基于图像处理的人脸识别算法实现.docx

基于图像处理的人脸识别算法实现 摘要：随着现代社会科学技术水平不断发展，越来越多的智能化技及手段得以应用，而人脸识别算法就是其中比较重要的一种，在实际生活及工作中均有着十分广泛的应用。在当前人脸识别算法实际应用过程中，为能够使其得以更好实现，需要在利用图像处理技术的基础上合理进行系统设计，从而使系统功能及作用得以更好实现，促使其能够实现更加理想的应用。本文就基于图像处理的人脸识别算法实现进行分析。 关键词：人脸识别算法；图像处理；系统设计；实现 中图分类号：TP311 文献标识码：A 文章编号：1009-3044（2018）27-0176-02 人脸识别算法在现代信息认证方面属于一种现代化技术手段，并且其应用范围也越来越广泛，在实际实际应用过程中表现出的优势也越来越明显，因而更好实现人脸识别算法具有重要作用及意义。为能够使人脸识别算法对实现，需要以图像处理为基础实行系统设计，以便使人脸识别系统功能得以更好实现，促使人脸识别算法得以更好应用及发展，为人们生活及工作更好服务。 1 人脸识别技术及有关算法 对于人脸识别而言，其具体功能主要包括两种类型，分别为人脸检测与人脸识别。其中，人脸检测所指的就是对静态图像或者视频帧进行检查，以判断其中是否有人脸存在，若确定包含人脸则对人脸位置及大小进行计算；人脸识别所指的就是识别或者判断检测出的有关对象。就目前实际情况而言，这两个部分技术算法均表现出自身优点与缺点，大体上包括以下几个方面内容。首先，在人脸检测方面，其主要就是以Adaboost算法、支持向量机算法及神经网络算法为基础的相关检测算法；其次，在人脸特征判断及提取方面，其所运用的主要就是以人脸集合特征为基础的相关特征提取方法，还包括以主成分特征为基础的相关特征提取方法，同时包括2D及3D形变模型方法等有关内容；第三，线性降维方法所选择的主要就是PCA方法及LDA方法。就目前实际情况而言，对于人脸识别的研究虽然不断深入，然而在人脸识别算法实际应用中由于实际环境影响，仍不具备能够广泛利用的相关人脸识别算法[1]。 2 常见图像处理技术 在当前图像处理法法方面，应用比较广泛的方法主要包括光线补偿、高斯平滑以及相似度计算与边缘检测方法等内容，通过对这些图像处理算法进行利用，可使人脸识别得以实现。其中，关于光线补偿，对于不同光线而言，对于摄像头所采集头像会产生一定影响，在实践应用过程中，只需要适当调整亮度，也就能够对图像实现光线补偿。关于高斯平滑，对图像保存过程中，由于对图像全部内容无法进行完整保存，在存储时会导致相关数据出现丢失情况，为能够使这一问题得以较好解决，需要通过高斯平滑使噪声得以消除，在此基础上使图像完整性能够得到较好保障。关于相似度计算，图像相似度主要就是评估两幅图像，观察两者之间是否由相似之处存在。比如，对于A与B两幅图像，分别对两幅图像直方图进行计算，而后对两个直方图归一化相关系数实行计算等相关内容。依据数学中向量计算之间差异，对图像相似程度进行估计，即图像均衡直方图，其能够较好归一化。对于两幅不同分辨率图像，可通过直接计算直方图对相似度进行计算，其计算量相对而言比较小。关于二值化，对于图像二值化所指即对于像素点灰度值，依据阈值将其设置成为255或者0，从而使整体图像能够表现出较明显黑白视觉效果。关于边缘检测，边缘检测的主要目的就是对数字图像中具有较明显亮度变化点，通过较明显变化使图像中图形变化得以反映[1-2]。 3 人脸识别算法中图像处理的应用 依据人体器官构造出生物面部特点，依据面部特点中的灰度分布峰谷以及频率特点，对面部特点中最明显特点进行计算，如眼睛、鼻子及嘴巴等，利用这些较明显面部特点，也就能够确定人脸的大致位置。在此基础上可提供出初始参数，也就能够使算法速度及精度得以较大程度提升，在此基础上对处理后图片实行人脸定位，首先需要标记出较明显面部特点，如眼睛、鼻子及嘴巴，从而与其他图片之间进行较好对比，之后需要由图片中对不同特征值进行提取，与后台数据库中相关数据实行比较，从而可得到相关识别结果。 第一，在光线补偿方面。对于图像中所有像素，依据其亮度由高到底实行排列，选择前5%像素，而后将其线性放大，使这些像素亮度平均能够达到255，其实质就是对图片像素调整RGB值。第二，在图像灰度化方面。所谓图像灰度化所指的就是对于具有颜色的一些图片，通过彩色转变、灰度比例转变以及线性转变与线性截断及灰度取反等相关操作，使图像转变成为灰色。第三，在高斯平滑方面。对于不规则随机噪声而言，其对于图像质量会产生一定影响，因而通过图像的高斯平滑可使噪声得以消除，使图像质量能够得以有效提升。第四，在相似度计算方面。对于相似度计算，为属于一种维度剥削，对集合之间相似程度进行计算，简而言之就是对图像进行切割分区，而后通过图像直方图对图片曝光程度进行