數(shù)字圖像處理技術(shù)基于Matlab的人臉檢測(cè)

2013-2014第（2）學(xué)期理學(xué)院實(shí)踐教學(xué)成績(jī)?cè)u(píng)定表實(shí)踐教學(xué)項(xiàng)目數(shù)字圖像處理專業(yè)……學(xué)生姓名……班級(jí)學(xué)號(hào)……評(píng)語組長(zhǎng)簽字:成績(jī)?nèi)掌?013-2014第（2）學(xué)期理學(xué)院實(shí)踐教學(xué)任務(wù)書學(xué)院……專業(yè)……學(xué)生姓名……班級(jí)學(xué)號(hào)……實(shí)踐教學(xué)項(xiàng)目數(shù)字圖像處理實(shí)踐題目基于Matlab的人臉檢測(cè)實(shí)踐教學(xué)要求及任務(wù):能對(duì)選題做理論分析，討論理論可行性。2．能設(shè)計(jì)一套切實(shí)可行的實(shí)驗(yàn)方案，能夠驗(yàn)證預(yù)期達(dá)到的效果。4．能利用計(jì)算機(jī)獲取數(shù)字圖像數(shù)據(jù)。5、能編程實(shí)現(xiàn)對(duì)數(shù)字圖像數(shù)據(jù)進(jìn)行處理、并能夠?qū)?shù)據(jù)處理結(jié)果進(jìn)行分析。6、如果數(shù)據(jù)處理結(jié)果不夠理想，能夠找到問題所在，并提出改進(jìn)意見。7、能按要求格式撰寫課程設(shè)計(jì)報(bào)告。報(bào)告要求格式、正確思路清晰、結(jié)構(gòu)完整、實(shí)驗(yàn)數(shù)據(jù)真實(shí)、分析結(jié)論正確。對(duì)課程設(shè)計(jì)總體方案要進(jìn)行詳細(xì)地說明8、獨(dú)立按時(shí)完成規(guī)定的工作任務(wù)，不得弄虛作假，不準(zhǔn)抄襲他人內(nèi)容。9、在設(shè)計(jì)過程中，要嚴(yán)格要求自己，樹立嚴(yán)肅、嚴(yán)密、嚴(yán)謹(jǐn)?shù)目茖W(xué)態(tài)度，必須按時(shí)、按質(zhì)、按量完成課程設(shè)計(jì)。工作計(jì)劃及進(jìn)度安排:12周周五—14周周一：選題、收集資料14周周一—15周周五：撰寫開題報(bào)告15周周五—16周周五：設(shè)計(jì)、實(shí)驗(yàn)、數(shù)據(jù)分析16周周五—17周周四：撰寫報(bào)告17周周五提交報(bào)告。指導(dǎo)教師：年月日專業(yè)負(fù)責(zé)人：年月日學(xué)院院長(zhǎng)：年月日摘要人臉識(shí)別是一門新興的科研項(xiàng)目，起始于上個(gè)世紀(jì)60年代。經(jīng)過幾十年的發(fā)展，現(xiàn)已成為一項(xiàng)最有上升潛力的人體特征識(shí)別技術(shù)。具有廣泛的應(yīng)用前景，它的工作原理是借由的生物特征來確認(rèn)生物個(gè)體，報(bào)告利用MATLAB軟件實(shí)現(xiàn)人臉信息的檢測(cè)及識(shí)別，在輸入的整幅圖像中尋找人臉區(qū)域，把圖像分割成兩個(gè)部分——人臉區(qū)域和非人臉區(qū)域，從而為后續(xù)的應(yīng)用做準(zhǔn)備。報(bào)告利用YCbCr空間以及二值圖像實(shí)現(xiàn)人臉邊緣分割，將真彩圖像轉(zhuǎn)換為YCbCr圖像，根據(jù)面部肌膚在YCbCr色度空間的分布范圍，設(shè)定門限閥值，實(shí)現(xiàn)人臉區(qū)域及非人臉區(qū)域的分割，通過膨脹腐蝕等一系列運(yùn)算剔除干擾因素，再結(jié)合長(zhǎng)寬比、目標(biāo)面積等計(jì)算方法在圖像中分割出人臉區(qū)域，經(jīng)試驗(yàn)，該方法能夠排除面部表情、發(fā)型、衣著背景等干擾而確定人臉區(qū)域。關(guān)鍵詞：Matlab程序;YCbCr色度空間;灰度圖像;人臉檢測(cè)

