基于matlab人脸识别仿真系统设计与实现.docVIP

基于matlab人脸识别仿真系统设计与实现 　　中图分类号:TP2文献标识码:A文章编号:1671-7597(2009)0810052-01 　　 　　随着科技的飞速发展,传统身份识别(如口令、身份卡等)容易遗失、易被破解等问题逐渐暴露,已不能满足各种安全需要。人们期望有一种更加可靠的技术来进行身份鉴别。生物特征识别技术给这一切带来了可能。由于人的面部特征难以复制和假冒,从而被应用到最现代化的小区门禁管理系统中。人脸识别门禁技术是利用计算机分析人脸,从中提取出有效识别信息,通过与数据库的人脸进行比较来管理和控制门禁的技术,与以往的身份识别系统相比提高了安全防范的可靠性。 　　在国外,人脸识别技术发展很快,许多国家都开展了人脸检测识别的研究,人脸识别也已由最初的静态图片识别发展到基于视频流的识别,由最初的正面人脸识别发展到最先进的三维立体的识别。本文是对基于matlab人脸识别电子门禁的研究,提出了肤色模型的人脸检测与KL变换人脸识别相结合的技术方法。人脸检测主要是在图像中判断是否存在面部,找出可能的人脸区域;人脸识别则是对被检测到的人脸区域进行身份确认或在面部数据库中进行目标搜索,进而得到正确的结论。具体各个实现环节相互衔接,相互配合,才能形成一个复杂的面部识别系统。 　　人脸检测和识别流程附图如下: 　　 　　 　　一、基于肤色模型的人脸检测 　　 　　对于一个成功的人脸识别系统,人脸检测是极其重要和关键的一步,它直接影响人脸特征的提取,识别等后续工作。肤色模型是指依据面部肤色在色彩空间中分布相对集中的规律来进行检测,在大多数的情况下,图像信息是以RGB颜色空间保存,但是由于RGB颜色空间三个颜色分量不仅代表颜色还包含亮度信息,需要把颜色表达式中的色度信息与亮度信息分开,皮肤颜色在Ycbcr色度空间的分布范围为:100cb127,138cr170。 　　为了对图像做进一步处理时变得简单,不再涉及像素的多级值,而且让处理和压缩的数据量尽量变小,一般利用YCbCr的阈值生成二值化图像,将彩色图像转换为灰度图像。假设YCrCb图像为f(x,y),经过二值化后的图像为g(x,y),则f,g中每一点均满足对应的映射关系: 　　 　　二值化转换后不可避免出现了噪声,因此,我们再采用开、闭运算对图像进行处理。消除不必要的杂散点,平滑其边界。到此,人脸的大体轮廓已基本成型,最后我们利用边缘检测,检测出人脸的边界,利用得到的边缘,对原图像进行处理,加以适当的判断即可得到真正的人脸区域。 　　有些色彩类似于人脸,也被误判为人脸,为解决这个问题,我们定义人脸的判断规则,即:(1)根据现实中人脸长宽的大致分布,若目标高宽比小于0.9而大于2.0,则认为不是人脸区域。而在此范围之外,则认为不是人脸。此条件排除了一些颜色类似皮肤但长宽不符合要求的区域。(2)区域面积过大或过小,也认为不是人脸区。 　　规则判定代码描述: 　　[L,num]=bwlabeln(image,8); 　　for i=1:num; 　　[r,c]=find(L==i); 　　r_temp=max(r)-min(r); 　　c_temp=max(c)-min(c); 　　area_sq=r_temp*c_temp; 　　area=size(find(L==i),1); 　　ratio=area/area_sq; 　　if(r_temp/c_temp2.2)|ratio0.5 　　%利用脸部宽长比的大概上下限来确定一个模板范围;矩形面积area_sq=目标区长度*宽度,目标区面积为area,若area/area_sq0.5,认为不是人脸区,删除之。 　　for j=1:temp; 　　L(r(j),c(j))=0; 　　end 　　else 　　continue; 　　end 　　end 　　 　　二、基于KL变换的人脸识别 　　 　　基于KL变换的人脸识别,是国外最新的静态图像识别方法,它相比国内的一些传统的检测方法具有实时性好,识别率高等优点。KL变换是目前图像压缩中的一种最优的正交变换。KL变换若用于人脸识别,则需要假设人脸处于低维线型空间,且不同人脸具有可分性。其目的是推导出新的变量,这些新变量是原始变量的线性组合而且互不相关。当使用这些新变量去重建原始变量时,使得均方误差最小。具体方法是把检测到的人脸区域通过计算得到它们的几何特征量,这些特征量形成一描述该面部的特征向量,计算数据库中图像协方差矩阵及其特征值和特征向量,比较数据样本的互相关性,通过判定输入图像与数据库中人脸的相互关联程度,从而得到正确的输入人脸图像。 　　KL变换的原理: 　　根据kl变换的公式:F=A×(Fmx),F-facey