人臉識別設(shè)計(jì)報(bào)告

-.z數(shù)字信號處理設(shè)計(jì)報(bào)告設(shè)計(jì)題目：人臉檢測學(xué)院、系：信工學(xué)院電信系年級、班：11級電信2班設(shè)計(jì)單位(組)：第四組2014.5.7-.z摘要人臉識別是當(dāng)前模式識別領(lǐng)域的一個(gè)前沿課題，人臉識別技術(shù)就是利用計(jì)算機(jī)技術(shù)，根據(jù)數(shù)據(jù)庫的人臉圖像，分析提取出有效的識別信息，用來“識別〞身份的技術(shù)。本文介紹了多種人臉識別方法，基于對人臉識別方法優(yōu)缺點(diǎn)的分析比擬,提出了一種基于主元分析(PCA)的人臉識別方法。通過PCA算法對人臉圖像進(jìn)展特征提取,再利用最鄰近距離分類法對特征向量進(jìn)展分類識別。利用劍橋ORL的人臉數(shù)據(jù)庫的數(shù)據(jù)進(jìn)展實(shí)驗(yàn)仿真，仿真結(jié)果驗(yàn)證了本算法是有效的。關(guān)鍵詞：人臉識別，主元分析，最近鄰距離分類法，人臉庫緒論人臉識別是模式識別研究的一個(gè)熱點(diǎn),它在身份鑒別、信用卡識別,護(hù)照的核對及監(jiān)控系統(tǒng)等方面有著廣泛的應(yīng)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(gè)人的臉像矩陣差異也比擬大。因此,進(jìn)展人臉識別時(shí),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)方法是一種有效的特征提取方法,將人臉圖像表示成一個(gè)列向量,經(jīng)過PCA變換后,不僅可以有效地降低其維數(shù),同時(shí)又能保存所需要的識別信息,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(guān)鍵問題是設(shè)計(jì)具有良好分類能力和魯棒性的分類器.支持向量機(jī)(SVM)模式識別方法,兼顧訓(xùn)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(xiàn)出許多特有的優(yōu)勢。一、人臉識別方法雖然人臉識別方法的分類標(biāo)準(zhǔn)可能有所不同，但是目前的研究主要有兩個(gè)方向，一類是從人臉圖像整體(HolisticApproaches)出發(fā)，基于圖像的總體信息進(jìn)展分類識別，他重點(diǎn)考慮了模式的整體屬性，其中較為著名的方法有:人工神經(jīng)網(wǎng)絡(luò)的方法、統(tǒng)計(jì)模式的方法等。另一類是基于提取人臉圖像的幾何特征參數(shù)(Feature-BasedApproaches)，例如眼、嘴和鼻子的特征，再按照*種距離準(zhǔn)則進(jìn)展分類識別。這種方法非常有效，因?yàn)槿四槻皇莿傮w，有著復(fù)雜的表情，對其嚴(yán)格進(jìn)展特征匹配會出現(xiàn)困難。而分別介紹一些常用的方法，前兩種方法屬于從圖像的整體方面進(jìn)展研究，后三種方法主要從提取圖像的局部特征講行研究?；谔卣髂樀姆椒ㄌ卣髂樂椒?eigenface)是從主元分析方法PCACPrincipalponentAnalysis導(dǎo)出的一種人臉分析識別方法，它根據(jù)一組人臉圖像構(gòu)造主元子空間，由于主元具有人臉的形狀也稱作特征臉。