目錄摘要 3一、緒論 51.1本文研究的問題 51.2Matlab基本功能介紹 6二、人臉識(shí)別的設(shè)計(jì)方案與理論分析 72.1YCbCr色彩空間變換 72.2灰度圖像轉(zhuǎn)換 72.3灰度圖像噪聲消除 92.4灰度圖像填孔 102.5灰度圖像重構(gòu) 102.6灰度圖像邊緣檢測(cè) 112.7人臉區(qū)域確定 12三、人臉識(shí)別的Matlab實(shí)現(xiàn) 14四、結(jié)論 17參考文獻(xiàn) 18

一、緒論早在20世紀(jì)六十年代，人臉識(shí)別的研究就以經(jīng)開始起步，到了今天，這項(xiàng)研究已經(jīng)越發(fā)的成熟。根據(jù)計(jì)算機(jī)的發(fā)展規(guī)模可將其分為三個(gè)階段：在1963年至1991年期間，人臉識(shí)別只是作為一種針對(duì)事物外形，現(xiàn)象進(jìn)行識(shí)別描述的技術(shù)來研究，所針對(duì)的人臉圖像具有較強(qiáng)的約束條件，比如不提供圖像背景或圖像背景不會(huì)對(duì)識(shí)別產(chǎn)生干擾，再其次用于研究的圖片中人臉部位總是處于任意獲得的位置，因此在這一時(shí)期人臉識(shí)別技術(shù)還未受到人們的重視。之后的1991年到1997年期間，借助計(jì)算機(jī)技術(shù)的革新以及各類工程軟件的出現(xiàn)，人臉識(shí)別技術(shù)得到了噴發(fā)式的發(fā)展。在商業(yè)領(lǐng)域上的應(yīng)用被人們不斷的發(fā)掘出來，由此誕生了若干具有代表性的人臉識(shí)別算法，其中最為著名的便是美國(guó)軍方的FaceIt系統(tǒng)。1998年至今，電子商務(wù)領(lǐng)域，安全領(lǐng)域等方面對(duì)人臉識(shí)別技術(shù)的創(chuàng)新需求越發(fā)迫切。人臉識(shí)別研究的重點(diǎn)也逐漸傾向于人臉形體，圖像亮度等問題。及此同時(shí)，人臉識(shí)別的商業(yè)應(yīng)用進(jìn)一步提高，進(jìn)入21世紀(jì)，人臉識(shí)別技術(shù)的研發(fā)碩果越發(fā)豐盛，活動(dòng)圖像專家組（MPEG）已將人臉檢測(cè)算法征集進(jìn)了人臉識(shí)別草案小組的范圍之內(nèi)。清華大學(xué)，北京工業(yè)大學(xué)，中國(guó)科學(xué)院計(jì)算計(jì)研究所和自動(dòng)化研究所等，人臉識(shí)別技術(shù)已經(jīng)成為一項(xiàng)世界性的課題受到世人的高度關(guān)注，其技術(shù)上的創(chuàng)新將會(huì)給人們的生活帶來方方面面的便利。1.1本文研究的問題本文介紹了人臉圖像識(shí)別中所應(yīng)用MATLAB對(duì)圖像進(jìn)行預(yù)處理，對(duì)圖像進(jìn)行處理,通過實(shí)例來應(yīng)用Matlab圖像處理功能，對(duì)某一特定的人臉圖像處理，進(jìn)而應(yīng)用到人臉識(shí)別系統(tǒng)。本文在總結(jié)分析人臉識(shí)別系統(tǒng)中幾種常用的圖像預(yù)處理方法基礎(chǔ)上，利用MATLAB實(shí)現(xiàn)了一個(gè)集多種預(yù)處理方法于一體的基于膚色的人臉圖像預(yù)處理仿真系統(tǒng)。

