a.原始图像) (b.线性放大后的图像) (c.基于统计的图像放大)
(a.原始图像) (b.线性放大后的图像) (c.基于统计的图像放大)
图5 实验结果
从图5的实验结果可以看出,改进算法的图像视觉质量明显好于线性插值方法。
3．2基于PCA 的特征提取
主成分分析(Principle Component Analysis, 简称PCA ) 是把多个特征映射为少数几个特征的一种统计方法。主成分分析是一种降维方法,目的是找出少数综合因子来替代原来众多的特征,使这些综合因子尽可能地反映原来变量的信息, 而且彼此之间互不相关。在人脸识别中,人脸图像的维数往往很高, 主成份分析通常用来对数据进行预处理, 减少数据维数, 减少计算量, 使分类器表现出更好的性能。
一幅m ×n 的二维人脸灰度图像,可转换成一个s(s= m ×n) 维的向量, 称为高维人脸图像向量。使用PCA 进行特征提取,可以在很大程度上降低人脸图像向量的维数,提高图像识别的速度[8]。
假设R 幅人脸图像的训练集为Z= (, , ?, ) ∈并假定每幅图像属于k 类
中的一类, 定义训练集的协方差矩阵:
(6) 式中，∈,。
求解协方差矩阵的特征值和特征向量, 令U=∈（r 对于一组原始人脸图像Z ∈ , 相应的基于特征脸空间的脸特征X ∈可以通过下式把Z 映射到特征脸空间:[10] X = (7) 其中,∈ , ,i=1,2,……R。 3.3径向基函数神经网络的设计 径向基函数网络（Radical Basis Function，简称RBF）,是在多变量插值径向基函数的基础上, 在人工神经网络设计中,构造成的具有单隐层的三层前馈型网络, 能以任意精度逼近任意连续函数。而且RBF神经网络在人脸识别中已经得到成功应用。 1）设训练集中每类人脸图像中有P幅，从中选取m幅图像。聚类中心由以下公式取得： k=1,2,……u (8) 其中表示地第k类图像中第i幅图像。表示第k类图像的数量。 2) 一个RBF 神经网络中被几个RBF 节点所覆盖的区域将形成复杂的决策区域, 这个重叠区域的大小,完全由RBF 单元的宽度(即散布常数) 控制。若宽度太小, 没有重叠, 神经网络将不会为输入产生有意义的输出, 即没有良好的泛化能力; 若宽度太大, 那么不同类之间的相互作用也会很大。所以要使散步常数合理。RBF神经网络知识详见[9]，[13]，[14]。 3.4实验结果与分析 实验所用的人脸图像是通过拍摄得到的,共5个人,每个人各有10幅图像。如下是实验中一个人5张人脸图像，由于拍摄的距离不同，所以图像大小不同。 (1)实验步骤： 本文对五个人，每个人十张图进行图像处理。每个人中前五幅图为径向基神经网络的训练集，剩下的后五幅作为测试样本集。 在特征提取之前，先对图像进行图像放大,使图像的大小相同并且通过基于统计处理图像放大方法将图像放大后,图像的特征表现的更加明显,这个步骤是本文的重点。 实验设计一个包含一输入层、一隐层和一输出层的径向基神经网络。网络输入层对应PCA提取特征的维数,网络隐层中心和宽度都由[9]中的算法所确定的聚类中心和散布常数 设置。隐层和输出层之间的权值使用最小二乘法调整。输出层包含了最后分类结果。 (2)实验结果: 实验结果由表1实验比对表示。实验表明通过本论文的方法实现的人脸分类效果明显，尤其针对低分辨率人脸图像有明显的效果。本方法通过用基于统计处理的图像放大方法对图像进行放大后，图像分辨率得到明显提高，人脸特征明显化，然后再用主成分分析方法对人脸图像进行特征提取可以在很大程度上降低人脸图像的维数，节约计算机系统资源，使一些识别算法得以实现。 表1 实验结果比对 4.小结 插值算法的好坏,首先要看插值结果能否反映原始的采样数据,插值算法是否能够反映据场的分布特性。本文提出了一种基于统计处理的图像放大方法。新的边缘方向插值重建的图像视觉质量明显得到提高，通过仿真表明这是一种非常有效的放大方法。并且这种放大方法运用在人脸识别中效果明显。通过实验证明本文提出的算法在图像处理方面具有一定的实用价值。 参考文献 [1]肖冰;王映辉.人脸识别研究综述[J].计算机应用研究,2005,22(8):22-26 [2]聂祥飞.人脸识别综述[J].重庆三峡学院学报,2009,25(117):14-18 [3]胡敏;张佑生.Newton-Thiele插值方法在图像放大中的应用研究 [J].计算机辅助设计与图形学学报,2003,15(8):1004-1007 [4]李开宇;张焕春;经亚枝.基于FPGA动态可重构的高速、高质量的图像放大[J].中国图象图形学报,2005,10(1):69-74 [5]朱宁;吴静;王忠谦.图像放大的偏微分方程方法[J].计算机辅助设计与图形学学报,2005,17(9):1941-1945 [6]冯象初;姜东焕;徐光宝.基于变分和小波变换的图像放大算法[J].计算机学报,2008,31(2):340-345 [7]孔繁庭;侯国强.图像放大中的边缘细化算法研究[J].计算机应用与软件,2010,27(4):261-263 [8]赵振勇;王保华;王力等.人脸图像的特征提取[J].计算机技术与发展,2007,17(5):221-224 [9]张阿妞.基于优化的LDA与神经网络人脸识别方法研究[D].汕头大学，2007 [10]樊克虎. 基于隐马尔科夫模型的手形认证算法研究[D]. 吉林大学，2009 [11]L. Zhang and D. Samaras, “Face recognition under variable lighting using harmonic image exemplars,” [A] in Proc. IEEE Conf. Computer Vision and Pattern Recognition,vol.1,2003,pp.19-25 [12]尹飞;冯大政.基于PCA算法的人脸识别[J].计算机技术与发展,2008,18(10):31-33 [13] 朱树先; 张仁杰;郑刚.基于RBF神经网络的人脸识别[J]. 光学仪器,2008,30(2):31-33 [14]余立新;陈光喜.基于PCA与合并聚类的RBF人脸识别[J].