識別時(shí)將測試圖像投影到主元子空間上得到了一組投影系數(shù)，然后和各個(gè)己知人的人臉圖像進(jìn)展比擬識別，取得了很好的識別效果。在此根底上出現(xiàn)了很多特征臉的改良算法。特征臉方法原理簡單、易于實(shí)現(xiàn)，它把人臉作為一個(gè)整體來處理，大大降低了識別復(fù)雜度。但是特征臉方法無視了人臉的個(gè)性差異，存在著一定的理論缺陷。研究說明:特征臉方法隨光線角度及人臉尺寸的影響，識別率會有所下降。二、仿真實(shí)驗(yàn)訓(xùn)練樣本測試模塊分類結(jié)果測試樣本PCA變換矩陣流程圖訓(xùn)練樣本測試模塊分類結(jié)果測試樣本PCA變換矩陣圖1整體流程圖先確定訓(xùn)練樣本和測試樣本，之后經(jīng)過PCA變換矩陣到達(dá)降維的目的，投影到降維子空間中形成相應(yīng)的坐標(biāo)，最后用最鄰近距離分類法進(jìn)展識別。訓(xùn)練樣本總體散度矩陣去均值奇異值分解PCA變換矩陣訓(xùn)練樣本總體散度矩陣去均值奇異值分解PCA變換矩陣圖2訓(xùn)練局部流程圖確定訓(xùn)練樣本，之后去均值，計(jì)算總體散度矩陣，利用奇異值分解后經(jīng)過PCA變換矩陣到達(dá)降維的目的。仿真結(jié)果圖3人臉識別仿真結(jié)果提取面部特征，將人臉圖像看成高維向量，將其組成一個(gè)向量矩陣，對每一幅圖像進(jìn)展變換〔即在特征空間中進(jìn)展投影〕計(jì)算其協(xié)方差矩陣，故經(jīng)過PCA變換去除了數(shù)據(jù)間的相關(guān)性，減小了冗余。到達(dá)了降維的目的。選取大的特征值，即將特征值按從大到小排序，選取前k個(gè)特征值對應(yīng)的特征向量，主成分矩陣為樣本在該特征空間上的投影，從而計(jì)算出特征向量和特征值，對于要測試的人臉，將其在該子空間上投影，得到其坐標(biāo)，和樣本空間上各個(gè)人臉的坐標(biāo)相比擬，距離最近的即為該人臉的識別結(jié)果。有圖可知:上面四幅圖為樣本在降維子空間上的投影，下面四幅圖為要檢測的人臉在降維子空間上的投影，用最鄰近距離分類法，陰影局部距離最近的即為識別結(jié)果。三、MATLAB人臉識別系統(tǒng)人臉識別是圖像識別的一個(gè)重要分支，其根本構(gòu)造如下圖。為了保證人臉的位置一致性，在一定程度上克制了背景、頭發(fā)等冗余信息的干擾，首先要對人臉庫中的圖像進(jìn)展一些預(yù)處理操作。緊接著，進(jìn)展特征抽取，將得到的人臉特征和訓(xùn)練樣本進(jìn)展比照，根據(jù)相似程序的上下決定最后的識別結(jié)果?！惨弧?、人臉圖像的預(yù)處理常應(yīng)用于人臉圖像的預(yù)處理方法有圖像類型轉(zhuǎn)換、濾波去噪、灰度變換、邊緣檢測及二值化、尺寸歸一化、作為通用人臉圖像預(yù)處理模塊要能夠充分適應(yīng)不同人臉庫中圖像在人臉大小、光照強(qiáng)度、成像系統(tǒng)等方面的任意性和差異性不能單獨(dú)采用*種單一的濾波、灰度變換和邊緣檢測方法。1、濾波去噪由于噪聲給圖像帶來的失真和降質(zhì)在特征提取之前采用濾波的方式來去除噪聲是實(shí)際人臉識別系統(tǒng)中所必須的步驟。濾波的方法有很多如各種平滑濾波、各種銳化濾波等。在人臉圖像預(yù)處理中使用較多的濾波是平滑濾波方法可分為以下三類線性濾波、中值濾波、自適應(yīng)濾波。〔1〕線性濾波最典型的線性濾波方法如采用鄰域平均法的均值濾波器、采用鄰域加權(quán)平均的高斯濾波和維納濾波。