人脸识别与数字图像处理.pptx

人脸识别与数字图像处理刘小芳控制工程137700597

人脸识别与数字图像处理简介：人脸识别是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部的一系列相关技术，通常也叫做人像识别、面部识别。

一、人脸识别内容1、人脸检测2、人脸跟踪3、人脸对比

二、人脸识别过程一般分三步：(1)首先建立人脸的面像档案。即用摄像机采集单位人员的人脸的面像文件或取他们的照片形成面像文件，并将这些面像文件生成面纹(Faceprint)编码贮存起来。(2)获取当前的人体面像。即用摄像机捕捉的当前出入人员的面像，或取照片输入，并将当前的面像文件生成面纹编码。(3)用当前的面纹编码与档案库存的比对。即将当前的面像的面纹编码与档案库存中的面纹编码进行检索比对。上述的“面纹编码”方式是根据人脸脸部的本质特征和开头来工作的。这种面纹编码可以抵抗光线、皮肤色调、面部毛发、发型、眼镜、表情和姿态的变化，具有强大的可靠性，从而使它可以从百万人中精确地辩认出某个人。人脸的识别过程，利用普通的图像处理设备就能自动、连续、实时地完成[1]。

三、人脸识别方法基于特征脸（PCA）的人脸识别方法：特征脸方法是基于KL变换的人脸识别方法，KL变换是图像压缩的一种最优正交变换。高维的图像空间经过KL变换后得到一组新的正交基，保留其中重要的正交基，由这些基可以张成低维线性空间。如果假设人脸在这些低维线性空间的投影具有可分性，就可以将这些投影用作识别的特征矢量，这就是特征脸方法的基本思想。这些方法需要较多的训练样本，而且完全是基于图像灰度的统计特性的。基于PCA的人脸识别研究，要用matlab进行实验部分，对图像进行简单灰度处理，剪切出脸部部分，选择合适算法进行检测。在电脑预先准备好的80个人脸库中运用matlab程序实现图像与处理并检测识别人脸。

从电脑导入图像从摄像头拍照图像大小归一化，彩色图转换成灰度图图像灰度值归一化人脸检测训练图像人脸识别人脸图像采集模块图像预处理模块人脸信息库欧式距离判断输出基本信息结束否识别模块

图像的格式转换和压缩图像采集设备采集的图像通常以bmp或jpg格式存入计算机。以bmp格式文件为例,bmp文件通常分为四部分:文件头、信息头、调色板、数据部分。一幅24位的真彩图像的每个像素由三个字节表示,这样,储存一幅6403480的图像就需要占用640348033=921,600字节,无论对于存储容量和处理时间都是不太理想的,因此,需要对图像进行压缩。一般采用的方法是将彩色图像转换为灰度图像,公式为:Y=R30.299+G30.587+B30.114,其中Y被称为灰度值。这样,彩色图像的每个像素通过索引使用统一的调色板,节省了大量的存储空间和处理时间。

在计算机中，图像被分割成图1-1所示的像素（Pixel），各像素的灰度值用整数表示。一幅M×N个像素的数字图像，其像素灰度值可以用M行、N列的矩阵G表示：(1-1)

Matlab实现closeall;clc;formatlongpgmw=168;pgmh=192;C=38;percentage=5;param.lambda=0.05;param.mode=1;wrong=0;n=717;tic;B_struct=load(B_smallL2norm.mat);TestClassNumber=load(testnumber.mat);TestSamplePath=load(testsample.mat);TrainClassNumber=load(trainnumber.mat);

toc;fprintf(载入训练数据时间%d秒\n,toc);B=B_struct.B;scale=3;scalew=pgmw/scale;%scalew=56scaleh=pgmh/scale;%scaleh=64m=scalew*scaleh;%m=56*64=3584testnumber=TestClassNumber.classtest;%1*38