基于 matlab 的人脸识别系统设计与仿真（含 matlab 源程序） 目录第一章 绪论 ..............................................................................................2 1.1 研究背景.......................................................................................2 1.2 人脸图像识别的应用前景 ...........................................................3 1.3 本文研究的问题 ...........................................................................4 1.4 识别系统构成 ..............................................................................5 1.5 论文的内容及组织 .......................................................................7第二章 图像处理的 Matlab 实现 .............................................................8 2.1 Matlab 简介 ....................................................................................8 2.2 数字图像处理及过程 ...................................................................8 2.2.1 图像处理的基本操作 ...........................................................8 2.2.2 图像类型的转换 ...................................................................9 2.2.3 图像增强 ...............................................................................9 2.2.4 边缘检测 .............................................................................10 2.3 图像处理功能的 Matlab 实现实例 ...........................................11 2.4 本章小结.................................................................................
....15第三章 人脸图像识别计算机系统 ........................................................16 3.1 引言.............................................................................................16 3.2 系统基本机构 .............................................................................17 3.3 人脸检测定位算法 .....................................................................18 3.4 人脸图像的预处理 ....................................................................25 3.4.1 仿真系统中实现的人脸图像预处理方法 ........................26第四章 基于直方图的人脸识别实现 ....................................................29 4.1 识别理论.......................................................................................29 4.2 人脸识别的 matlab 实现 ............................................................29 4.3 