基于MATLAB的人脸识别系统的研究毕业论文.docx
- 文档编号:4867879
- 上传时间:2022-12-11
- 格式:DOCX
- 页数:14
- 大小:187.70KB
基于MATLAB的人脸识别系统的研究毕业论文.docx
《基于MATLAB的人脸识别系统的研究毕业论文.docx》由会员分享,可在线阅读,更多相关《基于MATLAB的人脸识别系统的研究毕业论文.docx(14页珍藏版)》请在冰豆网上搜索。
基于MATLAB的人脸识别系统的研究毕业论文
长沙民政职业技术学院
毕业实践报告
题目:
基于MATLAB勺人脸识别系统的研
类型:
毕业论文
毕业设计
毕业专题
扌旨导老师:
谭刚林
系另寸:
电子信息工程系
班级:
电子1133
学号:
111901333311190133341119013335
姓名:
刘盼符思遥樊阳辉
2014年5月5日
基于MATLAB勺人脸识别系统的研究
符思遥、刘盼、樊阳辉
指导老师:
谭刚林苏宏艮马勇赞
【摘要】人脸检测与识别技术是计算机视觉和模式识别等学科的研究热点之一,是进行身份认证最友好直接的手段,在出入境安全检查、内容检索、证件验证、门禁系统等领域都具有十分广泛的应用前景。
多年来,人脸识别技术中的很多问题都被深入地研究,而且大量的算法已经成功应用于人脸识别。
本文在研究了人脸检测和身份识别的关键技术和相关理论的基础上,重点讨论了在光照
和背景不同的条件下,彩色静止图像的人脸检测和身份识别问题,它包括基于肤色分割的人脸粗检测、基于人眼检测的几何归一化和基于二维主成分分析法(2DPCA的身份识
别。
本文主要工作如下:
首先对彩色图像进行光照补偿,其次通过肤色检测获得可能的脸部区域并二值化,再用形态学开闭运算对图像进行滤波处理并通过一定规则确定人脸区域,然后运用水平垂直
投影定位人眼坐标以此对人脸进行几何归一化,识别部分运用2DPCA勺图像映射方法对灰度图进行特征匹配,最后输出识别结果并进行语音播报。
实验结果表明,结合肤色和面部几何特征的算法能够对人脸进行较快速和准确的定位,同时2DPCAT法运用于身份识别也能达到较高的识别率。
本毕业设计对实际应用具有一定的参考价值,该系统的操作流程和输入输出方式是以实际应用为出发点,可应用于公安机关证件验证以及日常家庭的自动门禁系统等。
【关键词】人脸检测;肤色分割;人眼检测;2DPCA特征提取
1绪论1
1.1选题的背景1
1.2人脸识别系统2
1.3人脸识别的典型方法2
2基于YCbCr颜色空间的肤色分割3
2.1三种色彩空间3
2.1.1RGB色彩空间3
3基于2DPCA特征提取的身份识别4
3.12DPCA算法实验结果与分析5
3.1.1实验用数据库5
3.1.2实验结果与分析5
3.1.3结论7
4人脸检测与识别系统设计与实现7
4.1系统环境7
4.2人脸检测与识别系统框图7
4.3系统功能模块8
4.4实验结果分析9
5总结与展望10
5.1总结10
5.2展望10
参考文献12
