数字图像处理课程设计——人脸检测与识别

数字图像处理 课 程 设 计 人脸检测与识别课程设计 1 简介 人脸检测与识别是当前模式识别领域的一个前沿课题 人脸识 别技术就是利用计算机技术 根据数据库的人脸图像 分析提取出 有效的识别信息 用来 辨认 身份的技术 人脸识别是模式识别 研究的一个热点 它在身份鉴别 信用卡识别 护照的核对及监控 系统等方面有着广泛的应用 人脸图像由于受光照 表情以及姿态 等因素的影响 使得同一个人的脸像矩阵差异也比较大 因此 进 行人脸识别时 所选取的特征必须对上述因素具备一定的稳定性和 不变性 主元分析 PCA 方法是一种有效的特征提取方法 将人脸图 像表示成一个列向量 经过 PCA 变换后 不仅可以有效地降低其维 数 同时又能保留所需要的识别信息 这些信息对光照 表情以及 姿态具有一定的不敏感性 在获得有效的特征向量后 关键问题是 设计具有良好分类能力和鲁棒性的分类器 支持向量机 SVM 模式 识别方法 兼顾训练误差和泛化能力 在解决小样本 非线性及高维 模式识别问题中表现出许多特有的优势 本此课程设计基于 MATLAB 将检测与识别分开进行 其中检测 部分使用实验指导书上的肤色模型算法进行 不进行赘述 识别部 分采用 PCA 算法对检测出的人脸图像进行特征提取 再利用最邻近 距离分类法对特征向量进行分类识别 将在后文具体表述 仿真结 果验证了本算法是有效的 2 人脸检测 1 源码 img imread D std test images face3 jpg figure imshow img R img 1 G img 2 B img 3 faceRgn1 R 95 figure imshow faceRgn1 r double R double sum img 3 g double G double sum img 3 Y 0 3 R 0 59 G 0 11 B faceRgn2 r 0 333 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 k 3 4 s2 1 p BB2 1 k BB2 1 k 1 if p mx coeff coeff 1 idx scores scores 1 idx 测试 acc count 0 for i 1 people count for j training count 1 face count per people img im2double imread sprintf path mask i j img imresize img 10 10 if ndims img 3 img rgb2gray img end score img mu coeff idx min sum scores repmat score size scores 1 1 2 2 if ceil idx training count i acc count acc count 1 end end end test count people count face count per people training count acc ratio acc count test count fprintf 测试样本数量 d 正确识别率 2 2f test count acc ratio 100 3 仿真结果及说明 样本库举例 结果为 测试样本数量 45 正确识别率 100 00 4 总结 人脸识别是一个多学科领域的挑战性难题 近 30 年来人脸识别 的研究虽然取得了巨大的进步 但与人类的感知能力相距甚远 人 脸识别还涉及到很多理论和技术问题 这一技术的不断进步还需要 研究者们的不断创新