1.2Matlab基本功能介紹圖像是人類獲取信息、表達(dá)信息和傳遞信息的重要手段。利用計(jì)算機(jī)對(duì)圖像進(jìn)行去除噪聲、增強(qiáng)、復(fù)原、分割、提取特征等的理論、方法和技術(shù)稱為數(shù)字圖像處理。數(shù)字圖像處理技術(shù)已經(jīng)成為信息科學(xué)、計(jì)算機(jī)科學(xué)、工程科學(xué)、地球科學(xué)等諸多方面的學(xué)者研究圖像的有效工具。數(shù)字圖像處理主要包括圖像變換、圖像增強(qiáng)、圖像編碼、圖像復(fù)原、圖像重建、圖像識(shí)別以及圖像理解等內(nèi)容。1、圖像處理的基本操作讀取和顯示圖像可以通過imread()和imshow()來實(shí)現(xiàn);圖像的輸出用imwrite()函數(shù)就可以很方便的把圖像輸出到硬盤上;另外還可以用imcrop()、imrisize()、imrotate()等來實(shí)現(xiàn)圖像的裁剪、縮放和旋轉(zhuǎn)等功能。2、圖像類型的轉(zhuǎn)換Matlab支持多種圖像類型,但在某些圖像操作中,對(duì)圖像的類型有要求,所以要涉及到對(duì)圖像類型進(jìn)行轉(zhuǎn)換。Matlab7.0圖像處理工具箱為我們提供了不同圖像類型相互轉(zhuǎn)換的大量函數(shù),如mat2gray()函數(shù)可以將矩陣轉(zhuǎn)換為灰度圖像,rgb2gray()轉(zhuǎn)換RGB圖像或顏色映像表為灰度圖像。在類型轉(zhuǎn)換的時(shí)候,我們還經(jīng)常遇到數(shù)據(jù)類型不匹配的情況,針對(duì)這種情況,Matlab7.0工具箱中,也給我們提供了各種數(shù)據(jù)類型之間的轉(zhuǎn)換函數(shù),如double()就是把數(shù)據(jù)轉(zhuǎn)換為雙精度類型的函數(shù)。3、邊緣檢測(cè)數(shù)字圖像的邊緣檢測(cè)是圖像分割、目標(biāo)區(qū)域識(shí)別、區(qū)域形狀提取等圖像分析領(lǐng)域十分重要的基礎(chǔ),也是圖像識(shí)別中提取圖像特征的一個(gè)重要屬性。邊緣檢測(cè)算子可以檢查每個(gè)像素的鄰域并對(duì)灰度變化率進(jìn)行量化,也包括對(duì)方向的確定,其中大多數(shù)是基于方向?qū)?shù)掩模求卷積的方法。常用的有Sobel算子,Prewitt算子,Roberts算子,Log算子等。Matlab7.0工具箱中提供的edge()函數(shù)可以進(jìn)行邊緣檢測(cè),在其參數(shù)里面,可以根據(jù)需要選擇合適的算子及其參數(shù)。

二、人臉識(shí)別的設(shè)計(jì)方案及理論分析2.1YCbCr色彩空間變換光照強(qiáng)度的不同、人臉膚色的不同、圖片背景的不同往往導(dǎo)致每張圖片都具有自身的特色，將人臉區(qū)域從背景、衣著、發(fā)型等非人類區(qū)域中分割出來。一般使用的RGB圖片不適合于建立人臉皮膚模型，因?yàn)樵赗GB空間中，使用三基色（紅綠藍(lán)）表示圖片的亮度以及顏色。在不同的環(huán)境下光照條件的改變，很難將膚色點(diǎn)從非膚色點(diǎn)中分離出來，如果在RGB圖像上進(jìn)行處理，將產(chǎn)生離散的膚色點(diǎn)，圖片中間嵌有很多的非膚色點(diǎn)，提高了人臉檢測(cè)的難度，容易產(chǎn)生不可靠的膚色分割。解決方法是隔離顏色表達(dá)式中的亮度信息及色度信息，充分利用色度空間中膚色所表示出來的聚類性。為此需要?jiǎng)?chuàng)造這樣一個(gè)色彩空間，這個(gè)空間能把R、G、B所代表的色度信息及亮度信息分開表示。色彩空間常用的轉(zhuǎn)換顏色模型主要有：YIQ、YCbCr、HSV等。這里，采用YCbCr色彩空間作為報(bào)告的設(shè)計(jì)空間。YCbCr色彩空間一般是在數(shù)字視頻領(lǐng)域內(nèi)應(yīng)用于高品質(zhì)的視頻播放。在這種色彩空間中，用單個(gè)分量Y來表示亮度信息，用兩個(gè)色差分量Cb和Cr來存儲(chǔ)彩色信息。其中分量Cb表示藍(lán)色分量和一個(gè)參考值的差，分量Cr表示紅色分量和一個(gè)參考值的差。RGB轉(zhuǎn)換為YCbCr所用的變換公式是：Matlab的轉(zhuǎn)換函數(shù)是：YCBCR=rgb2ycbcr(RGB)。