图像处理技术在人脸识别中的应用研究

长江师范学院本科毕业设计（论文）·图像处理技术在人脸识别中的应用研究第1页共27页11引言随着我国信息技术的快速发展，诸多领域对人脸识别的迫切需求，所以人脸技术在各方面得到广泛应用，这是引起人脸识别就是在当今社会被重视的原因。加上社会的需求和发展的需要，所以在最近几年人脸识别技术在取得突破性的进展，特别是PCA人脸识别技术。人脸识别技术与其他生物识别技术（如指纹识别、签名识别、基因识别等）相比，具备以下的优点：识别精度高、速度快；隐蔽性好；直观性突出；通用性好等。人脸识别已经向自动识别和模式识别的方向发展，它是通过采集和分析比较人脸面部特征信息进行人脸识别的计算机技术，这种人脸识别技术从多个领域来研究，包括认知科学、心理学、计算机图形学、图像处理技术学、模式科学、人体生理学和可视化科学等等[1]。本文设计可以实现的功能是：首先建立图像数据库，即样本库，样本库的建立包括人脸图像预处理、样本库的添加、插入和删除；其次将待识别的人脸图像与样本库的图像进行匹配并且识别，可以识别给定场景下的静态图像识别。目前很多成功的人脸识别技术已经可以识别动态图像系列，而且可以从已知的人脸库中识别多个人脸，有的还从年龄、种族、性别、表情甚至是语音等方面来研究人脸，并且取得很好的效果[2]。人脸识别系统要解决的关键问题是：如何在复杂的图像中分割人脸、如何才能采集到人脸面部的特征、系统在识别时是否及时准确等技术问题。由于待识别的人脸图像是一个未知的图像，系统要将待处理的图像与样本库的图像进行比较，得出与待处理图像相一致或者是相似率很高的图像；接着系统在识别时对输入人脸图像进行判别分析，并将判别的结果输出，如果跟样本库的图像一致或有相似性，则接受，反之拒绝[3]。1.1人脸识别的研究目的及意义近年来我国信息技术的快速发展以及应用越来越普及，以及计算机的软硬件性能的不断提升，高效率的人脸识别技术的实现成本可以降低到了可以接受的程度。加上社会经济的快速发展，对金融贸易和安全入口方面提出更高的要求，所以人脸识别技术得到社会各界的重视。人脸识别在现今生物识别技术中应用最广泛的技术之一，虽然我国人脸识别技术起步较晚，但是在短短的几年内为广大人所知。我们平时看到的人脸识别技术运用最多的应该是在电影中：即将拍到的面部图片输入到计算机，然后与计算机中的面部图像资料进行比对，并找出与之相对的资料和记录。由于人脸识别技术拥有以上的诸多优势，所以人脸识别技术将成为一个活跃的研究领域。研究人脸识别在应用和技术研发上都有重要的意义：一是可以将研发出来的技术为社会服务，为长江师范学院本科毕业设计（论文）·图像处理技术在人脸识别中的应用研究第2页共27页2复杂领域提供服务，也可以为国家的安全保障服务；二是满足智能识别技术的应用需求。人脸识别系统的建立，利用计算机的来实现人脸的自动识别有着广泛的应用领域和诱人的应用前景。同时人脸识别与其他的人物识别技术（DNA检测、虹膜等）相比有如下的优点：采用的是自动识别方式，无需人工参与；人脸图像的采集不需要与被检测人发生接触，可以在不惊动被测对象的前提下进行[4]；人脸识别技术的图像采集只需要简单的输入设备就可以完成，如摄像头、相机、手机等都能完成，所以人脸识别在实现的过程中成本低，容易实现。1.2人脸识别国内外研究现状（1）国外研究现状近年来世界上很多国家都在研究人脸识别技术，尤其是日本，欧洲和美国在这个领域的研究较早，但是真正取得巨大突破的还是在20世纪末期，之所以取得如此成就是因为高性能计算机的出现，从而引领人脸识别技术真正的进入自动识别阶段。国外的很多大学都在深入研究人脸识别技术，而且他们研究的领域也是非常的广泛，其中有从认知科学和心理学来研究人脸识别机制的，如美国的Texasatdalls大学的Toole和Abdi小组，主要是从感知科学来研究人脸规律；英国很多大学的研究小组从人脸视觉角度来研究人脸规律；还有从生理机制和神经网络机制来研究人脸识别的方法。