桂林电子科技大学学报,2009,29(2):88-91 机器学习概述课程设计报告题目：MATLAB人脸识别系统 姓名：** 学号：** 专业：** 时间：2015/8/7 目录 一、课程设计的目的............................................................................... 二、设计的内容与要求........................................................................... 三、详细设计........................................................................................... 四、课程设计的总结............................................................................... 五、参考文献........................................................................................... 一.课程设计的目的 人脸识别作为一项新兴的科学研究项目，有着广泛的应用前景，而且随着计算机技术的更新发展，它的科学研究价值也越发凸显。经过几十年的研发探讨，世界各大研究结构的研发人员的不断努力下，人脸识别技术一已取得丰硕的成果，可在一定限制条件下完成人脸的自动识别。这些成果的取得更促进了人们对人脸识别这一课题的深入研究。 在电子商务飞速发展的今天，人脸识别系统的范畴一不足以涵括人脸识别的应用范围，在数字图像处理、视频领域、基于内容的检索等方面有着重要的应用价值。。 二．设计的内容及要求 1、选择KNN,聚类或SVM方法中的一种或其他机器学习方法的一种进行课程设计 2、要求能完成具体的识别任务：如图像分割、语音识别、人脸识别 3、要求识别的对象中有自己生活元素，比如图像中包括学校的图片或语音时本人的语音等。三．详细设计 YCbCr空间——>灰度图像转换——>噪声消除——>图像填孔——>图像重构——>人脸区域确定——>边缘检测 （原图-涉及个人隐私，未呈现原图） 人脸识别幼儿园一体化解决方案 1.1 背景 随着时代的逐步信息化，教育也急需多元化。随着办园体制改革、管理改革、教育改革的不断深入，要适应新时期的幼儿培养需要，幼儿园必须推倒“围墙”、打开“园门”，进行开放式办园，使家庭、社会参与到幼儿园的教育活动中来，在互动中实现校园教育与家庭教育的同步发展。 同时，由于社会情况日益复杂，现在幼儿园存在诸多的安全管理隐患：没有健全的门卫制度，容易让不明身份人员进入幼儿，造成安全隐患; 没有健全的接送制度，存在幼儿被漏接、错接，乃至冒领拐带、绑架等安全隐患；没有规范的接送管理，存在因接送混乱造成幼儿被踩伤、跌伤等安全隐患；没有校车接送制度，存在幼儿被遗忘在校车内的安全隐患。 1.2 幼安宝系统简介 幼安宝是在调研了上百间幼儿园的基础上，融合先进的物联网、移动互联网技术，人脸识别技术，从而建立一种安全快捷的幼儿接送方式，搭建一个家长、老师、幼儿园良好沟通的环境，创造一个记录宝宝成长点滴的优秀平台，是目前市面上功能最齐全、最完善的幼儿园形象展示、安全管理、家园互动的解决方案。 幼安宝采用了FiRS人脸识别设备作为信息采集终端，更加体现了整个系统的安全性和可靠性。人脸识别技术作为一种新兴的身份认证技术，由于其不可言喻的优势，在各个行业上都得到广泛的应用。 人脸识别终端的特性： ?唯一性: 每个人都有一张脸，且无法被复制，仿冒，因此安全性更高。 ?自然性好:人脸识别技术同人类（甚至其它生物）进行个体识别时所利用的生物特征相同，其他生物特征如指纹、虹膜不具备这个特征。 ?简单方便: 无需携带卡,识别速度快，操作简单便捷 ?非接触性: 无需接触设备，不用担心病毒的接触性传染,既卫生，又安全 ?准确性高: 不需要任何识别专家进行结果对比，面部不受表情、胡须、髪型变化和戴眼镜、帽子的影响。 ?具有远程管理功能: 远程控制中心只需通过网络与管理中心的计算机连接就可实现远程实时查询使用人员的进出情况。 ?操作简单: 识别的操作过程方便、直观。 人脸识别技术的原理： 长春理工大学——professor——景文博——旗下出品 1基于形态学运算的星空图像分割 主要内容： 在获取星图像的过程中，由于某些因素的影响，获得的星图像存在噪声，而且星图像的背景经常是不均匀的，为星图像的分割造成了极大的困难。膨胀和腐蚀是形态学的两个基本运算。用形态学运算对星图像进行处理，补偿不均匀的星图像背景，然后进行星图像的阈值分割。 要求： 1> 图像预处理：对原始星空图像进行滤波去噪处理； 2> 对去噪后的图像进行形态学运算处理； 3> 选取自适应阈值对形态学运算处理后的图像进行二值化； 4> 显示每步处理后的图像； 5> 对经过形态学处理后再阈值的图像和未作形态学处理后再阈值的图像进行对比分析。 待分割图像直接分割图像处理后的分割图像 2基于数字图像处理的印刷电路板智能检测方法 主要内容： 通过对由相机实时获取的印刷电路板图像进行焊盘识别，从而提高电子元件的贴片质量，有效提高电路板的印刷效率。 要求： 1> 图像预处理：将原始彩色印刷电路板图像转成灰度图像，对灰度图像进行背景平滑和滤波去噪； 2> 对去噪后的图像进行图像增强处理，增强边缘提取的效果。 3> 对增强后的图像进行边缘提取（至少两种以上的边缘提取算法）； 4> 显示每步处理后的图像（原始电路板图像可自行查找）； 5> 图像处理后要求能对每个焊盘进行边缘提取，边缘清晰。 3静止背景下的移动目标视觉监控 主要内容： 基于视觉的人的运动分析最有前景的潜在应用之一是视觉监控。视觉监控系统的需求主要来自那些对安全要求敏感的场合，如银行、商店、停车场、军事基地等。通过对静止背景下的目标识别，来提醒监测人员有目标出现。 要求： 1>对原始参考图和实时图像进行去噪处理； 2>对去噪后的两幅图像进行代数运算，找出目标所在位置，提取目标，并将背景置黑； 3> 判断目标大小，若目标超过整幅图像的一定比例时，说明目标进入摄像保护区域，系统对监测人员进行提示（提示方式自选）。 