1绪论
1.1选题的背景
近年来随着计算机技术和互联网的发展,信息技术的安全变得越来越重要,生物特征识别技术得到广泛研究与开发,如人脸识别、指纹识别、掌形识别等。
人脸检测与身份识别技术(以下统称为人脸识别)是利用计算机对人脸图像进行检测、特征提取和识别的模式识别技术,它是基于生物特征识别技术的身份认证中最主要的方法之一⑴。
人脸是一个常见而又复杂的视觉模式,是人类情感表达和交流最重要、最直接的信息载体,人脸包含着大量的有价值的信息,如轮廓、肤色、表情等信息,这些信息在人们的交往活动中有着非常重要的意义,是一个潜在的、友好的人机交互接口。
2008年,
人脸识别技术首次亮相奥运会,为保障北京奥运会及残奥会的开闭幕式的安全起到了重要的作用。
除此之外,人脸识别技术在以下场合也有着重要应用[2]:
(1)视频监控:
视频的实时监控是指对于可以控制的特定场合进行智能化的监控,例如对超市、银行等公共场合的视频监控,可以通过人脸特征的识别来智能实时的判断出可疑的人脸,进而保障公共安全。
(2)人机交互:
人机的智能交互是指用户可以通过机器视觉和听觉等技术与机器进行智能人性化的交互和沟通的行为。
例如智能的机器人可以理解人的某些特定的手势和动作等行为。
(3)门禁系统:
智能门禁系统属于入口控制的一种,例如办公大楼、私人住宅和公司单位等在门口设置的一种安全检查系统。
人脸特征具有比其他生物特征更直接、更方便和更友好的特点。
相比于其他由数字和字符组成的口令,人脸识别技术具有更不易被黑客攻破,更不易被遗忘等特点。
(4)公安系统:
公安部门都有存储嫌疑犯照片的数据库,当通过监控录像等途径获得了有关嫌疑犯罪人的面部图片后,就可以通过人脸识别技术,快速地和数据库中的人脸图像进行身份匹配,高效准确地进行确认,从而大大提高刑侦破案的准确性和高效性。
这些应用都是被限制在特定的场合和环境下的,在实际应用中,会遇到各种不同的情况,如人脸图像的背景特别复杂,人脸图像存在姿态的旋转、光照变化,甚至目标人脸被遮挡等问题。
所以,继续对人脸识别进行理论上的研究,并使人脸识别系统具有更好的适应性,是一个具有重大研究意义的课题。
1.2人脸识别系统
人脸识别系统包括人脸检测、特征提取和身份识别三大过程,如图1-1所示。
人脸
检测包括人脸检测与定位,对于给定任意图像,判断其中是否存在人脸,如果有人脸则做出准确的定位;特征提取是提取人脸图像中有用的信息,去除冗余,提高运算速度;身份识别就是将待识别人脸与人脸库中的已知人脸比较,计算相似度,根据相似程度把待识别人脸归到某一类,人脸识别系统及识别过程更细致描述如图1-2所示。
国际上有
很多用来训练和测试身份识别算法的图库可供研究,如FERE■人脸库、Yale人脸库、ORL
人脸库、AR人脸库等。
本文主要针对人脸检测和身份识别两个过程各研究了一种方法及其它相关算法。
人脸检测
标准人脸
W
特征提取
特征向量
'►
身份识别
识别结果
彩色图像
图1-1人脸识别过程
人脸检测.
