數字圖像處理課程設計人臉檢測與識別

1、數字圖像處理課程設計人臉檢測與識別課程設計一、 簡介人臉檢測與識別是當前模式識別領域的一個前沿課題，人臉識別技術就是利用計算機技術，根據數據庫的人臉圖像，分析提取出有效的識別信息，用來“辨認”身份的技術。人臉識別是模式識別研究的一個熱點 , 它在身份鑒別、信用卡識別, 護照的核對及監(jiān)控系統(tǒng)等方面有著廣泛的應用。人臉圖像由于受光照、表情以及姿態(tài)等因素的影響,使得同一個人的臉像矩陣差異也比較大。因此 , 進行人臉識別時,所選取的特征必須對上述因素具備一定的穩(wěn)定性和不變性. 主元分析(pca)t法是一種有效的特征提取方法，將人臉圖像表示成一個列向量, 經過 PCA 變換后 , 不僅可以有效地降低其維

2、數, 同時又能保留所需要的識別信息, 這些信息對光照、表情以及姿態(tài)具有一定的不敏感性. 在獲得有效的特征向量后, 關鍵問題是設計具有良好分類能力和魯棒性的分類器. 支持向量機(SVM ) 模式識別方法,兼顧訓練誤差和泛化能力, 在解決小樣本、非線性及高維模式識別問題中表現出許多特有的優(yōu)勢。本此課程設計基于 MATLAB將檢測與識別分開進行。其中檢測部分使用實驗指導書上的膚色模型算法進行，不進行贅述。識別部分采用PCA算法對檢測出的人臉圖像進行特征提取 ,再利用最鄰近距離分類法對特征向量進行分類識別，將在后文具體表述。仿真結果驗證了本算法是有效的。二、 人臉檢測源碼1 . img=imread(

3、'D:std_test_imagesface3.jpg');figure;imshow(img);R=img(:,:,1);G=img(:,:,2);B=img(:,:,3);faceRgn1=(R>95)&(G>40)&(B>20)&max(img,3)-min(img,3)>15&abs(R-G)>15&R>B;figure;imshow(faceRgn1);r=double(R)./double(sum(img,3);g=double(G)./double(sum(img,3);Y=0.3*R+0

4、.59*G+0.11*B;faceRgn2=(r>0.333)&(r<0.664)&(g>0.246)&(g<0.398)&(r>g)&g>=0.5-0.5*r;figure;imshow(faceRgn2);Q=faceRgn1.*faceRgn2;P=bwlabel(Q,8);BB=regionprops(P,'Boundingbox');BB1=struct2cell(BB);BB2=cell2mat(BB1);figure;imshow(img);s1 s2=size(BB2);mx=0;for

5、 k=3:4:s2-1p=BB2(1,k)*BB2(1,k+1);if p>mx&(BB2(1,k)/BB2(1,k+1)<1.8mx=p;j=k;hold on;rectangle('position',BB2(1,j -2),BB2(1,j-1),BB2(1,j),BB2(1,j+1),'linew idth',3,'edgecolor','r');hold off;endend2 .處理過程二、人臉識別算法簡述1.在Matlab 2012a版本中添加了對PCA算法的支持，由于水平有限我選擇直接調用。在本次

6、課程設 計中，PCA算法又分為樣本訓練和人臉識別兩個過程，在樣本訓 練階段，將樣本庫（每組 15張共15組人臉圖像，對每組前11張進行特征提取用于訓練，后4張用于檢測)中的人臉圖像轉換為特征向量表示，弁投影到PCA子空間，最終將這些向量數據保 存到訓練數據庫中。而在識別階段，同樣將待識別的人臉圖像使 用PCA子空間的向量表示，通過計算待識別圖像的向量與樣本中 的向量之間的距離，尋找其中最相近的人臉圖像，作為識別結果。源碼 2. clearclc%樣本數量15*11people_count=15;face_count_per_people=11;%訓練比率，設置為75%識別正確率可達100%tr

7、aining_ratio=.75;%臺匕區(qū). 目匕甲.energy=90;training_count=floor(face_count_per_people*training_ratio);training_samples=;dd.jpg'；%訓練for i=1:people_countfor j=1:training_countimg=im2double(imread(sprintf(path_mask,i,j);img=imresize(img,10 10); % 歸一化至50*50if ndims(img)=3img=rgb2gray(img);endtraining_samp

8、les=training_samples;img(:)'endendmu=mean(training_samples);coeff,scores,explained=pca(training_samples);idx=find(cumsum(explained)>energy,1);coeff=coeff(:,1:idx);scores=scores(:,1:idx);% 測試acc_count=0;for i=1:people_countfor j=training_count+1:face_count_per_peopleimg=im2double(imread(sprint

9、f(path_mask,i,j); img=imresize(img,10 10);if ndims(img)=3img=rgb2gray(img);end score=(img(:)'-mu)/coeff;,idx=min(sum(scores-repmat(score,size(scores,1),1).八2,2);if ceil(idx/training_count)=iacc_count=acc_count+1;endendendtest_count=(people_count*(face_count_per_people -training_count)；acc_ratio=acc_count/test_count;fprintf('測試樣本數量：d,正確識別率:2.2f%',test_count,acc_ratio*100)仿真結果及說明3.樣本庫舉例：.結果為：測試樣本數量：45，正確識別率:100.00%四、 總結 人臉識別是一個多學科領域的挑戰(zhàn)性難題，近30 年來人臉識別的