2.2灰度圖像轉(zhuǎn)換灰度圖像就是一個(gè)數(shù)組描述，通常由一個(gè)uint8、uint16或雙精度類型表示，是使用一個(gè)特殊的圖像來表示圖片中的所有像素。這個(gè)特殊圖像就是灰度，一般表示為圖像的最黑暗色到圖像的最白亮色?；叶葓D像不同于黑白圖像，黑白圖像只有0、1兩種取值顏色，而灰度圖像的實(shí)質(zhì)是一個(gè)數(shù)據(jù)矩陣，該矩陣中使用了一定范圍內(nèi)的灰度級(jí)來代表圖片中的數(shù)據(jù)，每一個(gè)元素對(duì)應(yīng)著圖像中的一個(gè)像素點(diǎn)，灰度級(jí)的取值范圍[0,255]。（0代表黑色，255代表白色）。在數(shù)字圖像中，不同的膚色在YCbCr彩色空間內(nèi)呈現(xiàn)不同的聚類分布，分布在很小的范圍，其色度上的區(qū)別遠(yuǎn)大于在亮度上的區(qū)別，同樣的膚色在YCbCr彩色空間中，在不同的光照條件下只有亮度值Y會(huì)隨之改變。不同的膚色可以具有相同的2D模型G(m，V^2)。為此借助設(shè)定門限值實(shí)現(xiàn)膚色的區(qū)分。本文，我們用圖2.1為例進(jìn)行試驗(yàn)：圖2.1實(shí)驗(yàn)原圖圖圖2.2經(jīng)YCbCr二值化后的圖像由于人體膚色在YCbCr色度空間的灰度范圍為：進(jìn)行如下處理：Sum=0;iptsetpref('ImshowBorder,'tight')f=imread('d:/jiuge.jpg');Ori_Face=f;Copy=f;img=f;f=rgb2ycbcr(f);f_cb=f(:,:,2);f_cr=f(:,:,3);f=(f_cb>=100)&(f_cb<=127)&(f_cr>=138)&(f_cr<=170);figure(1);imshow(f);imwrite(f,’d:/jiuge2.jpg’,‘jpg’)運(yùn)行結(jié)果如圖2.2。

2.3灰度圖像噪聲消除在轉(zhuǎn)換后圖片出現(xiàn)了噪聲，這里采用開閉運(yùn)算的方法消除噪聲。這里涉及到了形態(tài)學(xué)描述。腐蝕是二值圖像的形態(tài)操作，具體作用是將圖像變得細(xì)小，腐蝕的大小及程度取決于事先所設(shè)定的結(jié)構(gòu)元素。程序及結(jié)果如下：i=imread('d:/jiuge2.jpg');%載入圖片imshow(i);%顯示圖片se=strel('line',5,3);%生成線形結(jié)構(gòu)元素i2=imerode(i,se);%用線形結(jié)構(gòu)元素來進(jìn)行腐蝕操作imshow(i2)%顯示腐蝕結(jié)果運(yùn)行結(jié)果如圖2.3。圖2.3經(jīng)腐蝕處理后的圖像開啟運(yùn)算就是將膨脹及腐蝕通過各種方式進(jìn)行整合的運(yùn)算，其間使用相同的結(jié)構(gòu)元素。在數(shù)字圖像處理中的作用通常是起到平滑圖像輪廓，消除圖像邊緣毛刺，截?cái)嗒M窄的山谷。舉例程序及結(jié)果如下：i=imread('d:/jiuge2.jpg');imshow(i)%顯示原圖se=strel('square',3);%定義方形結(jié)構(gòu)元素i2=imopen(i,se);%進(jìn)行開運(yùn)算imshow(i2)運(yùn)行結(jié)果如圖2.4。