4>显示每步处理后的图像； 5>分析此种图像监控方式的优缺点。 背景目标出现目标提取 4车牌识别图像预处理技术 主要内容： 车辆自动识别涉及到多种现代学科技术，如图像处理、模式识别与人工智能、计算机视觉、光学、机械设计、自动控制等。汽车作为人类生产、生活中的重要工具被广泛的使用，实现自动采集车辆信息和智能管理的车牌自动识别系统具有十分重要的意义: 要求： 1>对原始车牌图像做增强处理； 2>对增强后的彩色图像进行灰度变换； 3>对灰度图像进行直方图均衡处理； 4>选取自适应的阈值，对图像做二值化处理； 5>显示每步处理后的图像； 6>分析此种图像预处理的优缺点及改进措施，简要叙述车牌字符识别方法 原始车牌图像处理后的车牌图像 5医学细胞图像细胞分割图像增强算法研究 主要内容： 医学图象处理利用多种方法对各种图像数据进行处理，以期得到更好的显示效果以便医生根据细胞的外貌进行病变分析。 要求： 1>通过对图像的灰度变换调整改变细胞图像的灰度，突出感兴趣的细胞和细胞核区域。 2>通过直方图修改技术得到均衡化或规定化等不同的处理效果。 3>采用有效的图像平滑方法对细胞图像进行降噪处理，消除图像数字化和传输时所混入的噪声，提高图像的视觉效果。 4>利用图像锐化处理突出细胞的边缘信息，加强细胞的轮廓特征。 5>显示每步处理图像，分析此种细胞分割图像预处理方法的优缺点。 原始细胞图像 图像处理后的细胞图像 6瓶子灌装流水线检测是否液体灌装满瓶体 当饮料瓶子在罐装设备后要进行液体的检测，即：进行判断瓶子灌装流水线是否灌装满瓶体的检测，如液面超过瓶颈的位置，则装满，否则不满，如果不满则灌装液体不合格，需重新进行灌装。 具体要求： 1）将原进行二值化 2）二值化后的图像若不好，将其滤波再进行膨胀处理,并重新进行二值化 数字图像处理课程设计--人脸检测 数字图像处理课程设计报告 （人脸检测） 姓名：xxx 学号：xxxx 1 引言 随着科学技术的飞速发展，互联网的广泛应用，重要部门(机场、银行、军政机关、重点控制地区)的进出，计算机网络中重要信息的存储与提取，都需要可靠的人身鉴别。身份的识别已经成为一种人们日常生活中经常遇到的问题。人脸识别作为生物特征识别中成功的应用之一，因为其巨大的商业应用前景，受到越来越多的重视。 人们更多的是在电影中看到这种技术的神奇应用：警察将偷拍到的嫌疑犯的脸部照片，输入到电脑中，与警方数据库中的资料进行比对，并找出该嫌犯的详细资料和犯罪记录。这并非虚构的情节，在国外，人脸识别技术早已被大量使用在国家重要部门以及军警等安防部门。在国内，对于人脸识别技术的研究始于上世纪90年代，目前主要应用在公安、金融、网络安全、物业管理以及考勤等领域。近 30 年以来，人脸识别技术有了长足的发展，并且逐步走向实际应用阶段[1]。 2 实验方法 2.1 方法综述 典型人脸识别系统的实现过程如图2.1所示，一般包括三个步骤:人脸检测、人脸特征提取、人脸识别与验证。在实现过程中，首先输入图像集，然后用人脸检测模块进行人脸检测。如果检测到人脸图像，则进行特征点定位，一般以两眼中心为基准，根据两眼距离d，对人脸图像进行归一化处理，归一化处理包含了图像预处理，图像缩放以及有效人脸区域选取等操作。最后对归一化的人脸图像进行特征提取，送入分类器进行识别，最终获得识别结果[2]。 图像预处理特征提取特征对比 (分类器) 结果输出 图像输入 图2.1 人脸识别技术处理流程图 在预处理阶段，对图像进行优化，尽可能去除或者减小光照、成像系统、外部环境等对待处理图像的干扰，为后续处理提高质量。以便使不同的人脸图像尽可能在同一条件下完成特征提取、训练和识别。人脸图像的预处理主要包括人脸扶正，人脸图像的增强，以及归一化等工作。人脸扶正是为了得到人脸 摘要 文章具体讨论了主成分分析( PCA)人脸识别算法的原理及实现。它具有简单、快速和易行等特点,能从整体上反映人脸图像的灰度相关性具有一定的实用价值。人脸识别是目前较活跃的研究领域, 本文详细给出了基于主成分分析的人脸特征提取的原理与方法。并使用matlab 作为工具平台, 实现了一个人脸自动识别的系统原型。实验结果表明, 该系统识别率为100%, 达到预期的效果。如果想进一步提高人脸识别率, 可以考虑与其他方法结合。仅单独使用任何一种现有的方法一般都不会取得很好的识别效果, 将其他人脸识别方法组合是今后研究的一种趋势。也可以考虑改进分类决策的方法。本系统采用的最小距离分类法属于线性的分类器, 而利用神经网络这类学习能力更强的非线性分类器对高维人脸识别问题可能会有更好的解决。 1 目录 1.引言................................................................... (1) 2．需求分析.................................................................... 1 2.1 课题的来 源 (1) 2.2人脸识别技术的研究意义 (2) 2.2.1 面部关键特征定位及人脸2D形状检测技术 (2) 2.2.2面部感知系统的重要内 容 (2) 2.3人脸识别的国内外发展概况 (3) 2.3.1国外的发展概 况 (3) 2.3.2国内的发展概 况 (4) 3．概要设计.................................................................... 5 3.1问题描述 (5) 3.2模块设计 (5) 3.3主成分的一般定义 (6) 3.4主成分的性质 (7) 3.5主成分的数目的选取 (7) 4. 详细设计--PCA算法的功能实 现 (8) 4.1引言................................................................... .. 8 4.2 K-L变换 (8) 4.3 PCA方法 (9) 图像识别技术研究现状综述 简介： 图像识别是指图形刺激作用于感觉器官，人们辨认出它是经验过的某一图形的过程,也叫图像再认。