>米集_
*预处理_
;特征提取
人脸注册
L
W~]二
人脸库
人脸检测;
•米集-
’预处理一
•特征提取-
.人脸比对
f
识别结果
身份识别
丿
图1-2人脸识别系统及识别过程的原理图
1.3人脸识别的典型方法
可以将人脸检测方法分为基于肤色特征的方法和基于灰度特征的方法两类。
前者适
用于构造快速的人脸检测和人脸跟踪算法,后者利用了人脸区别于其它物体的更为本质的特征,是人脸检测领域研究的重点。
根据在特征综合时采用的不同模型,可以将基于灰度特征的方法分为两大类:
基于启发式(知识)模型的方法和基于统计模型的方法。
由于人脸检测问题的复杂性,无论哪一类方法都无法适应所有的情况,一般都针对人脸检测领域内某些特定的问题⑶。
(1)基于肤色特征方法的一般过程是:
首先将肤色像素按照较为严格的颜色一致性和几何约束条件聚类为同一区域,需要根据它们在色度上的相似性和空间上的相关性分割出可能的人脸区域,然后按照一定规则进行归并,归并后或归并过程中利用其它特征进行验证。
本文研究的就是此种算法。
(2)基于启发式模型的方法的一般过程是:
首先抽取几何形状、灰度、纹理等特征,
然后检验它们是否符合人脸的先验知识。
基于这一原理的人脸检测方法有很多.比如
Yang4血等提出了基于镶嵌图(MosaicImage,又称为马赛克图)的人脸检测方法。
卢春雨等人⑸对镶嵌图方法进行了改进。
利用人脸的轮廓、对称性等少量特征的方法适用于
较强约束条件下(如简单背景、头肩图像)的人脸检测。
需要看到的是,要想进一步提高知识模型的适应能力,需要综合更多的特征,这实际上涉及到图像理解这一困难的问题,这是此类方法进一步发展遇到的主要障碍。
(3)基于统计模型的方法是解决具有复杂图像,难以描述图像特征的这类问题的一
种有效途径。
此类方法的基本思想是将人脸区域看作一类模式,即模板特征,通过对人脸样本集和非人脸样本集进行学习以得到分类算法,然后构造分类器,将人脸检测视为从模式样本中区分人脸样本和非人脸样本的模式识别问题,通过判别图像中所有可能区
域属于哪类模式实现人脸的检测。
2基于YCbCr颜色空间的肤色分割
肤色是人脸的重要信息,而且肤色不受面部的细节特征、旋转、表情变化以及饰物遮挡等情况的影响。
因此,基于肤色的人脸检测就成为一种值得研究的重要方法。
要想有效地利用肤色来进行人脸检测就需要选取合适的色彩空间,并在该色彩空间建立肤色
模型。
这就是本章所要研究的内容。
2.1三种色彩空间
在图像和图形处理中,有许多色彩模型可供研究,各个模型具有多种色彩模式,用来反映不同的色彩范围,其中一些色彩空间在Matlab中能用对应的命令相互转换。
本
文重点讨论RGBfe彩空间⑺。
2.1.1RGB色彩空间
RGB色彩空间是美国国家电视系统委员会NTSC建立的一种表色系统,国际照明委员会CIE规定选用红色(R),绿色(G),蓝色(B)三种单色光作为该系统的三基色,将三基
色以某种比例混合就可以组合成任意颜色,如式2-1所示:
C(c)=R(r)+G(g)+B(b)(2-1)
RGB色彩空间比较简单直观,在数字图像中每一像素点的颜色值都可以用R、GB
三基色表示。
如图2-1所示为RGBfe彩空间立方体。
在RGB色彩空间的色系坐标中的三个轴分别对应于红、绿、蓝三基色,RGBfe彩立方体的原点对应于黑色,各个颜色分量上的亮度值都为零。
当RGB的分量亮度同时达到最大时的点为白色,该点是离原点最远的点。
而当三基色的三个分量分别相等时便产生了灰度像素点,满足这样条件的所有像素点都聚集在该立方体的对角线上,这条线称作灰度直线。
如图2-1所示,三基色
红、绿、蓝分别对应了立方体的三个顶点,黄、青以及紫色对应于其余的点。
图2-1RGB色彩空间
一般来说,由于R、GB各分变量在RGBfe彩空间中相关性很强,直接利用R、G