不管是从哪方面来研究，最终的研究方向还是从将数字化图像输入计算机来识别人脸的研究方法。通过查阅国外研究人脸识别的相关文献，得到国外在人脸识别中主要是从以下的几个当面来研究：神经网络的识别方法、基于动态链接结构的弹性图匹配方法；基于几何特征的识别方法人脸面部图像识别方法；基于模板匹配的的人脸识别方法；基于K-L变换的特征脸识别的方法。而且基于K-L变换的特征脸识别的方法广泛的应用，本文的研究也使用这个方法。（2）国内研究现状目前我国的人脸识别技术的研究主要集中在三种类型的研究方法:基于几何特征的人脸自动识别方法、基于代数特征的人脸自动识别方法、基于连接机制的人脸正面自动识别方法[5]。四川大学教授周激流实现的人脸识别系统，是具有正反馈机制，利用积分投影提取人脸特征，并用于识别的，以获得满意的效果。他还试图以“稳定视图”为特征提取方法，即识别系统包含3D的信息，他对人脸侧面投影影识别做了一定的研究，以确定一个图像轮廓外形特征研究，并实现了正，侧面互相参照的人脸识别系统。清华大学的彭辉和张长水在特征脸提取方法上做了进一步的扩展，即利用类间散布矩阵的作为特征矩阵，这个方法的提出大大降低来图像在投影时的矩阵维度，同时该方法还有保持图像的识别率，长江师范学院本科毕业设计（论文）·图像处理技术在人脸识别中的应用研究第3页共27页3从而可以保证图像的质量，并且该方法还可以减少计算难度。张辉、周鸿翔和何振亚采用主成分分析的神经网络，利用冗余和重量的照片和人脸特征提取与识别方法。使用这种方法的少量提取的特性，并且计算数据的成本更小，较好地实现了大量样品存储和快速人脸识别。1.3课题主要研究方向及解决的主要问题近年来涌现出很多关于人脸识别技术的方法人脸识别的方法，但是每种方法都有各自的优缺点，通过综合分析各种方法的优缺点以及在生活中的实用价值，本课题主要从人脸面部特征来识别人脸的方法，不涉及感知和心理分类方面，即采用的是基于代数特征的识别方法，也称为PCA（PrincipalComponentAnalysis)[6]。PCA是目前在实际应用中使用得最多的一类方法，其主要原因是由于该方法对角度，表情等因素都具有一定的稳定性，且对于光照而言，似乎效果并不太明显[7]。人脸识别系统主要有以下功能模块组成：预处理模块，人脸器官定位模块，特征提取模块，人脸图像识别模块图1.1人脸识别系统结构框架（1）图像样本库的建立。本识别系统是利用软件仿真的方法来模拟人脸识别，首先对图形库的样本进行预处理，包括对样本图灰度化处理、二值化、图像均衡化处理以及图像噪声去除等。经过处理后的图片利用PCA的特征提取方法产生样本库，可以对输入的图像进行对比并输出识别结果。（2）待识别图像的预处理。当有需要识别的图像输入时，首先要进行预处理。处理的目的是去除噪声，得到我们需要的有用信息。其包括的步骤有：去除图像灰度化、二值化、均衡化和去除噪声等。（3）人脸识别。识别的目的是将待识别的图像与样本库的图像进行进行匹配，也就是说将待处理的图像特征与样本库的图像特征进行比较，看是否有相一致的特征和相似的特征，从而达到识别的效果。识别要完成得任务是：人脸辨别，即输入的图像特征与样本库中哪个图片特征相一致，识别的过程是一对多的识别；被识别的人脸确定，即被辨别出来的人脸身份是否属实，是一对一的辨别过程。人脸辨别的工作要比人脸确认的工作要复杂得多，因为人脸辨别涉及到大量数据的匹配，在大量数据的检索和比对中，识别的效率和识别的精度是两个非常重要的指标。人脸确定是人脸辨别的简单化，长江师范学院本科毕业设计（论文）·图像处理技术在人脸识别中的应用研究第4页共27页4人脸辨别的结果直接影响到人脸的确定。（4）根据输入图像的性质，可以将被识别的图像分为静态图像人脸识别和动态图像人脸识别。前者实现的过程中相对简单，而且静态图像主要是从照片、证件、拍照得到的图像，从而进行识别；后者是用摄影机摄影而得到的动态场景，相对于静态图像，识别过程更复杂，需要的数据越来越多。