在图像识别中,既要有当时进入感官的信息,也要有记忆中存储的信息。只有通过存储的信息与当前的信息进行比较的加工过程，才能实现对图像的再认。图像识别技术是以图像的主要特征为基础的，在图像识别过程中，知觉机制必须排除输入的多余信息,抽出关键的信息。在人类图像识别系统中，对复杂图像的识别往往要通过不同层次的信息加工才能实现。对于熟悉的图形,由于掌握了它的主要特征，就会把它当作一个单元来识别，而不再注意它的细节了。这种由孤立的单元材料组成的整体单位叫做组块，每一个组块是同时被感知的。图像在人类的感知中扮演着非常重要的角色，人类随时随处都要接触图像。随着数字图像技术的发展和实际应用的需要，出现了另一类问题，就是不要求其结果输出是一幅完整的图像，而是将经过图像处理后的图像，再经过分割和描述提取有效的特征，进而加以判决分类，这就是近20年来发展起来的一门新兴技术科学一图像识别。它以研究某些对象或过程的分类与描述为主要内容，以研制能够自动处理某些信息的机器视觉系统，代替传统的人工完成分类和辨识的任务为目的。 图像识别的发展大致经历了三个阶段：文字识别、图像处理和识别及物体识别：文字识别的研究是从1950年开始的，一般是识别字母、数字和符号，并从印刷文字识别到手写文字识别，应用非常广泛，并且已经研制了许多专用设备。图像处理和识别的研究，是从1965年开始的。过去人们主要是对照相技术、光学技术的研究，而现在则是利用计算技术、通过计算机来完成。计算机图像处理不但可以消除图像的失真、噪声，同时还可以进行图像的增强与复原，然后进行图像的判读、解析与识别，如航空照片的解析、遥感图像的处理与识别等，其用途之广，不胜枚举。物体识别也就是对三维世界的认识，它是和机器人研究有着密切关系的一个领域，在图像处理上没有特殊的难点，但必须知道距离信息，并且必须将环境模型化。在自动化技术已从体力劳动向部分智力劳动自动化发展的今天，尽管机器人的研究非常盛行，还只限于视觉能够观察到的场景。进入80年代，随着计算机和信息科学的发展，计算机视觉、人工智能的研究已成为新的动向 图像识别与图像处理的关系： 在研究图像时，首先要对获得的图像信息进行预处理（前处理）以滤去干扰、噪声，作几何、彩色校正等，以提供一个满足要求的图像。图像处理包括图像编码，图像增强、图像压缩、图像复原、图像分割等。对于图像处理来说，输入是图像，输出（即经过处理后的结果）也是图像。图像处理主要用来解决两个问题：一是判断图像中有无需要的信息；二是确定这些信息是什么。图像识别是指对上述处理后的图像进行分类，确定类别名称，它可以在分割的基础上选择需要提取的特征，并对某些参数进行测量，再提取这些特征，然后根据测量结果做出分类。为了更好地识别图像，还要对整个图像做结构上的分析，对图像进行描述，以便对图像的主要信息做一个好的解释，并通过许多对象相互间的结构关系对图像加深理解，以便更好帮助和识别。故图像识别是在上述分割后的每个部分中，找出它的形状及纹理特征，以便对图像进行分类，并对整个图像做结构上的分析。因而对图像识别环节来说，输入是图像（经过上述处理后的图像），输出是类别和图像的结构分析，而结构分析的结果则 数字图像处理技术在识别领域的应用 1、定义 数字图像处理是利用计算机对图像进行处理，常用的方法技术有去除噪声、复原、增强、分割、提取特征等。数字图像发展初期，主要应用于提高图片质量，第一次应用该技术是对伦敦和纽约之间海底电缆发送的图片进行改善。图像处理的应用领域涉及到人类生活的方方面面。 2、数字图像处理的优点 数字图像处理应用于人类依靠图像获取外界的信息经过处理，具有如下优点：①重现性能好，数字图像处理在进行传输、存储、复制等处理从而用来服务于生活。 ②数字化处理精度高。 ③数字信号处理技术适用面宽。 ④数字图像处理的灵活性高。 3、主要研究内容 数字图像处理技术是利用计算机图像处理系统对图像进行输入、加工和输出，主要研究的内容包括以下几项：图像变换；图像增强和复原；图像编码压缩；图像分割。 因为数字图像处理技术应用太过广泛，我在这里仅探究它在识别领域的应用，从这里认识数字图像处理技术的方方面面。 4、数字图像处理在识别领域的应用： （一）数字图像处理在指纹识别中的应用 传统的利用密码、证件作为身份识别的方式具有易遗忘、易破解、易丢失、易伪造等特点，已不再符合现代数字社会的需求。指纹，作为人体独一无二的生理特征，虽然只是人体皮肤的一小部分，但是它的纹理复杂度可以提供用于识别的足够特征，具有极高的安全性，并且指纹还具有易获取、无侵犯性、唯一性和不变性等优点，使其成为生物识别技术中的焦点。 为了弥补指纹图像的质量缺陷，保证指纹后处理算法对指纹图像具有足够的鲁棒性，图像增强是十分必要的，采用数字图像处理则可以实现图像的增强。指纹图像增强目的是为了消除噪声，增强脊线和谷线的对比度，将断裂的脊线和谷线连接起来，消除由于噪声、变形等带来的粘连及由于油污等产生的毛刺等，改善图像质量，保证特征信息提取的准确性和可靠性。指纹图像的增强由图像规格化、图像再处理、滤波几个部分组成。 基于肤色的人脸检测 摘要 本文介绍了人脸图像识别中所应用MATLAB对图像进行预处理，应用该工具箱对图像进行经典图像处理,通过实例来应用matlab图像处理功能，对某一特定的人脸图像处理，进而应用到人脸识别系统。本文在总结分析人脸识别系统中几种常用的图像预处理方法基础上，利用MATLAB实现了一个集多种预处理方法于一体的通用的人脸图像预处理仿真系统，将该系统作为图像预处理模块可嵌入在人脸识别系统中，并利用灰度图像的直方图比对来实现人脸图像的识别判定。 