B建立肤色模型并不是很容易,为了从图像背景(非肤色区域)中提取出肤色区域,我们需要选择一个鲁棒性较强的肤色模型。
在RGBfe彩空间中,三基色不仅包含了颜色信息,而且还包含了亮度分量,由于亮度分量容易受到环境光照变化的影响,在这种情况下,直接在RG色彩空间中建立肤色模型并进行肤色分割难以达到很好的效果。
由于RGB
色彩空间存在以上不足,因此该色彩空间在肤色检测中很少用到。
但其它颜色空间一般能以RGB为基础进行线性变换或者非线性变换得到。
此外,RGB颜色空间可以直接通过线性变换转化为灰度信息,转化关系见公式2-2。
Gray=0.299xR+0.587XG+0.114XB(2-2)
3基于2DPCA特征提取的身份识别
PCA方法将包含人脸的图像区域看作随机向量,因此可采用K-L变换得到正交K-L
基,对应其中较大特征值的基具有与人脸相似的形状,因此又被称为特征脸。
利用这些
基的线性组合可以描述、表达和逼近人脸图像,所以可进行人脸识别与合成。
但二维的人脸图像事先必须转换成一维的向量,而且这一向量的维数往往是很高的。
根据一批训练样本实际计算得到的协方差矩阵是对真实协方差矩阵的近似,而训练样本的数量相对
协方差矩阵的维数来说往往显得过小,因此,想精确得到协方差矩阵是困难的,协方差矩阵的不精确必然导致相应的特征值和特征向量的不精确。
为了克服上述缺点,JianYang,DavidZhang,AlejandroF.Franfi和Jing-yuYang于2004年提出了一种新的用于人脸识别方法,即2DPCA方法。
本文所用的人脸识别就
是此种方法,详细过程将在后面介绍[26]o
3.12DPCA算法实验结果与分析3.1.1实验用数据库
本文实验分别采用了英国剑桥大学的ORLA脸图像数据库AR人脸图像数据库[26]o
ORLA脸库:
由剑桥大学AT&T实验室创建,包含40人共400张面部图像,部分志愿者的图像包括了姿态,表情和面部饰物的变化.该人脸库在人脸识别研究的早期经常被人们采用,但由于变化模式较少,多数系统的识别率均可以达到90%以上,因此进一步利
ORL人脸库的识别
它包括各种表情变
120人每人14张图
用的价值已经不大。
在后面的介绍中可以看到,我的人脸识别系统对率已在90%以上。
AR人脸库:
该人脸库是由西班牙巴塞罗那计算机视觉中心建立,化、光照变化的图像,图像的数量和实验的人数也非常多,它包含
片,共1680张人脸图,其可以充分地验证人脸识别算法,比之我前期用的ORL人脸库
更具说服力。
3.1.2实验结果与分析
我在ORL人脸库和AR人脸库上运用2DPCA?
法做了一系列测试并进行了统计,得到了如表3-1、3-2所示的数据,现对数据分析如下。
由表3-1的数据可以看出,在ORL人脸库上测试识别率均达到了90%以上,并且多数在95%以上,由于ORLA脸库中每幅图像的光照和姿态表情的差别不大,而这些因素会大大影响系统的识别率,所以我又选用了AR人脸库进行识别。
7训练3测试
100
96.67
97.78
95
96
95.56
96.19
96.67
6训练4测试
100
97.5
96.67
95
95
95
95.71
95.63
5训练5测试
100
98
96
95
92.80
91.33
92
90
ORL\脸库实验
08642
099999£%/率R识
图3-4ORL人脸库实验
从图3-5可以看出,在光照、表情变化大的AR人脸库中,识别率降到了90沖下。
这时可进行前面分析的灰度归一化操作,由于人脸库中图像的椒盐噪声不是很明显,故不采用中值滤波,在这里我进行了直方图均衡化的操作。
可以看出在经过直方图均衡化后,识别率有了显著提升,如图3-5中的粉红色曲线。
从表3-2红色标记处可以发现,在进行直方图均衡化后,20人-30人的识别率反而降低了,我初步认为是这部分的人脸图像对比度已经够明显,无需进行预处理。
