红外人的脸识别.ppt

基于红外图像的人头定位 指导老师：许开宇 答辩人：刘杰 专业：通信工程 学号：0320300053 论文研究背景和意义 人脸识别的研究已有很长的历史，尤其是近年来，关于人脸识别的研究取得了长足的进步。目前已研究的人脸识别系统为两类，一是可见光图像的人脸识别，另一种则是红外图像人脸识别。其中由于可见光图像容易获得，因此可见光图像人脸识别较为常见，而红外图像人脸识别则研究得较少。 人脸自动识别系统包括两个主要环节(如上图所示):首先从输入图像中进行人脸检测及定位，并将人脸从背景中分割出来;其次，对归一化的人脸图像进行特征提取和识别。 因为以上两步是相对独立的，由于第二步特征提取与识别涉及面比较广，本文主要讨论的就是第一步，人脸检测与定位，即人头定位。 红外图像用于人脸识别是上世纪九十年代才提出的一种研究思路，其提出的背景是可见光图像人脸识别存在一些固有的缺陷，如对光照、化妆、头的位置敏感等，因而缺乏一定的鲁棒性。这些局限性，正好又是红外图像人脸识别所能避免的。 由于红外热成像不受光源及目标着装颜色的影响,可以在夜间、成像光线不足等情况下发现目标,在检测人体目标时具有独特优势。与此同时，红外图像感受和反映的是目标和背景自身向外界红外辐射能量的差异，主要描述的是目标和背景的热辐射 。 理论基础和技术介绍 总结了数字图像处理与识别定位系统中用到的一些基本的数字图像处理方法，主要包括图像增强、图像分割检测以及形态学图像处理三部分。 本文结合红外图像人头定位的实际需要，对于图像增强，主要介绍其中的灰度增强和阈值变换；对于图像分割检测，主要介绍边缘检测和阈值分割；对于形态学图像处理，主要对二值图像的膨胀，腐蚀，以及一些基本的形态学算法加以阐述。 课题设计方案和流程 （1）图片载入 将红外灰度图像文件（BMP格式）读入内存中。 （2）光线补偿 结合红外图像的特点，把图片中亮度最大的5%的像素提取出来，然后线性放大，使得这些像素的平均亮度达到255. （3）阈值变换 设定一个合适的阈值，把红外灰度图转化为二值图像。但由于光线补偿和下一步的膨胀的性质可直接跳过这一步，该步骤只存在理论意义。 （4）膨胀 采用4方向判断的算法，可以提取灰度图像中亮度为255的部分，初步定位人头，并且连接脸部区域由于人眼等特殊部位造成的不连续的块。 （5）腐蚀 同样采用4方向判断的算法，这里进行的腐蚀是为了使非人脸区域变小，恢复到膨胀前的大小，通过膨胀腐蚀，实现图像的闭操作。 （6）去掉非人脸区域 由于图像中会存在其它干扰，经过上述步骤后会出现一些离散的白色区域，即非人脸区域，为了不给以后的人脸识别带来不必要的麻烦，这里可以根据非人脸区域面积比较小的条件把它们去掉。 （7）再次膨胀腐蚀 主要是为了得到人脸区域的像素点，方便以后的研究和操作。算法可以参考（3）和（4）流程。 （8）人脸区域定位 把人脸（人头）的位置框起来实现定位。因为图像处理的速度是很慢的，通过人头定位可以大大减少以后人脸识别的数据处理的量。 实验结果分析 致谢 感谢许开宇老师几个月来的悉心指导！ 感谢现场各位老师的莅临，敬请批评和指正！ * * * *