关键词:脸部定位，特征提取，图像处理，MATLAB Abasract This paper introduces the application of MATLAB in face image recognition of image preprocessing,the application of the toolkit for classical image processing, application MATLAB image processing function through instance,for a particular face image processing,and then applied to the face recognition system.In face recognition system based on the summary analysis of several commonly used image preprocessing method based on the MATLAB implements a collect a variety of pretreatment method for the integration of the universal facial image preprocessing simulation system,the system as the image preprocessing module can be embedded in a face recognition system,and use the gray histogram of the image matching to realize the face image recognition. Key words:face positioning,feature extraction,picture processing,MATLAB 图像处理在人脸识别中的应用 2016-2017学年第二学期 《数字图像处理》课程设计 ? ? 所在学院： 学生姓名： 学生学号： 任课老师： 年月日一、实验目的 查阅并消化有关人脸识别文献所提出的算法，综合使用所学数字图像处理的有关知识实现单张图像的人脸识别。 二、实验原理 随着新的信息技术和信息媒介的普及，在人机交互方面越来越多的高效友好的方法被开发出来，这些方法不依赖于传统的设备，比如说键盘、鼠标和显示器。而且，计算机性价比持续下降，近来视频设备成本下跌，预示着计算机视频系统能够在台式机和嵌入式系统中开发。人脸处理研究的快速发展是基于假设的，即关于用户身份、状态、意图的信息能够从图像中抽取出来，然后计算机做出相应相应，比方说观察一个人的面部表情。任何一个人脸处理系统的第一步是人脸在图像中的位置。然而，从单张图片中检测出人脸是一项具有挑战性的工作，因为人脸在大小、位置、方向、姿势方面是可变的。人脸表情、牙齿相接触的方式、光照也会改变人脸的整体外观。 我们队对人脸检测下一个定义：给定任意图像，人脸检测的目的是确定图像中是否有人脸，如果有人脸，则返回人脸在图像中的位置和范围。即给定一张图像，人脸检测的目的是确定所有包含人脸的图像区域，而不管人脸的三维位置、方向和光照条件。人脸检测面临的挑战可以归结为以下因素： （1）姿势。人脸图像会因为摄影机一人脸的相对位置（正面，成45度角，侧面，上下颠倒）以及象独眼、鼻子部分或全部闭合等一些人脸特性而不同。 （2）组成部件的有和无。像胡子、眼镜等面部特征，有些人有，有些人没有，而他们在形状、颜色和大小方面也有很大的差别。 （3）面部表情。人的面貌直接收受面部表情的影响。 （4）遮挡。人脸可能被其他物体部分遮挡。在有一群人的图像里，有些人的脸会被其他人的脸部分遮挡。 （5）图像的方位。人脸图像直接受视频光轴的不同旋转角度影响。 （6）成像条件。当图像形成的时候，光照（光谱、光源分布、光密度）、摄像头特性（感应器、镜头）等因素会影响人脸的外观。 （7）人脸检测有很多相关的问题。人脸定位的目标是确定单张人脸在图像中的位置。这是一个简单的检测问题，它假设输入的图像只包含一张人脸。人脸特征检测的目的是检测人脸特征的有无 和位置，比如说眼睛、鼻子、鼻孔、眉毛、嘴巴、嘴唇、耳朵等的有无和位置，其前提同样是 假设图像中只有一张人脸。人脸识别是将输入图像与数据库中的人脸图像进行比较，如果有匹 配的，则报告匹配情况。人脸验证的是在输入图像中验证单个人的方位。人脸表情识别涉及确 认人的感情状态（包裹高兴、悲伤、厌恶等）。显然，在任何解决以上问题的自动化系统中人 脸识别是第一步。 目前，人们提出用来在单张黑白或彩色图像中检测人脸的方法已经有10多种。 对单张图像的检测分为四类，但有些方法明显同时属于多于一个类： （1）基于知识的方法。这些基于先验知识的方法对组成典型人脸的知识进行编码。通常，先验知识包含了这些人脸特征之间的相互关系。此类方法主要用于人脸定位。 （2）特征不变方法。这些算法的目标是找出存在的一些结构特征。这些算法的目标是找出存在的一些结构特征，这些特征在姿势、观察点、光照改变的情况下保持不变。然后使用这些特征来 定位人脸。这些方法主要用于人脸定位。 （3）模板匹配法。这种方法首先是存储一张人脸的几个标准模板，用来描述整张人脸或人脸的部分特性。然后通过计算输入图像与已经存储模板之间的相关度来进行检测。这些方法既可用于人 脸检测也可用于人脸定位。 （4）基于外观的方法。与模板匹配不同的是，这里的模板是从一组训练图像经过学习而得来的，这些图像应该包括人脸外观的具有代表性的变化元素。这些方法主要用于人脸识别。 下面我们将简介本实验中选用的基于特征不变量——人类肤色的研究目标和大体方法。 图像处理技术近期发展及应用 摘要：图像处理技术的研究和应用越来越收到社会发展的影响，并以自身的技术特点反过来影响整个社会技术的进步。本文主要简单概括了数字图像处理技术近期的发展及应用现状，列举了数字图像处理技术的主要优点和制约其发展的因素，同时设想了图像处理技术在未来的应用和发展。 关键字：图像处理发展技术应用 1.概述 1.1图像的概念 图像包含了它所表达的物体的描述信息。我们生活在一个信息时代，科学研究和统计表明，人类从外界获得的信息约有百分之七十来自视觉系统，也就是从图像中获得，即我们平常所熟知的照片，绘画，动画。视像等。 1.2图像处理技术 图像处理技术着重强调在图像之间进行的变换，主要目标是要对图像进行各种加工以改善图像的视觉效果并为其后的目标自动识别打基础，或对图像进行压缩编码以减少图像存储所需要的空间或图像传输所需的时间。图像处理是比较低层的操作，它主要在图像像素级上进行处理，处理的数据量非常大。 1.3优点分析 1．再现性好。