所以我将序号为20-30的人取出不进行归一
化,再放回原归一化图集,在进行识别后,发现识别率有了显著的提升,见表3-2的“整改”一行。
表3-2AR人脸库实验
人
「一识别率'、数
"""
L5
10
20
30
40
60
80
100
120
图集
原始
100
90
90
86.67
86.67
86.67
85
83.83
88.06
直方图均衡
100
90
87.5
85.56
86.67
86.94
87.29
87.83
88.06
整改
100
90
89.17
90.56
88.33
88.33
88.96
89.50
89.31
图3-5AR人脸库实验
3.1.3结论
根据实验数据可以看出,在进行识别的时候加上适当的预处理有利于提高识别率。
并且2DPC/算法识别速度快,通常只需不到1秒的时间,而PCA算法要将二维矩阵拉伸成很长的一维矢量,所以要占用大量的时间进行训练,实际工程中这是行不通的。
所以在下一章中会选用2DPCZ算法实现身份识别。
4人脸检测与识别系统设计与实现
研究人脸识别的目的是服务于社会。
尤其是基于复杂背景的人脸检测与识别产品,社会对这类产品需求非常旺盛,因此本章将前面介绍的肤色检测、人脸检测、2DPC从脸识别算法结合起来,开发了一个初级的人脸检测系统和人脸识别仿真系统。
4.1系统环境
开发平台一Matlab7.0
操作系统一WindowsXP
4.2人脸检测与识别系统框图
结合前章的理论基础,我设计并实现了一个人脸检测与识别系统,该系统的框图如图7-1所示,该系统能对RGB色彩空间图像进行一系列处理。
首先对图片进行缩放,以防止图片像素过大导致的内存溢出的情况;其次对其进行光照补偿,提升图片的整体亮
度,然后进行肤色提取;接下来运用形态学运算对肤色图片进行滤波处理,同时加入一定的判定规则,通过几何形状对人脸进行筛选;对筛选后的人脸进行人眼定位,最后通过人眼的位置反归一化人脸图像。
在识别环节,首先对多幅彩色图片重复上述操作组建出一个训练集;然后将集合中的图片统一进行训练,提取出特征值和特征向量;接下来用一张同属一人的彩色图像进行测试,将其人脸图片提取出来并求出其特征向量,通过欧式距离的比对可识别出该人脸图片对应于训练集里的人物;最后输出姓名并进行语音
播报。
图4-1人脸检测与身份识别系统流程图
4.3系统功能模块
本系统由6大模块组成,每个模块对应Matlab里面一个子函数:
光照补偿模块、人脸检测模块、人眼定位模块、几何归一化模块、身份识别模块、语音播报模块。
如图
4-2所示:
人脸检测与身份识别系统
图4-2系统功能模块图
⑴光照补偿模块:
提升RGB图像较暗区域的亮度,提高人脸检测的成功率。
(2)人脸检测模块:
在图像中确定人脸的位置。
(3)人眼定位模块:
找到人眼所在位置,提取人眼坐标。
(4)几何归一化模块:
以及人眼位置信息队图像进行归一化处理。
(5)身份识别模块:
对面部图像进行图像增强操作,用二维主成分分析算法对面部图像进行匹配。
(6)语音播报模块:
语音读出识别出的人的名字
4.4实验结果分析
人脸检测系统部分的图像来源于复杂背景下的自拍图像,光源、地点等都不相同。
测试的机器是Intel2.0GHz双核处理器,2G内存。
对于3264X1840大小的图像(来源:
小米2手机拍摄),其部分效果如图:
图4-3最终效果图
由图4-3可知,该系统可将日常拍摄到的照片中的人脸提取出来,并与系统既有的
人脸库进行比对,最终输入识别结果同时显示人物姓名
5总结与展望
5.1总结
人脸检测与身份识别一直是数字图像处理、计算机视觉和模式识别中的一个重要课
题,有着巨大的研究价值和市场空间。
其涉及的研究内容非常广泛,涵盖了人脸检测、人脸识别、表情识别、姿态识别以及人脸图像合成等方面。
目前,人脸识别技术还处于发展阶段,要使这一技术完全走向实用,还有许多工作要做。
