数字图像处理课程设计.docxVIP

山东建筑大学信息与电气工程学院课程设计说明书

PAGE2

课程设计说明书

题目：图像人脸区域隐私保护系统设计

课程：数字图像处理课程设计

院（部）：信息与电气工程学院

专业：

班级：

学生姓名：

学号：

指导教师：

完成日期：2013年12月

目录

TOC\o1-3\h\z\u摘要 3

1设计目的 4

2设计要求 5

3人脸识别系统概述 6

3.1当前现状 6

3.2系统概述 6

3.3人脸识别的常用方法 7

4设计内容 8

4.1系统方案设计 8

4.2软件模块设计 8

4.2.1图像输入设计 8

4.2.2图像肤色区分设计 10

4.2.3对肤色图进行修补处理设计 13

4.2.4网格标记图像设计 14

4.2.5人脸识别标记 15

4.2.6对原图像进行脸部模糊处理 17

总结与致谢 19

参考文献 20

附录：系统设计程序 21

2设计要求

读取人物图像。

对图像进行数字图像处理。

3、对人脸识别。

4、对人脸进行模糊或者马赛克处理。

3人脸识别系统概述

3.1当前现状

自动人脸识别技术的研究开始于20世纪60年代末期。20世纪90年代后期以来,一些商业性的人脸识别系统逐渐进入市场。近几年,人脸识别作为计算机安全技术在全球范围内迅速发展起来,特别是美国遭遇恐怖袭击后,这一技术引起广泛关注。人脸识别技术具有广泛的应用前景,在国家安全、军事安全和公共安全领域,智能门禁、智能视频监控、公安布控、海关身份验证、司机驾照验证等是典型的应用;在民事和经济领域,各类银行卡、金融卡、信用卡、储蓄卡的持卡人的身份验证、社会保险人的身份验证等具有重要的应用价值;在家庭娱乐等领域,人脸识别也具有一些有趣有益的应用,比如能够识别主人身份的智能玩具、家政机器人、具有真实面像的虚拟游戏玩家等等。

人脸识别作为一种人体生物特征识别技术,它涉及人工智能、模式识别、计算机视觉、图像处理和分析、图像编码、计算机图形学等众多学科领域,依据视觉通道的输入信息,在人脸检测和跟踪得到输入人脸图像

模式的基础上,定位人面的主要生理特征区域(眼睛、鼻子、下巴等)并给出其形状特征,实现输入人脸模式的识别,达到确定使用者身份的目的。

3.2系统概述

人脸识别包括人脸检测、人脸图像预处理、人脸特征提取和人脸识别等过程。人脸检测是指在输入图

像中确定人脸的位置与大小。人脸检测的质量影响人脸识别的其他过程以及整个人脸识别的效果，在人脸识别过程中显得尤为重要。近年来，电子商务等网络资源的利用使得可视电话、视频会议、多媒体教学等快捷便利的交流方式成为时尚，如何实时实现复杂背景下对人脸检测和识别已成为人脸识别研究的热点[1]。目前，已有神经网络算法、基于Hough变换或可适应的Hough变换逼近、小波变换、镶嵌图方法、颜色纹理

规则等多种人脸检测方法[2～

6]。这些方法是针对静态图像的基于人脸特征的统计与结构分析方法，虽具有一般性，但分析计算量大，对噪声敏感，性能不稳定，难以实时检测。

3.3人脸识别的常用方法

1、基于几何特征的人脸正面图像识别方法

通过人脸面部拓扑结构几何关系的先验知识,利用基于结构的方法在知识的层次上提取人脸面部主要

器官特征,将人脸用一组几何特征矢量来表示,识别归结为特征矢量之间的匹配,基于欧氏距离的判决是最常用的识别方法。

2、基于统计的人脸正面自动识别方法

基于统计的人脸正面自动识别方法包括特征脸方法和隐马尔科夫模型方法。统计的识别方法将人脸用代数特征矢量来表示。代数特征是由Hong等首先提出的,由图像本身的灰度分布决定,它描述了图像的内存信息,它是通过对图像灰度进行各种代数变换和矩阵分解提出的。

将人脸看作一个二维的灰度变化的模板,从整体上捕捉和描述人脸的特征,所运用的主要是一些标准的数据统计技巧,运算比较复杂

4设计内容

4.1系统方案设计

读取图像

读取图像

字图像处理

图像进行数

面部特征定位

人脸识别

人脸模糊处理

标出脸部

输出处理后的图像

图1系统总设计方框图

4.2软件模块设计

4.2.1图像输入设计

可以通过摄像头来获取,也可以通过图像库来获取。在图像获取以后,将图像显示出来,同时记录下图像在内存的地址,以便在图像处理中使用。

RGB=imread(face06.jpg);%face02,04,06

YCbCr=rgb2ycbcr(RGB);