数字图像处理与模拟图像处理的根本不同在于，它不会因图像的存储、传输或复制等一系列变换操作而导致图像质量的退化。 2．处理精度高。按目前的技术，几乎可将一幅模拟图像数字化为任意大小的二维数组，这主要取决于图像数字化设备的能力。现代扫描仪可以把每个像素的灰度等级量化为16位甚至更高，这意味着图像的数字化精度可以达到满足任一应用需求。 3．适用面宽。图像可以来自多种信息源，它们可以是可见光图像，也可以是不可见的波谱图像（例如X射线图像、射线图像、超声波图像或红外图像等）。从图像反映的客观实体尺度看，可以小到电子显微镜图像，大到航空照片、遥感图像甚至天文望远镜图像。即只要针对不同的图像信息源，采取相应的图像信息采集措施，图像的数字处理方法适用于任何一种图像。 4．灵活性高。图像处理大体上可分为图像的像质改善、图像分析和图像重建三大部分，每一部分均包含丰富的内容。而数字图像处理不仅能完成线性运算，而且能实现非线性处理，即凡是可以用数学公式或逻辑关系来表达的一切运算均可用数字图像处理实现。 2.近期发展及应用领域 东北大学 硕士学位论文 基于图像处理的人脸识别系统 姓名：周丹 申请学位级别：硕士 专业：控制理论与控制工程指导教师：王建辉 20050701 东北大学硕士学位论文第一章引言 如何能正确识别大量的人并满足实时性要求是迫切需要解决的问题。总之，要让计算机象人一样方便准确地识别大量的人脸尚需不同学科研究领域的科学家共同做出不懈的努力。 １．３模式识别的基本概念 模式识别研究的内容是利用计算机对客观物体进行分类，在错误概率最小的条件下，使识别的结果尽量与客观物体相符合。 在模式识别学科中，就“模式”与“模式类”而言，模式类是一类事物的代表，而“模式”则是某一事物的具体体现，如数字０，ｌ，２，３，４，５，６，７，８，９是模式类，而用户任意手写的一个数字或任意一个印刷数字则是“模式”，是数字的具体化。 在模式识别技术中，被观测的每个对象称为样品，用ｘ表示，样品的数量用Ｎ表示。 对于一个样品来说，必须确定一些与识别有关的因素作为研究的根据，侮‘ 个因素称为一个特征。模式就是样品所具有的特征描述。模式的特征集由处于同 一个特征空间的特征向量表示，特征向量的每个元素成为特征，该向量也因此称为特征向量。一般地用小写英文字母ｘ，个特征，则可把Ｘ看作一个ｎ维列向量，ｘ榧 Ｙ，ｚ来表示特征。如果一个样品Ⅳ有ｎ该向量ｘ称为特征向量，记作： ’，Ｘ月 模式识别问题就是根据ｘ的几个特征来判别模式工属于ｑ，国：，．．．，∞。类中的 哪一类。 １．４模式识别系统组成 一个典型的模式识别系统如图３．１所示，由数据获取、预处理、特征提取、分类决策及分类器设计五部分组成。一般分为上下两部分。上半部分完成未知类别模式的分类；下半部分属于设计分类器的训练过程，利用样品进行训练，确定分 ２ ＸＧ 一一 人脸识别可行性研究报告 一报告目录 第一章前言 第一节课题背景 一课题的来源------------------------------------------------------------------------------1 二人脸识别技术的研究意义------------------------------------------------------------2 第二节人脸识别技术的国内外发展概况---------------------------------------------------3一国外发展概况---------------------- --------------------------------------------------3 二国内发展概况---------------------------------------------------------------------------4 第二章系统的需求分析和方案选择---------------------------------------------------------6第一节可行性分析------------------------------------------------------------------------------6 一技术可行性分析------------------------------------------------------------------------6 二操作可行性分析------------------------------------------------------------------------7 第二节需求分析---------------------------------------------------------------------------------7 一应用程序的功能需求分析------------------------------------------------------------7 二开发环境的需求分析------------------------------------------------------------------8 三运行环境的需求分析------------------------------------------------------------------8 第三节预处理方案选择------------------------------------------------------------------------9 一设计方案原则的选择------------------------------------------------------------------9 二图像文件格式选择---------------------------------------------------------------------9 三开发工具选择---------------------------------------------------------------------------9 第一章前言 第一节课题背景 一课题的来源 随着安全入口控制和金融贸易方面应用需要的快速增长，生物统计识别技术得到了新的重视。