線性濾波可以去除圖像中*些特定類型的噪聲如圖像中的顆粒噪聲高斯噪聲、椒鹽噪聲等?！?〕中值濾波法中值濾波法是一種非線性濾波方法它把像素及其鄰域中的像素按灰度級進(jìn)展排序然后選擇該組的中間值作為輸出像素值?！?〕自適應(yīng)濾波能夠根據(jù)圖像的局部方差來調(diào)整濾波器的輸出其濾波效果要優(yōu)于線性濾波同時(shí)可以更好地保存圖像的邊緣和高頻細(xì)節(jié)信息。2、灰度變換灰度變換是圖像增強(qiáng)技術(shù)中的一種。通過灰度變換可對原始圖像中的光照不均進(jìn)展補(bǔ)償使得待識別人臉圖像遵循同一或相似的灰度分布。只有這樣不同圖像在特征提取和識別時(shí)才具有可比性。這一過程也被稱作灰度歸一化。常用在人臉識別系統(tǒng)中的灰度變換方法主要有基于圖像統(tǒng)計(jì)特征的直方圖均衡化、直方圖規(guī)定化和灰度均值方差標(biāo)準(zhǔn)化三種方法。直方圖均衡化和直方圖規(guī)定化的灰度變換原理和實(shí)現(xiàn)方法可由MATLAB仿真來實(shí)現(xiàn)。3、邊緣檢測對輸入人臉圖像進(jìn)展邊緣檢測是很多人臉識別系統(tǒng)在人臉粗定位及人臉主要器官眼睛、鼻子、嘴巴定位時(shí)采用的預(yù)處理方法。邊緣檢測的方法有很多主要有微分算子法、SOBEL算子法、拉普拉斯算子法、canny算子法等。每種算子對不同方向邊緣的檢測能力和抑制噪聲的能力都不同?！捕?、特征提取利用PCA進(jìn)展特征提取的經(jīng)典算法——Eigenface算法在利用PCA進(jìn)展特征提取的算法中，特征臉方法(Eigenface)是其中的一個(gè)經(jīng)典算法。特征臉方法是從主成分分析導(dǎo)出的一種人臉識別和描述技術(shù)。特征臉方法就是將包含人臉的圖像區(qū)域看作是一種隨機(jī)向量，因此可以采用K一L變換獲得其正交K一L基底。對應(yīng)其中較大特征值的基底具有與人臉相似的形狀，因此又稱為特征臉。利用這些基底的線性組合可以描述、表達(dá)和逼近人臉圖像，因此可以進(jìn)展人臉識別與合成。識別過程就是將人臉圖像映射到由特征臉*成的子空間上，比擬其與己知人臉在特征空間中的位置，具體步驟如下:(1)初始化，獲得人臉圖像的訓(xùn)練集并計(jì)算特征臉，定義為人臉空間，存儲在模板庫中，以便系統(tǒng)進(jìn)展識別;(2)輸入新的人臉圖像，將其映射到特征臉空間，得到一組關(guān)于該人臉的特征數(shù)據(jù);(3)通過檢查圖像與人臉空間的距離判斷它是否是人臉;假設(shè)為人臉，根據(jù)權(quán)值模式判斷它是否為數(shù)據(jù)庫中的*個(gè)人，并做出具體的操作。四、結(jié)語雖然我完成了該設(shè)計(jì)，但對于此課程設(shè)計(jì)并沒有學(xué)到多少，總結(jié)如下：1、對人臉識別了解太少，想做，但感覺無從下手，不知道從哪開場，到哪完畢，并且對于人臉識別的整個(gè)過程并不是很了解，且到底是怎樣一個(gè)識別過程，有種似懂非懂的感覺。2、對于人臉識別過程中的細(xì)節(jié)，不知如何細(xì)化，比方其中的預(yù)處理局部，就算從網(wǎng)上了解到應(yīng)該有濾波去噪，灰度處理等，也不知道該用哪個(gè)函數(shù)，或是自己應(yīng)該寫一個(gè)怎樣的函數(shù)。3、對于MATLAB這個(gè)工具，懂得少之又少。從以上