基于matlab的人脸识别技术.docVIP

基于matlab的人脸识别技术

人脸识别

摘要：人脸识别是一门新兴的科研项目，起始于上个世纪60年代。经过几十年的发展，现已成为一项最有上升潜力的人体特征识别技术。具有广泛的应用前景，它的工作原理是借由的生物特征来确认生物个体，利用MATLAB软件实现人脸信息的检测、定位与识别，在输入的整幅图像中寻找人脸区域，把图像分割成两个部分——人脸区域和非人脸区域，从而为后续的应用作准备。PCA法实现人脸边缘检测，确定其分布范围，设定门限阀值，实现人脸区域与非人脸区域的分割。再结合长宽比、目标面积等计算方法在图像中分割出人脸区域，经试验该方法能较为精确地定位单人脸图像，对多人脸图像定位不准确。

关键词：matlab;人脸识别;人脸定位;边缘检测

1引言

人脸识别技术是近年来随着图像处理技术、计算机技术、模式识别技术等的快速进步而出现的一种崭新新生物特征识别技术。相对与指纹、虹膜等其他生物特征识别技术，人脸识别具有直接、友好、方便的特点，尤其是对于个人来说，几乎无任何心理障碍，因此在商业、司法、监控和视频检索等众多领域有着广泛的应用前景。在“9.11”事件以后，各国都投入大量物力，人力研究并发展种类识别技术，使得人脸识别技术受

到了前所未有的重视。

如同人的指纹一样，人脸也具有唯一性，也可用来鉴别一个人的身份。人脸图像的自动识别系统较之指纹识别系统、DNA鉴定等更具方便性，然而人脸图像受很多因素的干扰，给识别带来很大难度。国外对于人脸图像识别的研究较早，现己有实用系统面世，只是对于成像条件要求较苛刻，应用范围也就较窄，国内也有许多科研机构从事这方而的研究，并己取得许多成果。

2图像处理的Matlab实现

2.1Matlab简介

由MathWork公司开发的Matlab语言语法限制不严格,程序设计自由度大,程序的可移植性好。Matlab还推出了功能强大的适应于图像分析和处理的工具箱,常用的有图像处理工具箱、小波分析工具箱及数字信号处理工具箱。利用这些工具箱,我们可以很方便的从各个方面对图像的性质进行深入的研究。Matlab图像处理工具箱支持索引图像、RGB图像、灰度图像、二进制图像并能操作.bmp、.jpg、.tif等多种图像格式文件。

2.1数字图像处理及过程

图像是人类获取信息、表达信息和传递信息的重要手段。利用计算机对图像进行去除噪声、增强、复原、分割、提取特征等的理论、方法和技术称为数字图像处理。数字图像处理技术已经成为信息科学、计算机科学、工程科学、地球科学等诸多方面的学者研究图像的有效工具。数字图像处理主要包括图像变换、图像增强、图像编码、图像复原、图像重建、图像识别以及图像理解等内容。

3matlab人脸识别系统

人脸识别是图像识别的一个重要分支，其基本结构如图所示。为了保证人脸的位置一致性，在一定程度上克服了背景、头发等冗余信息的干扰，首先要对人脸库中的图像进行一些预处理操作。紧接着，进行特征抽取，将得到的人脸特征和训练样本进行对比，根据相似程序的高低决定最后的识别结果。

图像采集

预处理

特征提取

测试训练

特定类型的噪声如图像中的颗粒噪声高斯噪声、椒盐噪声等。对扫描得到的人脸图像根据其噪声类型一般采用此种滤波方法。考虑滤波模板大小对滤波效果影响较大仿真系统选择算法时对同种滤波算法提供了不同模板大小的情况。

（2）中值滤波法中值滤波法是一种非线性滤波方法它把像素及其邻域中的像素按灰度级进行排序然后选择该组的中间值作为输出像素值。中值滤波方法的最大优点是抑制噪声效果明显且能保护边界。对于使用基于整体的人脸识别算法的系统中由于失掉小区域的细节对特征提取影响较小所以这种滤波方法最受欢迎。

（3）自适应滤波自适应滤波能够根据图像的局部方差来调整滤波器的输出其滤波效果要优于线性滤波同时可以更好地保存图像的边缘和高频细节信息。

3.2.1灰度变换

灰度变换是图像增强技术中的一种。通过灰度变换可对原始图像中的光照不均进行补偿使得待识别人脸图像遵循同一或相似的灰度分布。只有这样不同图像在特征提取和识别时才具有可比性。这一过程也被称作灰度归一化。常用在人脸识别系统中的灰度变换方法主要有基于图像统计特征的直方图均衡化、直方图规定化和灰度均值方差标准化三种方法。直方图均衡化和直方图规定化的灰度变换原理和实现方法可由matlab仿真来实现。三种灰度变换方法均能在一定程度上消除由于光照条件不同而

对人脸识别带来的影响。故在仿真系统中提供了三种灰度变换效果比较及选择界面用户可根据需要选用。

3.2.3边缘检测

对输入人脸图像进行边缘检测是很多人脸识别系统在人脸粗定位及人脸主要器官眼睛、鼻子、嘴巴