数字图像处理课程设计人脸检测与识别

1、数字图像处理课程设计人脸检测与识别课程设计一、 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)t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

2、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。二、 人脸检测源码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 .处理过程二、人脸识别算法简述1.在Matlab 2012a版本中添加了对PCA算法的支持，由于水平有限我选择直接调用。在本次

6、课程设 计中，PCA算法又分为样本训练和人脸识别两个过程，在样本训 练阶段，将样本库（每组 15张共15组人脸图像，对每组前11张进行特征提取用于训练，后4张用于检测)中的人脸图像转换为特征向量表示，弁投影到PCA子空间，最终将这些向量数据保 存到训练数据库中。而在识别阶段，同样将待识别的人脸图像使 用PCA子空间的向量表示，通过计算待识别图像的向量与样本中 的向量之间的距离，寻找其中最相近的人脸图像，作为识别结果。源码 2. clearclc%样本数量15*11people_count=15;face_count_per_people=11;%训练比率，设置为75%识别正确率可达100%tr

7、aining_ratio=.75;%台匕区. 目匕甲.energy=90;training_count=floor(face_count_per_people*training_ratio);training_samples=;dd.jpg'；%训练for i=1:people_countfor j=1:training_countimg=im2double(imread(sprintf(path_mask,i,j);img=imresize(img,10 10); % 归一化至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);% 测试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('测试样本数量：d,正确识别率:2.2f%',test_count,acc_ratio*100)仿真结果及说明3.样本库举例：.结果为：测试样本数量：45，正确识别率:100.00%四、 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