人脸识别系统分析与实现
指导老师：**** 作者：**** 班级：******* 学号：**********
1
目录
一、引言...........................................................................................................................3 二、图像处理阶段………………………………………………………………………………………………………..4 1,图像去噪…………………………………………………………………………………………………………....4 2,图像增强……………………………………………………………………………………………….……….…..5 三、检测和定位阶段…………………………………………………………………………………………………...7 1,人脸检测………………………………………………………………………………………………………….…7 2,特征点定位…………………………………………………………………………………………….……….….8 四、图像及信息存储阶段………………………………………………………………………………………....9
1,图像处理………………………………………………………………………………………………………….…9 2,信息处理……………………………………………………………………………………………………….……9 五、图像比对阶段…………………………………………………………………………………………………..…..10 六、程序实现简单人脸识别………………………………………………………………………………………..11
1,运行环境……………………………………………………………………………………………………….…..11 2,C代码………………………………………………………………………………………………………………..11 3,程序运行结果…………………………………………………………………………………………………...14
2
摘要
作为数字图像处理技术的一个重要应用，人脸识别已经成为智能终端、个人电脑以及企业安全的重要保障和措施。每个人都有着不同的面孔，这使得通过面部特征来一一对应每个人成为了可能。通常我们所说的人脸识别是基于光学人脸图像的身份识别与验证的简称。光学人脸图像是外界光源（包括太阳、室内人造光源和其他物体表面反射）的光线照射在人脸上，经人脸表面反射后传播到摄像机传感器的光线强度的度量。下面将就人脸识别的原理以及人脸识别的应用和发展前景提出一些个人的看法。识别之前首先要进行图像去噪，然后是灰度处理，增强其对比度，然后提取特征点，最后才能与预先的图像文件进行比对，实现识别功能。
关键词：数字图像处理，人脸识别，光学人脸图像，去噪
Abstract
As an important application of digital image processing technology, face recognition has become intelligent terminals, personal computers, and enterprise security important safeguards and measures. Everyone has a different face, which corresponds to one by one each person through facial features were possible. Usually we are talking about face recognition based on optical short title of facial image identification and authentication. Optical light source facial image is the outside world (including surface reflection, indoor artificial light of the Sun and other objects) the light on the face, transmitted through infected face reflected on the surface of the camera sensor light intensity measurements. How will now face recognition and face recognition application and development prospect of some personal views. Identified prior to image denoising, then gray, enhanced contrast, and then extracting feature points, final image file than to advance, achieving recognition.
