人脸面部识别系统设计.docVIP

1 引 言 1.1课题的背景 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。而面部识别是所有的生物识别方法中应用最广泛的技术之一，面部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，并找出该嫌疑犯的详细资料和犯罪记录。这并非虚构的情节。在国外，面部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，对于面部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区域。 1.2相关领域研究历史与现状 现在人脸识别技术已经应用在许多领域中，并起到了举足轻重的作用，人脸识别研究开始于1966年PRI的Bledsoe的工作，经过三十多年的发展，人脸识别技术取得了长足的进步， 现在就国内外相关领域研究历史与现状来进行展述。 （1）国外研究历史与现状 面部识别研究开始于1966年PRI的Bledsoe的工作，1990年日本研制的人像识别机，可在1秒钟内中从3500人中识别到你要找的人1993年，美国国防部高级研究项目署 (Advanced Research Projects Agency)和美国陆军研究实验室(Army Research Laboratory)成立了Feret(Fac Recognition Technology) 项目组，建立了feet 人脸数据库，用于评价人脸识别算法的性能。机关单位的安全和考勤、网络安全、银行、海关边检、物业管理、军队安全、智能身份证、智能门禁、司机驾照验证、计算机登录系统国家863项目“面像检测与识别核心技术”通过成果鉴定并初步应用，标志着我国在人脸识别这一当今热点科研领域掌握了一定的核心技术。北京科瑞奇技术开发股份有限公司在2002年开发了一种人脸鉴别系统，对人脸图像进行处理，消除了照相机的影响，再对图像进行特征提取和识别。这对于人脸鉴别特别有价值，因为人脸鉴别通常使用正面照，要鉴别的人脸图像是不同时期拍摄的，使用的照相机不一样。系统可以接受时间间隔较长的照片，并能达到较高的识别率，在计算机中库藏2300人的正面照片，每人一张照片，使用相距1--7年、差别比较大的照片去查询，首选率可以达到50%，前20张输出照片中包含有与输入照片为同一人的照片的概率可达70%?2005年1月18日，由清华大学电子系人脸识别课题组负责人苏光大教授主持承担的国家十五攻关项目《人脸识别系统》通过了由公安部主持的专家鉴定。鉴定委员会认为，该项技术处于国内领先水平和国际先进水平。人脸识别技术是一项近年来兴起的，不大为人所知的新技术。图像的处理方法很多，我们可以根据需要，有选择地使用各种方法。在确定脸部区域上，通常使用的方法有肤色提取。肤色提取，则对脸部区域的获取则比较准确，成功率达到95%以上，并且速度快，减少很多工作。图像的亮度变化由于图像的亮度在不同环境的当中，必然受到不同光线的影响，图像就变得太暗或太亮，我们就要对它的亮度进行调整，主要采取的措施是对图像进行光线补偿。：在图像的采集过程中,由于各种因素的影响,图像中往往会出现一些不规则的随机噪声,如数据在传输、存储时发生的数据丢失和损坏等,这些都会影响图像的质量，因此需要将图片进行消除噪声。：。：500M及以上Microsoft Visual Studio 2.3 开发工具选择 本次设计所用的开发工具是Microsoft Visual C++ 6.0。 Visual C++ 6.0是Microsoft公司推出的一种可视化编程工具。它支持多平台和交叉平台的开发，将各种编程工具如编辑器、连接器、调试器等巧妙的结合在一起，构成一个完美的可视化开发环境。用户无需通过繁杂的编程操作，即可完成Windows下应用程序的编辑、编译、测试和细化等工作。 3系统总体设计 3.1 系统规划 本系统主要研究的对象是图像，系统应该对图像进行光线补偿、二值化、直方图、标记特征区域等，每个小模块的实现都有许多相应的算法。下面将本系统采用的算法进行介绍： 光线补偿 ：由于光线原因，所照的图像可能会存在光线不平衡的情况而造成色彩偏差，为了抵消这种整个图像中存在的色彩偏差，本系统采用的解决方法是：将整个图像中的所有像素的亮度从高到低进行排列，取最亮的像素，然后线性放大，使这些像素的平均亮度达到255。实际上就是调整图片像素的RGB值，然后将其他像素点按照这个比例依次调整。 消除噪声处理：在图像的采集过程中,由于各种因素的影响,图像中往往会出现一些不规则的随机噪声,如数据在传输、存储时发生的数据丢