目前，微电子和视觉系统方面取得的新进展，使该领域中高性能自动识别技术的实现代价降低到了可以接受的程度。而人脸识别是所有的生物识别方法中应用最广泛的技术之一，人脸识别技术是一项近年来兴起的，但不大为人所知的新技术。人们更多的是在电影中看到这种技术的神奇应用：警察将偷拍到的嫌疑犯的脸部照片，输入到电脑中，与警方数据库中的资料进行比对，并找出该嫌犯的详细资料和犯罪记录。这并非虚构的情节。在国外，人脸识别技术早已被大量使用在国家重要部门以及军警等安防部门。在国内，对于人脸识别技术的研究始于上世纪90年代，目前主要应用在公安、金融、网络安全、物业管理以及考勤等领域。 二人脸识别技术的研究意义 第一章.方案概述 1.1项目概况 随着经济的发展，城镇建设速度加快，以及互联网的突飞猛进，导致城市中人口密集，流动人口增加，弓I发了城市建设中的交通、社会治安、重点区域防范、网络犯罪日益突出等城市管理问题，今后现代化城市的建设、网络信息必然将安全作为重中之重，与城市的经济建设处于同等重要的地位。近年来，社会犯罪率呈逐年升高的趋势，特别是网络犯罪更加的严重，网络逃犯频频发生，罪犯的犯罪手法也更加隐蔽和先进，给广大公安人员侦破案件增加了难度。同时，恶性事件时有发生, 使人们对公共生活场所的安全感普遍降低。 同时公安人员在对通缉犯进行人工排查时如大海捞针，成功率极低，效果也不明显。主要有如下实际问题： 1. 首先，由于罪犯群体不断扩大，要在数以百万计的人员照片库中找出犯罪嫌疑人，不仅费时费力，还有可能造成遗漏等情况，破案的效率大打折扣。 2. 其次，目前公安机关侦察案件大多数仍然依靠事后追查和通缉，对已经发生的案件造成的损失很难有效弥补。 3. 最后，如果在案发的同时即能防患于未然，就能第一时间将损失控制在最小范围内。 平安城市建设从最初的视频监控、卡口电警建设，系统已大量掌握了视频图像资源和卡口车辆数据和价值图片，但是针对人员侦查，身份确认还是需要通过技侦或网侦手段，无法充分利用视频图像资源快速定位人员身份。即使出动大量警力，采用“人海战术”但受制于肉眼识别劳动强度的极限，再加上人工排查效率不足，视频图像拍摄受光线、角度倾斜等不确定因素 影响，无法保证查找的准确性和时效性，尤其出现突发紧急案件时，往往会贻误最佳破案时机。 如何提供更加丰富以及实用的“人像防控”应用，从“事后被动侦查”到“事前主动预警”将是平安城市下一建设阶段面临的主要需求。 1.2需求分析 人像大数据系统采用高效的人脸检测定位及识别比对系统，可以第一时间帮助公安侦查人员快速识别辨别特定人员真实身份，把过去人工排查海量的视频图像资源比对需求变成现实，从而有效的为公安视频侦查、治安管理、刑侦立案等工作提供实战上的有效帮助和解决方法。第二可帮助公安侦查人员办案时候追查和通缉，真正从打变为防，能够极大的减少警力资源浪费和事故发生概率。 目前人脸抓拍比对系统主要应用在以下几个方面： 公安治安人员黑名单比对实时报警： 针对一些人员密集区域（如车站、地铁站、机场、社区等）的关键出入口、通道等卡口位置布置人员卡口，后端对重点关注人员、打防控人员进行黑名单布控，通过实时视频流比对布控黑名单，实现人脸比对识别。 不明身份人员身份确认： 治安人员在日常巡逻、人员身份验证过程中，避免肢体接触和冲突，使用前端摄像机或手机进行抓拍，后端通过数据库进行人员信息比对分析，达到人员身份确认的应用。 治安或刑侦人员对流动性人口中的无合法有效身份证件、无固定住所、无正当职业或合法经济来源的人员进行非接触性身份确认。 图像处理在航天航空中的应用-结业论文 论文题目：图像处理在航天和航空技术方面的运用 学院：机械电气工程学院 班级： 2012级机制3班 姓名：张娜 学号： 20125009077 摘要：图像处理技术的研究和应用越来越受到社会发展的影响，并以自身的技术特点反过来影响整个社会技术的进步。本文主要简单概括了数字图像处理技术的特点、优势，列举了数字图像处理技术的应用领域并详细介绍了其在航天航空领域中的发展。 关键字：图像处理简介技术的优点发展技术应用 一、引言 数字图像处理是通过计算机采用一定的算法对图像图形进行处理的技术，它已经在各个领域上都有了较广泛的应用。图像处理的信息量很大，对处理速度要求也很高。本文就简单的介绍图像处理技术及其在各个领域的应用，详细说明图像处理在航天航空技术方面的应用。 二、数字图像处理简介 （一）图像的概念 图像包含了它所表达的物体的描述信息。我们生活在一个信息时代，科学研究和统计表明，人类从外界获得的信息约有百分之七十来自视觉系统，也就是从图像中获得，即我们平常所熟知的照片，绘画，动画。视像等。 （二）数字图像处理技术 数字图像处理又称为计算机图像处理，它是指将图像信号转换成数字信号并利用计算机对其进行处理的过程。图像处理技术着重强调在图像之间进行的变换，主要目标是要对图像进行各种加工以改善图像的视觉效果并为其后的目标自动识别打基础，或对图像进行压缩编码以减少图像存储所需要的空间或图像传输所需的时间。图像处理是比较低层的操作，它主要在图像像素级上进行处理，处理的数据量非常大。数字图像处理的早期应用是对宇宙飞船发回的图像所进行的 数字图像处理课程设计 人脸检测与识别课程设计一、简介人脸检测与识别是当前模式识别领域的一个前沿课题，人脸识别技术就是利用计算机技 术，根据数据库的人脸图像，分析提取出有效的识别信息，用来 “辨认”身份的技术。人脸识别是模式识别研究的一个热点, 它 在身份鉴别、信用卡识别, 护照的核对及监控系统等方面有着广 泛的应用。人脸图像由于受光照、表情以及姿态等因素的影响, 使得同一个人的脸像矩阵差异也比较大。因此, 进行人脸识别时, 所选取的特征必须对上述因素具备一定的稳定性和不变性. 主 元分析(PCA)方法是一种有效的特征提取方法,将人脸图像表示成 一个列向量, 经过PCA 变换后, 不仅可以有效地降低其维数, 同 时又能保留所需要的识别信息, 这些信息对光照、表情以及姿态 具有一定的不敏感性. 在获得有效的特征向量后, 关键问题是设 计具有良好分类能力和鲁棒性的分类器. 