由于技术原因，本课题可以识别的是静态图像。2人脸图像的预处理输入的原图像由于受到外界条件的干扰，往往不能在视觉系统中直接使用，必须对原图像进行处理，称为图像的预处理，即利用一定的操作方法来改变图像的像素点，以便达到需要的效果，比如图像更加清晰，或者是从预处理后的图像得到所需的特定信息。对于图片相对位置不合理的图片我们需要进行几何平移；对于含有噪声的图像我们需要去除噪声；为了确保后续的识别和检测能够顺利的进行，我们必须对对原图像进行灰度化等等[8]。由此看来，图像预处理模块的主要目的是为了达到改善图片的质量，将复杂的原图像转换成便于人们观察，有利于计算机识别的目的，也就是说图像预处理的好坏将会直接影响到后面检测和识别率的高低。对于彩色图像我们要利用颜色空间转换，将RGB颜色空间转换到YCrCb颜色空间，使得各种色度和亮度分量尽可能的独立，互不干扰，即图像的灰度化。2.1图像的灰度化图像一般可以分为黑白图像和彩色图像。专业的说黑白图像就是灰度图像，灰度图像只有亮度信息，不包含彩色信息，而且图像亮度的变化时连续变化的。而灰度图像则是将图片不同区域的脸色进行量化，灰度级别从0到255，总共有256个灰度级别，从0到255灰度级别是梯增的[9]。而彩色图像的颜色有红蓝绿（RGB)三中颜色混合而成，不同的图片其颜色组成不同。由于彩色图像的三种颜色是混合，要对彩色图像进行识别往往很困难，而且识别的过程中会受到复杂背景的影响，存在很多缺陷。因此，在很多成功的图像处理方法都使用灰度化图像，灰度化图像易实现识别，而且识别率高。然而我们所处理的图像基本都是彩色图像，所以需要转化成灰度图像。图像的灰度化主要由以下几个步骤完成：长江师范学院本科毕业设计（论文）·图像处理技术在人脸识别中的应用研究第5页共27页5图2.1图像的灰度流程彩色图像转化成灰度图像的公式如2-1所示（2-1）图像灰度化前后如图2.2所示：图2.2RGB图像与灰度化图像的比较2.2图像的二值化处理图像的二值化就是将灰度图像上的灰度点赋值化，将灰度点置为0或者是255，通俗的说就是将整个图片呈现为黑白效果。图像的二值化最主要的环节是找到一个合适的阀值，从而将整个图像各个部分的边缘特征分开，例如将人脸、眼睛及背景等区域轮廓分开[10]。（1）二值化的计算ColorGrayBGRBGR114.0587.0299.0114.0587.0299.0114.0587.0299.0长江师范学院本科毕业设计（论文）·图像处理技术在人脸识别中的应用研究第6页共27页6128),(,0128),(,255),(yxgyxgyxGb（2-2）公式中的),yxGb（表示原图像位于坐标的（x,y)点，),yxGb（的取值有0和255，其中0表示黑色，255表示白色。当),yxGb（大于等于128像素点时函数等于255，即用白色来表示；当),yxGb（小于128时函数等于0，即用黑色表示。（3）图像二值化后的效果图2.3灰度化图像与二值化图像的比较2.3直方图均衡化直方图的均衡化就是将原图像的灰度值进行非线性变换，使得原图形的直方图形成均匀分布，以增加图像灰度值的动态范围，从而可以增加图像的对比度，使得原图形变得更清晰。图像的直方图均衡化的计算包含以下步骤：（1）列出原图形和变换后图像的灰度级1,,1,0:Lkfk，其中L是灰度等级总数（2）计算直方图各灰度等级的出现总数长江师范学院本科毕业设计（论文）·图像处理技术在人脸识别中的应用研究第7页共27页7nnrpkkr)(（2-3）其中kn表示原图形各灰度级的像素个数1,,1,0Lk;n表示原图像的像素总个数。（3）计算累积直方图1010)()(LkkLkkrknnrprTp（2-4）（4）计算输出图像的灰度等级ig)]5.0)[(minminmaxgpggINTgki（2-5）其中P为输出图像的灰度级个数，公式中