本章小结.....................................................................................30第五章 总结 ............................................................................................31致谢...........................................................................................................32参考文献 ..................................................................................................33附录...........................................................................................................35 1第一章 绪论 本章提出了本文的研究背景及应用前景。首先阐述了人脸图像识别意义；然后介绍了人脸图像识别研究中存在的问题；接着介绍了自动人脸识别系统的一般框架构成；最后简要地介绍了本
文的主要工作和章节结构。1.1 研究背景 自 70 年代以来.随着人工智能技术的兴起.以及人类视觉研究的进展.人们逐渐对人脸图像的机器识别投入很大的热情，并形成了一个人脸图像识别研究领域，.这一领域除了它的重大理论价值外，也极具实用价值。 在进行人工智能的研究中，人们一直想做的事情就是让机器具有像人类一样的思考能力，以及识别事物、处理事物的能力，因此从解剖学、心理学、行为感知学等各个角度来探求人类的思维机制、以及感知事物、处理事物的机制，并努力将这些机制用于实践，如各种智能机器人的研制。人脸图像的机器识别研究就是在这种背景下兴起的，因为人们发现许多对于人类而言可以轻易做到的事情，而让机器来实现却很难，如人脸图像的识别，语音识别，自然语言理解等。如果能够开发出具有像人类一样的机器识别机制，就能够逐步地了解人类是如何存储信息，并进行处理的，从而最终了解人类的思维机制。 同时，进行人脸图像识别研究也具有很大的使用价依。如同人的指纹一样，人脸也具有唯一性，也可用来鉴别一个人的身份。现在己 2有实用的计算机自动指纹识别系统面世，并在安检等部门得到应用，但还没有通用成熟的人脸自动识别系统出现。人脸图像的自动识别系统较之指纹识别系统、DNA 鉴定等更具方便性，因为它取样方便，可以不接触目标就进行识别，从而开发研究的实际意义更大。并且与指纹图像不同的是，人脸图像受很多因素的干扰:人脸表情的多样性以及外在的成像过程中的光照，图
像尺寸，旋转，姿势变化等。使得同一个人，在不同的环境下拍摄所得到的人脸图像不同，有时更会有很大的差别，给识别带来很大难度。因此在各种干扰条件下实现人脸图像的识别，也就更具有挑战性。 国外对于人脸图像识别的研究较早，现己有实用系统面世，只是对于成像条件要求较苛刻，应用范围也就较窄，国内也有许多科研机构从事这方而的研究，并己取得许多成果。1.2 人脸图像识别的应用前景 人脸图像识别除了具有重大的理论价值以及极富挑战性外，还其有许多潜在的应用前景，利用人脸图像来进行身份验证，可以不与目标相接触就取得样本图像，而其它的身份验证手段，如指纹、眼睛虹膜等必须通过与目标接触或相当接近来取得样木，在某些场合，这些识别手段就会有不便之处。 就从目前和将来来看，可以预测到人脸图像识别将具有广阔的应用前景，如表 1-1 中所列举就是其中已经实现或逐步完善的应用。 表 1-1 人脸识别的应用 3 应用 优点 存在问题 信信用卡、汽车 图像摄取可控 需要建立庞大的驾照、护照以及个人 图像分割可控 数据库身份验证等 图像质量好 嫌疑犯照片匹配 图像质量不统一 潜在的巨大图像 多幅图像可用 库 互联网应用 视频信息价值高 存在虚假 多人参与 银行/储蓄安全 监控效果好 图像分割不可控 图像质量较差 人监测 图像质量高 图像分割自由 可利用摄像图像 图像质量低、实 时性1.3 本文研究的问题 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 4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。 其中涉及到图像的选取，脸部定位，特征提取，图像处理和识别几个过程。1.4 识别系统构成 人类似乎具有“与生俱来”的人脸识别能力，赋予计算机同样的能力是人类的梦想之一，这就是所谓的“人脸识别”系统。假设我们把照相机、摄像头、扫描仪等看作计算机的“眼睛”，数字图像可以看作计算机观察到的 ， “影像” 那么 AFR 赋予计算机根据其所“看到”的人脸图片来判断人物身份的能力。 广义的讲，自动人脸识别系统具有如图 1.1 所示的一般框架并完成相应功能的任务。 人 脸 人 特 人 图 脸 征 脸 像 检 提 识 获 测 取 别 取 图 1.1 人脸识别系统一般框架 1人脸图像的获取 一般来说，图像的获取都是通过摄像头摄取，但摄取的图像可以是真人，也可以是人脸的图片或者为了相对简单，可以不考虑通过摄 5像头来摄取头像，而是直接给定要识别的图像。 2人脸的检测 人脸检测的任务是判断静态图像中是否存在人脸。若存在人脸，给出其在图像中的坐标位置、人脸区域大小等信息。而人脸跟踪则需要进一步输出所检测到的人脸位置、大小等状态随时间的连续变化情况。 3特