本文在认真分析和总结己有的人脸检测与身份识别算法的基础上,重点讨论了在复杂背景和多变光照条件下彩色图像的人脸检测问题。
下面是对全文的工作总结:
(1)分析了国内外的人脸检测算法,分析了不同色彩空间对肤色的检测的不同。
(2)利用肤色对彩色图像进行人脸检测时,检测结果常常受到光照的影响。
因此我
研究了参照白光照补偿方法,该方法利用整幅图像中前5%勺亮度为参考,对图像中其他像素点的亮度进行了线性调整。
实验证明,该方法提高了肤色模型对光照变化的鲁棒性,从而解决了肤色检测中常见的对光照敏感、漏检率高等问题。
(3)利用YCbCr彩色空间进行肤色检测,同时研究了HSV彩色空间。
实验结果表明,该方法对彩色图像具有较好的肤色分割效果。
除此之外学习了数学形态学滤波方法,有效地去除了图像除人脸之外的类肤色背景干扰。
(4)有效地利用人脸特征来定位人脸,排除一些假人脸区域。
(5)学习灰度图像的积分投影法,并研究将其应用于人眼检测,结合眉眼的相对位置关系,成功定位出人眼坐标,实验证明,该方法简明有效。
(6)在得到两眼中心的前提下,利用人脸的三庭五眼的规则,对人脸进行归一化,
对于旋转或者倾斜的人脸进行一定角度的调整,使得人脸面部的主要特征信息包含在归
一化的人脸之内。
(7)研究了图像变换处理技术对灰度图像的增强效果,包括直方图均衡化、中值滤波、线性灰度变换。
(8)温习并进一步学了线性代数、概率论与数理统计、高等数学的一些内容,同时查阅资料,学习了2DPCZ算法的理论基础。
在Matlab上实现其身份识别的功能。
5.2展望
人脸检测与身份识别是一个具有较高理论价值和实际应用价值的研究性课题,虽然
近些年来取得了一定的研究性成果,但是要实现一个具有高识别率和鲁棒性较强的人脸识别系统是一个难度极大的研究性课题,它涉及到数字图像处理、模式识别心理学及生理等多学科综合的知识。
虽然本文在人脸识别方法学习方面运用了大量算法,但仍然存在一些问题,结合本文的研究思路需要进一步研究,在未来有如下几个主要研究重点:
(1)在进行人脸验证的时候,为了能够获得更高的检测率,进一步去掉假人脸区域,我应该多增加一些规则,并对这些规则合理的分配权重,再进行候选区域验证,这样会提高人脸的正确检测率,降低误检率。
(2)人眼检测部分还有很大的局限性,在人脸偏转角度过大时,将不能正确检测出人眼坐标。
同时,如果人脸上戴有眼睛等面部装饰,将会严重影响检测结果,怎样去除面部装饰以提高人眼检测正确率是我以后应研究的内容[27]。
(3)2DPCA算法虽然较PCA算法效率高,但目前世界上仍有各种比2DPCAT法效率
更高的算法可供研究,并且执行效率和识别率更高,如MatPCA算法和ModulePCA算法。
参考文献
[1]祁俊•人脸识别中特征提取与选择算法的研究•硕士学位论文,2009.5
[2]王蕴红.朱勇.谭铁牛.基于虹膜识别的身份鉴定[J].自动化学报,2002,28
(1):
1-11.
[3]程勇光.基于肤色和面部几何特征的人脸检测算法的研究.硕士学位论文,2008.6.
[4]YangMH,AhujaN,KriegmanD.Asurveyonfacedetectionmethods.1999.
⑸周杰.卢春雨.张长水.李衍达.人脸自动识别方法综述.电子学报,2000,28(4):
102-106.
[6]BrunelliR,PoggioT.Templatematching:
matchedspatialfiltersandbeyond[J].Pattern
Recongnition,1997,3o(5):
751768.
[7]冈萨雷斯.数字图像处理(MATLAB版).电子工业出版社.2005.9
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 MATLAB 识别 系统 研究 毕业论文