數(shù)字圖像處理課程設(shè)計——人臉檢測與識別

1、精選優(yōu)質(zhì)文檔-傾情為你奉上數(shù)字圖像處理課程設(shè)計人臉檢測與識別課程設(shè)計1、 簡介人臉檢測與識別是當(dāng)前模式識別領(lǐng)域的一個前沿課題，人臉識別技術(shù)就是利用計算機技術(shù)，根據(jù)數(shù)據(jù)庫的人臉圖像，分析提取出有效的識別信息，用來“辨認(rèn)”身份的技術(shù)。人臉識別是模式識別研究的一個熱點, 它在身份鑒別、信用卡識別, 護(hù)照的核對及監(jiān)控系統(tǒng)等方面有著廣泛的應(yīng)用。人臉圖像由于受光照、表情以及姿態(tài)等因素的影響, 使得同一個人的臉像矩陣差異也比較大。因此, 進(jìn)行人臉識別時, 所選取的特征必須對上述因素具備一定的穩(wěn)定性和不變性. 主元分析(PCA)方法是一種有效的特征提

2、取方法,將人臉圖像表示成一個列向量, 經(jīng)過PCA 變換后, 不僅可以有效地降低其維數(shù), 同時又能保留所需要的識別信息, 這些信息對光照、表情以及姿態(tài)具有一定的不敏感性. 在獲得有效的特征向量后, 關(guān)鍵問題是設(shè)計具有良好分類能力和魯棒性的分類器. 支持向量機(SVM ) 模式識別方法,兼顧訓(xùn)練誤差和泛化能力, 在解決小樣本、非線性及高維模式識別問題中表現(xiàn)出許多特有的優(yōu)勢。 本此課程設(shè)計基于MATLAB，將檢測與識別分開進(jìn)行。其中檢測部分使用實驗指導(dǎo)書上的膚色模型算法進(jìn)行，不進(jìn)行

3、贅述。識別部分采用PCA算法對檢測出的人臉圖像進(jìn)行特征提取, 再利用最鄰近距離分類法對特征向量進(jìn)行分類識別，將在后文具體表述。仿真結(jié)果驗證了本算法是有效的。2、 人臉檢測1. 源碼img=imread('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&

4、amp;R>B;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)&(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(

5、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&(BB2(1,k)/BB2(1,k+1)<1.8 mx=p; j=k; hold on; rectangle('position',BB2(1,j-2),BB2(1,j-1),BB2(1,j),BB2(1,j+1),'linewidth',3,

6、9;edgecolor','r'); hold off; endend2.處理過程 3、 人臉識別1. 算法簡述在Matlab 2012a版本中添加了對PCA算法的支持，由于水平有限我選擇直接調(diào)用。在本次課程設(shè)計中，PCA算法又分為樣本訓(xùn)練和人臉識別兩個過程，在樣本訓(xùn)練階段，將樣本庫（每組15張共15組人臉圖像，對每組前11張進(jìn)行特征提取用于訓(xùn)練，后4張用于檢測）中的人臉圖像轉(zhuǎn)換為特征向量表示，并投影到PCA子空間，最終將這些向量數(shù)據(jù)保存到訓(xùn)練數(shù)據(jù)庫中。而在識別階段，同樣將待識別的人臉圖像使用PCA子空間的向量表示，通過計算待識別圖像的向量與樣本中的向量之間的距離，尋找

7、其中最相近的人臉圖像，作為識別結(jié)果。2. 源碼clearclc% 樣本數(shù)量15*11people_count=15;face_count_per_people=11;% 訓(xùn)練比率,設(shè)置為75%識別正確率可達(dá)100%training_ratio=.75;% 能量energy=90;training_count=floor(face_count_per_people*training_ratio);training_samples=;path_mask='D:pca_face_rec%03d%02d.jpg' % 訓(xùn)練for i=1:people_count for j=1:tra

8、ining_count img=im2double(imread(sprintf(path_mask,i,j); img=imresize(img,10 10); % 歸一化至50*50 if ndims(img)=3 img=rgb2gray(img); end training_samples=training_samples;img(:)' endendmu=mean(training_samples);coeff,scores,explained=pca(training_samples);idx=find(cumsum(explained)>energy,1);coef

9、f=coeff(:,1:idx);scores=scores(:,1:idx); % 測試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,s

10、ize(scores,1),1).2,2); if ceil(idx/training_count)=i acc_count=acc_count+1; end endendtest_count=(people_count*(face_count_per_people-training_count);acc_ratio=acc_count/test_count;fprintf('測試樣本數(shù)量:%d,正確識別率:%2.2f%',test_count,acc_ratio*100)3. 仿真結(jié)果及說明樣本庫舉例：結(jié)果為：測試樣本數(shù)量:45,正確識別率:100.00%4、 總結(jié) 人臉識別是一個多學(xué)科領(lǐng)域的挑戰(zhàn)性難題，近30年來人臉識