征提取 通过人脸特征点的检测与标定可以确定人脸图像中显著特征点的位置（如眼睛、眉毛、鼻子、嘴巴等器官），同时还可以得到这些器官及其面部轮廓的形状信息的描述。 根据人脸特征点检测与标定的结果，通过某些运算得到人脸特征的描述（这些特征包括：全局特征和局部特征，显式特征和统计特征 。等） 4基于人脸图像比对的身份识别 即人脸识别Face Identification问题。通过将输入人脸图像与人脸数据库中的所有已知原型人脸图像计算相似度并对其排序来给出输入人脸的身份信息。这包括两类识别问题：一类是闭集Close Set人脸识别问题，即假定输入的人脸一定是人脸库中的某个个体；另一类是开集Open Set识别，即首先要对输入人脸是否在已知人脸库中做出判断，如果是，则给出其身份。 5基于人脸图像比对的身份验证 即人脸确认Face Verification问题。系统在输入人脸图像的同时 6输入一个用户宣称的该人脸的身份信息，系统要对该输入人脸图像的身份与宣称的身份是否相符作出判断。1.5 论文的内容及组织 第二章主要介绍人脸识别系统中所用到的仿真软件 Matlab，介绍了在人脸图像识别过程中所需要的图像处理技术，包括：一些基本操作、格式转换、图像增强等。并做了一个 Matlab 图像处理功能的实例 第三章主要始涉三个方面：首先是对人脸识别系统的构成做详细论述；其次就是对人脸识别过程中的关键环节人脸检测、特征提取和图像预处理做详细介绍；最后就是 Matlab 在人脸识别系统中的具体应用，即人
脸图像识别的具体技术，并用 Matlab 进行仿真试验并得到结果。 第四章是对人脸图像识别体系构架的设计，并给出了人脸识别用到的理论知识即直方图差异对比，并编写 matlab 代码实现人脸图像识别。 第五章总结了全文的工作并对以后的需要进一步研究的问题进行了展望。 7第二章 图像处理的 Matlab 实现2.1 Matlab 简介 由 Math Work 公司开发的 Matlab 语言语法限制不严格程序设计自由度大程序的可移植性好。Matlab 还推出了功能强大的适应于图像分析和处理的工具箱常用的有图像处理工具箱、小波分析工具箱及数字信号处理工具箱。利用这些工具箱我们可以很方便的从各个方面对图像的性质进行深入的研究。Matlab 图像处理工具箱支持索引图像、RGB 图像、灰度图像、二进制图像并能操作.bmp、.jpg、.tif等多种图像格式文件。2.2 数字图像处理及过程 图像是人类获取信息、表达信息和传递信息的重要手段。利用计算机对图像进行去除噪声、增强、复原、分割、提取特征等的理论、方法和技术称为数字图像处理。数字图像处理技术已经成为信息科学、计算机科学、工程科学、地球科学等诸多方面的学者研究图像的有效工具。数字图像处理主要包括图像变换、图像增强、图像编码、图像复原、图像重建、图像识别以及图像理解等内容。2.2.1 图像处理的基本操作 读取和显示图像可以通过 imread和 imshow来实现图像的输出用 imwrite函数就可以很方便的把图像输出到硬盘上另外还可以 8用 imcrop、imrisize、imrotate等来实现图像的裁
剪、缩放和旋转等功能。2.2.2 图像类型的转换 Matlab 支持多种图像类型但在某些图像操作中对图像的类型有要求所以要涉及到对图像类型进行转换。Matlab7.0 图像处理工具箱为我们提供了不同图像类型相互转换的大量函数如 mat2gray函数可以将矩阵转换为灰度图像rgb2gray转换 RGB 图像或颜映像表为灰度图像。在类型转换的时候我们还经常遇到数据类型不匹配的情况针对这种情况Matlab7.0 工具箱中也给我们提供了各种数据类型之间的转换函数如 double就是把数据转换为双精度类型的函数。2.2.3 图像增强 图像增强的目的是为了改善图像的视觉效果提高图像的清晰度和工艺的适应性以及便于人与计算机的分析和处理以满足图像复制或再现的要求。图像增强的方法分为空域法和频域法两大类空域法主要是对图像中的各个像素点进行操作而频域法是在图像的某个变换域内对整个图像进行操作并修改变换后的系数如傅立叶变换、DCT 变换等的系数然后再进行反变换便可得到处理后的图像。下面以空域增强法的几种方法加以说明。 1.灰度变换增强 有多种方法可以实现图像的灰度变换其中最常用的就是直方图 9变换的方法即直方图的均衡化。这种方法是一种使输出图像直方图近似服从均匀分布的变换算法。Matlab7.0 图像处理工具箱中提供了图像直方图均衡化的具体函数 histeq同时我们可以用函数 imhist函数来计算和显示图像的直方图。 2.空域滤波增强 空域滤波按照空域滤波器的功能又可分为平滑滤波器和锐化滤波器。平滑滤波器可以用