支持向量机(SVM ) 模 式识别方法,兼顾训练误差和泛化能力, 在解决小样本、非线性及 高维模式识别问题中表现出许多特有的优势。 本此课程设计基于MATLAB，将检测与识别分开进行。其中检测 部分使用实验指导书上的肤色模型算法进行，不进行赘述。识别 部分采用PCA算法对检测出的人脸图像进行特征提取, 再利用最 邻近距离分类法对特征向量进行分类识别，将在后文具体表述。仿真结果验证了本算法是有效的。 二、人脸检测源码 1.img=imread('D:\std_test_images\face3.jpg'); figure; imshow(img); R=img(:,:,1); G=img(:,:,2); B=img(:,:,3); faceRgn1=(R>95)&(G>40)&(B>20)&max(img,[],3)-min(img,[],3)>15& abs(R-G)>15&R>B; figure; imshow(faceRgn1); r=double(R)./double(sum(img,3)); g=double(G)./double(sum(img,3)); Y=0.3*R+0.59*G+0.11*B; faceRgn2=(r>0.333)&(r<0.664)&(g>0.246)&(g<0.398)&(r>g)& g>=0.5-0.5*r; figure; imshow(faceRgn2); Q=faceRgn1.*faceRgn2; 嵌入式课程设计报告 学院信息电子技术 专业通信工程 班级 学号 姓名 指导教师 2017年07月01日 基于ARM9的人脸识别系统 一、引言 人脸识别背景和意义 人脸识别系统的研究始于20世纪60年代，80年代后随着计算机技术和光学成像技术的发展得到提高，而真正进入初级的应用阶段则在90年后期，并且以美国、德国和日本的技术实现为主；人脸识别系统成功的关键在于是否拥有尖端的核心算法，并使识别结果具有实用化的识别率和识别速度；“人脸识别系统”集成了人工智能、机器识别、机器学习、模型理论、专家系统、视频图像处理等多种专业技术，同时需结合中间值处理的理论与实现，是生物特征识别的最新应用，其核心技术的实现，展现了弱人工智能向强人工智能的转化语音识别、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。 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、系统设计 1、硬件电路设计 （1）ARM9处理器 本系统所采用的硬件平台是天嵌公司的TQ2440开发板，该开发板的微处理器采用基于ARM920T内核的S3C2440芯片。 ARM9对比ARM7的优势：虽然ARM7和ARM9内核架构相同，但ARM7处理器采用3级流水线的冯·诺伊曼结构，而ARM9采用5级流水线的哈佛结构。增加的流水线设计提高了时钟频率和并行处理能力。5级流水线能够将每一个指令处理分配到5个时钟周期内，在每一个时钟周期内同时有5个指令在执行。在常用的芯片生产工艺下，ARM7一般运行在100MHz左右，而ARM9则至少在200MHz 以上。指令周期的改进对于处理器性能的提高有很大的帮助。性能提高的幅度依赖于代码执行时指令的重叠，这实际上是程序本身的问题。对于采用最高级的语言，一般来说，性能的提高在30%左右。ARM7一般没有MMU(内存管理单元），（ARM720T有MMU）。 （2）液晶显示屏 为显示摄像头当前采集图像的预览，系统采用三星的320x240像素的液晶屏，大小为206.68cm。该液晶显示屏的每个像素深度为2bit，采用RGB565色彩空间。 （3）摄像头 摄像头采用市场上常见的网眼2000摄像头,内部是含CMOS传感器的OV511+芯片。CMOS传感器采用感光元件作为影像捕获的基本手段,核心是1个感光二极 玺瑞（SYRIS）人脸识别闸机解决方案 一、人脸识别技术优势分析 人脸识别技术，是基于人的脸部特征信息进行身份识别的一种生物识别技术。人脸识别系统集成了人工智能、机器识别、机器学习、模型理论、专家系统、视频图像处理等多种专业技术，该技术目前被广泛应用于公安系统、海关系统、安保系统、银行系统等。 1.1人脸识别技术拥有四大优势 非接触性 人脸验证的过程不需要和设备、终端接触，这与指纹、打卡方式完全不同。体验感强，设备应为不会被频繁触碰，稳定性高，故障率低。 自然性 人类识别物体特征第一感知就是通过眼睛的感官传递回大脑，人脸识别技术是利用计算机深度学习人类感官回传大脑的过程，所以人脸识别相较于其他的生物识别技术在使用和体验上更加的自然，且不需要其他物体特征，不会发生丢失、被复制等问题。 识别速度快精度高 由于计算机技术的发展，在固定样本库对比下，人脸识别速度已经可以提升至0.3秒/人次，且不同角度、佩戴眼镜、化妆等改变面貌的行为也可以通过调整人脸识别算法来修正比对数据。 人脸已经成为大数据时代重要数据源 通过大量区域内人脸识别、比对，利用大数据分析、挖掘等技术，可以完全掌握特定对象的行为轨迹或特定人群的活动范围，过程中不需要人工干预，完全交由云计算、大数据系统来处理。技术的发展和成熟，使得人脸识别成为了人工智能时代最热门的技术门类和方向，推动各行各业应用人脸识别技术，用机器替代人工，极大程度改善和推动社会化行为中的效率和安全性。 1.2人脸识别门禁应用的优势 采用人脸识别门禁，相较于其他识别方式，具有以下几点优势： 无需接触识别设备 自然步态及速度 解放双手 无需特意配合 丢失、忘带识别卡的情况不再发生机器学习概述课程设计报告(MATLAB人脸识别)
幼儿园人脸识别一体化解决方案
关于数字图像处理论文的题目
数字图像处理课程设计--人脸检测
人脸识别系统报告解析
图像识别技术的研究现状论文
数字图像处理技术在识别领域的应用
数字图像处理在人脸识别中的应用
图像处理在人脸识别中的应用
图像处理论文
基于图像处理的人脸识别系统
人脸识别可行性研究报告
人脸识别对比解决方案
图像处理在航天航空中的应用-结业论文
数字图像处理课程设计人脸检测与识别
基于ARM9的人脸识别系统 嵌入式报告 课程设计
人脸识别闸机解决方案
相关主题
文本预览