Key words：Digital image processing,Face recognition,Optical face image,Denoising
一、引言
随着现代科技的发展，数字图像技术显现出了其优越性。作为计算机一个分支，其作用不仅仅是在图像简单处理领域，他已经突破瓶颈，朝着尖端科技发展。
越来越多的人和企业开始重视文件安全，而简单的密码输入已经不能满足。这时就需要一种安全性高，用户简单易行的科学方法来解决问题。高尔顿(Galton)早在1888年和1910年就分别在《Nature》杂志发表了两篇关于利用人脸进行身份识别的文章，对人类自身的人脸识别能力进行了分析，这是人脸识别的开始，从最早的简单背景的人脸识别，到基于多姿态、表情的人脸识别，再到动态跟踪人脸识别和三维人脸识别，人脸识别系统经历了一次又一次的革命性发展。
人脸识别技术的研究范围主要包括以下几个方面：
3
1. 图像处理：将图像灰度和对比度等进行优化，有利于提取特征点，
包括去噪、提高等对比度等等； 2. 人脸检测：识别出人脸所在区域；
3. 图像分割：在特征空间中确定决策分界线，把空间划分若干区域，
每个区域代表一个类；
4. 人脸的规范化：校正人脸在尺度、光照和旋转等方面的变化； 5. 特征提取：从人脸图像中映射提取一组能反映人脸特征的数值表示
样本；
6. 特征匹配：将待识别人脸与数据库中的已知人脸数据进行比较，得
出相关信息。
二、图像处理阶段 1，图像去噪
噪声是最常见的图像退化因素之一，也是图像恢复中重点研究的内容。噪声的形成有以下原因:
1) 热噪声。热噪声与物体的绝地温度有关。这种热导致的噪声在从零频率直到很高的频率范围之间分布一致，一般认为它可以产生对不同波长能量相同的频谱（或者在任何地方，相同频率间隔内的能量相同）。这种噪声也称为高斯噪声或者白噪声。
2） 闪烁噪声。也是由电流运动产生的一种噪声，事实上，电子或者电荷的流动并不是一个连续的完美的过程，它们随机性的会产生一个很难量化和测量的交流成分。在由炭组成的电阻中，这种随机性会远大于一般的统计所能预料的数值。这种噪声一般具有反比于频率的频谱，所以也称1/f噪声，一般在1000Hz一下的低频时比较明显。也有人称其为粉色噪声。粉色噪声在对数频率间隔给内有相同的能量。 3） 发射噪声。也是由电流非均匀流动的，或者说是电子运动随机性的结果。 有色噪声，是指具有非白色频谱的宽带噪声。典型的例子如运动的汽车、计算机风扇、电钻等。
那么该如何去除噪声呢？有以下这些去噪方法：
1) 空域噪声滤波器。主要有均值滤波器、排序统计滤波器和自适应滤波器。其中均值滤波是最为常见的一种滤波方法。其原理是： i)算术均值滤波器：
设在一次测量过程中有n 个采样数据x , (l’一1 , 2 , ? ,n), 根据最小二乘原则, 若能找到这样一个y , 使与各采样值间的偏差的平方和为最小值, 则该y 为最接近真值的可信数据. 根据函数极值原理, 命
4
得，上式说明, 用n个采样数据的算术平均值作为测量值是最佳的, 它最接近测量真值。 ii)几何滤波器
几何均值滤波器所达到的平滑度可以与算术均值滤波器相比,但在滤波过程中会丢失更少的图象细节。 2) 组合滤波器 i)混合滤波器 ii)选择性滤波器
3) 频域周期噪声滤波器 i)带阻滤波器 ii)带通滤波器 iii)陷波滤波器 iiii)交互式恢复
在这些滤波方法中主要用到的是：线性滤波、中值滤波、维纳滤波以及小波去噪等。
2，图像增强
增强图像中的有用信息，它可以是一个失真的过程，其目的是要改善图像的视觉效果，针对给定图像的应用场合，有目的地强调图像的整体或局部特性，将原来不清晰的图像变得清晰或强调某些感兴趣的特征，扩大图像中不同物体特征之间的差别，抑制不感兴趣的特征，使之改善图像质量、丰富信息量，加强图像判读和识别效果，满足某些特殊分析的需要。
图像增强可分成两大类：频率域法和空间域法。前者把图像看成一种二维信号，对其进行基于二维傅里叶变换的信号增强。采用低通滤波（即只让低频信号通过）法，可去掉图中的噪声；采用高通滤波法，则可增强边缘等高频信号，使模糊的图片变得清晰。具有代表性的空间域算法有局部求平均值法和中值滤波（取局部邻域中的中间像素值）法等，它们可用于去除或减弱噪声。
在人脸识别系统中，图像增强是最为关键的，也是最为重要的。以下简单介绍图像增强的方法:
1) 直接灰度变化增强图像
通过用对数形式的交换区先来增强，压缩了动态范围，周围的细节就可以显现清楚了。
2) 直方图均衡化
直方图均衡化（histogram equalization）是一种借助直方图变化实现灰度映射从而达到图像增强目的的方法。
其基本思想是把原始图的直方图变换为均匀分布的形式，这样就增加了象素灰度值的动态范围从而可达到增强图像整体对比度的效果。设原始图像在(x，y)处的灰度为f，而改变后的图像为g，则对图像增强的方法可表述为将在(x，y)处的灰度f映射为g。在灰度直方图均衡化处理中对图像的映射函数可定义为:g = EQ (f)，这个映射函数EQ(f)必须满足两个条件(其中L为图像的灰度级数):
5