低通滤波实现目的在于模糊图像或消除噪声锐化滤波器是用高通滤波来实现目的在于强调图像被模糊的细节。在 Matlab 中各种滤波方法都是在空间域中通过不同的滤波算子实现可用 fspecial函数来创建预定义的滤波算子然后可以使用imfilter或 filter2函数调用创建好的滤波器对图像进行滤波。2.2.4 边缘检测 数字图像的边缘检测是图像分割、目标区域识别、区域形状提取等图像分析领域十分重要的基础也是图像识别中提取图像特征的一个重要属性。边缘检测算子可以检查每个像素的邻域并对灰度变化率进行量化也包括对方向的确定其中大多数是基于方向导数掩模求卷 常用的有 Sobel 算子Prewitt 算子Roberts 算子Log 算子等。积的方法。Matlab7.0 工具箱中提供的 edge函数可以进行边缘检测在其参数里面可以根据需要选择合适的算子及其参数。 102.3 图像处理功能的 Matlab 实现实例正则化损伤识别matlab 本文通过运用图像处理工具箱的有关函数对一人脸的彩图像进行处理。 1图像类型的转换 因后面的图像增强边缘检测都是针对灰度图像进行的而我们的原图是 RGB 图像所以首先我们要对原图类型进行转换。实现过程代码如下: iimreadf:face1.jpgjrgb2grayi imshowjimwritejf:face1.tif 效果图 2.1图 2.1 2图像增强 1灰度图像直方图均衡化 通过比较原图和直方图均衡化后的图像可见图像变得更清晰而且均衡化后的直方图比原直方图的形状更理想。该部分的程序代码如 11下: iimreadf:face1.tif jhisteqiimshowj figuresubplot121imhisti subplot122imhistj 执行后的效果图
如图 2.2 和图 2.3: 图 2.2 均衡化后的灰度图 像 图 2.3 均衡化前后的直方图对比图 12 2灰度图像平滑与锐化处理 平滑滤波器的目的在于模糊图像或消除噪声Matlab7.0 图像处理工具箱提供了 medfilter2函数用于实现中值滤波wiener2实现对图像噪声的自适应滤波。在本文实例中为了使滤波效果更明显我们事先为图像认为增加滤波然后用自适应滤波方法对图像进行滤波。锐化处理的目的在于强调图像被模糊的细节在本实例中采用了预定义高斯滤波器的方法对图像进行锐化滤波。功能实现的代码如下: iimreadf:fae1.tif jimnoiseiguassian00.02 subplot121imshowj j1wiener2jsubplot122imshowj1 hfspecialgaussian20.05j2imfilterihfiguresubplot121imshowi subplot122imshowj2 得到的效果图如图 2.4 和图 2.5: 加入噪声的图像 滤波后的图像 13 图 2.4 平滑滤波效果 原灰度图像 锐化后的图像图 2.5 锐化滤波效果图 3边缘检测 Matlab7.0 图像处理工具箱提供了 edge函数实现边缘检测还 有各种方法算子供选择在本实例中采用了 canny 算子来进行边缘检 测 程序代码如下: iimreadf:face.tif 14 jedgeicanny0.040.251.5 imshowj 效果图如图 2.6: 原灰度图像 边缘检测后的图像图 2.6 边缘检测效果图2.4 本章小结 以上实例只是对 Matlab 图像处理工具箱函数的一小部分运用从这些功能的运用可以看出Matlab 语言简洁可读性强。作为人脸识别系统中图像预处理工具，有非常好的处理功能。 15第三章 人脸图像识别计算机系统3.1 引
言 计算机人脸识别是一个非常活跃的研究领域，因其在公安刑侦破案、银行密码系统、计算机安全系统以及动态监视系统等方面都有广泛应用，已成为当前模式识别、计算机视觉领域的研究热点。人脸识别系统一般包括人脸检测与定位、人脸图像预处理、特征提取和匹配识别四个组成部分。其中，人脸图像预处理，作为特征提取和识别的前提步骤，是计算机人脸识别系统中的必要环节。其目的是在去除噪声，加强有用信息，对输入设备或其他因素造成的退化现像进行复原，为后续的特征提取和识别作准备。 不同的人脸识别系统根据其采用的图像来源和识别算法需要不同，采用的预处理方法也不同。常用的人脸图像预处理方法有：滤波去噪、灰度变换、图像二值化、边缘检测、尺寸归一化、灰度归.

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。