图像处理技术在人脸识别中的应用研究毕业设计论文论文报告.docVIP

1 引言 随着我国信息技术的快速发展，诸多领域对人脸识别的迫切需求，所以人脸技术在各方面得到广泛应用，这是引起人脸识别就是在当今社会被重视的原因。加上社会的需求和发展的需要，所以在最近几年人脸识别技术在取得突破性的进展，特别是PCA人脸识别技术。人脸识别技术与其他生物识别技术（如指纹识别、签名识别、基因识别等）相比，具备以下的优点：识别精度高、速度快；隐蔽性好；直观性突出；通用性好等。人脸识别已经向自动识别和模式识别的方向发展，它是通过采集和分析比较人脸面部特征信息进行人脸识别的计算机技术，这种人脸识别技术从多个领域来研究，包括认知科学、心理学、计算机图形学、图像处理技术学、模式科学、人体生理学和可视化科学等等[1]。 本文设计可以实现的功能是：首先建立图像数据库，即样本库，样本库的建立包括人脸图像预处理、样本库的添加、插入和删除；其次将待识别的人脸图像与样本库的图像进行匹配并且识别，可以识别给定场景下的静态图像识别。目前很多成功的人脸识别技术已经可以识别动态图像系列，而且可以从已知的人脸库中识别多个人脸，有的还从年龄、种族、性别、表情甚至是语音等方面来研究人脸，并且取得很好的效果[2]。人脸识别系统要解决的关键问题是：如何在复杂的图像中分割人脸、如何才能采集到人脸面部的特征、系统在识别时是否及时准确等技术问题。由于待识别的人脸图像是一个未知的图像，系统要将待处理的图像与样本库的图像进行比较，得出与待处理图像相一致或者是相似率很高的图像；接着系统在识别时对输入人脸图像进行判别分析，并将判别的结果输出，如果跟样本库的图像一致或有相似性，则接受，反之拒绝[3]。 1.1人脸识别的研究目的及意义 近年来我国信息技术的快速发展以及应用越来越普及，以及计算机的软硬件性能的不断提升，高效率的人脸识别技术的实现成本可以降低到了可以接受的程度。加上社会经济的快速发展，对金融贸易和安全入口方面提出更高的要求，所以人脸识别技术得到社会各界的重视。人脸识别在现今生物识别技术中应用最广泛的技术之一，虽然我国人脸识别技术起步较晚，但是在短短的几年内为广大人所知。我们平时看到的人脸识别技术运用最多的应该是在电影中：即将拍到的面部图片输入到计算机，然后与计算机中的面部图像资料进行比对，并找出与之相对的资料和记录。由于人脸识别技术拥有以上的诸多优势，所以人脸识别技术将成为一个活跃的研究领域。 研究人脸识别在应用和技术研发上都有重要的意义：一是可以将研发出来的技术为社会服务，为复杂领域提供服务，也可以为国家的安全保障服务；二是满足智能识别技术的应用需求。人脸识别系统的建立，利用计算机的来实现人脸的自动识别有着广泛的应用领域和诱人的应用前景。同时人脸识别与其他的人物识别技术（DNA检测、虹膜等）相比有如下的优点：采用的是自动识别方式，无需人工参与；人脸图像的采集不需要与被检测人发生接触，可以在不惊动被测对象的前提下进行[4]；人脸识别技术的图像采集只需要简单的输入设备就可以完成，如摄像头、相机、手机等都能完成，所以人脸识别在实现的过程中成本低，容易实现。 1.2人脸识别国内外研究现状 （1）国外研究现状 近年来世界上很多国家都在研究人脸识别技术，尤其是日本，欧洲和美国在研究， （2-1） 图像灰度化前后如图2.2所示： 图2.2 RGB图像与灰度化图像的比较 2.2图像的二值化处理 图像的二值化就是将灰度图像上的灰度点赋值化，将灰度点置为0或者是255，通俗的说就是将整个图片呈现为黑白效果。图像的二值化最主要的环节是找到一个合适的阀值，从而将整个图像各个部分的边缘特征分开，例如将人脸、眼睛及背景等区域轮廓分开[10]。 （1）二值化的计算 （2-2） 公式中的表示原图像位于坐标的（x,y)点，的取值有0和255，其中0表示黑色，255表示白色。当大于等于128像素点时函数等于255，即用白色来表示；当小于128时函数等于0，即用黑色表示。 （3）图像二值化后的效果 图2.3灰度化图像与二值化图像的比较 2.3直方图均衡化 直方图的均衡化就是将原图像的灰度值进行非线性变换，使得原图形的直方图形成均匀分布，以增加图像灰度值的动态范围，从而可以增加图像的对比度，使得原图形变得更清晰。图像的直方图均衡化的计算包含以下步骤： 列出原图形和变换后图像的灰度级，其中L是灰度等级总数 计算直方图各灰度等级的出现总数 （2-3） 其中表示原图形各灰度级的像素个数;n表示原图像的像素总个数。 计算累积直方图 （2-4） 计算输出图像的灰度等级