圖2.4經(jīng)開啟運(yùn)算后的圖像圖2.5經(jīng)閉合運(yùn)算后的圖像閉合運(yùn)算同樣能平滑圖像邊緣，及開啟運(yùn)算相反，它一般能融合窄的缺口和細(xì)長(zhǎng)的彎口，去掉小洞，填補(bǔ)輪廓上的縫隙。程序如下：i=imread('d:/jiuge2.jpg');imshow(i)%顯示原圖se=strel('square',9);%定義方形結(jié)構(gòu)元素i2=imclose(i,se);%進(jìn)行閉運(yùn)算imshow(i2)運(yùn)行結(jié)果如圖2.5。2.4灰度圖像填孔圖像的填孔處理是將一些不必要的小孔填充掉，使得圖像更加簡(jiǎn)單，易于處理。其小孔是指較亮像素包圍的暗像素區(qū)。標(biāo)記一副圖像為m，該圖像的邊緣部分的值為fm，其余部分的值為0：調(diào)用程序?yàn)椋篻=imfill(f,'holes')2.5灰度圖像重構(gòu)在形態(tài)學(xué)中，腐蝕通常會(huì)除去小的對(duì)象，而隨后的膨脹往往會(huì)還原所保留對(duì)象的形狀，然而，這種還原的精度取決于形狀和結(jié)構(gòu)元素之間的相似性。在這里，采用重構(gòu)做開運(yùn)算，用于恢復(fù)圖片之后的對(duì)象形狀。圖像重構(gòu)是數(shù)字圖像處理的重要組成部分，其工作原理是以選定圖像的圖像特征對(duì)標(biāo)記圖像進(jìn)行一系列的膨脹運(yùn)算，通過運(yùn)算對(duì)選定圖像中的重要部分起到強(qiáng)調(diào)作用。標(biāo)記圖像的峰值作為膨脹運(yùn)算的起始點(diǎn)，結(jié)果重復(fù)的膨脹過程，以圖像的像素值穩(wěn)定作為終止。程序及結(jié)果如下：i=imread('d:/jiuge2.jpg');%載入圖片，作為掩模圖片imshow(i)fe=imerode(i,ones(5,1));%用線形結(jié)構(gòu)元素進(jìn)行腐蝕操作fo=imopen(i,ones(5,1));%用線形元素做開運(yùn)算fobr=imreconstruct(fe,i);%使用線形元素由重構(gòu)做開運(yùn)算imshow(fobr)se=strel('square',8);f=imerode(f,se);f=imdilate(f,se);imshow(f);運(yùn)行結(jié)果如圖2.6圖2.6圖像重構(gòu)圖2.7對(duì)二值化后圖像的邊緣檢測(cè)2.6灰度圖像邊緣檢測(cè)對(duì)于一副圖像，人們所需要提取圖片及背景的分界線就是邊緣。不斷變化的灰度值產(chǎn)了邊緣，邊緣存在兩個(gè)不相同的灰度區(qū)域之間。邊緣檢測(cè)是一種提取邊緣點(diǎn)集的算法，使用Matlab自帶的邊緣增強(qiáng)算子，將圖像的邊緣部分加以突出，通過定義圖像邊緣以及設(shè)定閥值最終提取閥值。使用函數(shù)bwperim提取包含在圖像f中的對(duì)象的邊界，其語法格式為：bw=bwperim(A,conn)其中A為輸入的二值圖像；conn為二位圖像的領(lǐng)域類別，取值4或8（決定于希望的是4連接還是8連接，一般默認(rèn)為8）。程序如下：i=imread('d:/jiuge2.jpg');%裝入圖片，bw=im2bw(i);%變換為二值圖像f=bwperim(bw);%提取周長(zhǎng)imshow(f)%顯示結(jié)果運(yùn)行的結(jié)果如圖2.7。2.7人臉區(qū)域確定在錄入的真彩圖片中，人臉的最大長(zhǎng)度（指在圖片中的距離）為2.00厘米，寬度在1.3厘米左右浮動(dòng)。如果只是簡(jiǎn)單的對(duì)人臉的長(zhǎng)度，寬度進(jìn)行限定，通過閾值進(jìn)行排除，所得到的程序是不能適用到圖片上的所有部位。對(duì)此，可使用長(zhǎng)寬比，借由比值來第一步限定人臉區(qū)域。在長(zhǎng)寬比限定的基礎(chǔ)上，可以對(duì)剩余的物體進(jìn)行第二步驟，在錄入的RGB圖片中，人臉的大小是有一定限制的，在得到的灰度圖像上，人臉的灰度維數(shù)通過多次的設(shè)定修改，最終限定在1400一下，凡大于這個(gè)數(shù)值的問題均歸類到非人臉區(qū)域。如果圖片中的物體，它的長(zhǎng)寬比符合條件，維數(shù)符合條件，但是它的邊緣輪廓有內(nèi)陷外凸，拉長(zhǎng)變形等奇怪的形狀，一樣是不屬于人臉的范疇。對(duì)此，筆者對(duì)物體矩形面積及實(shí)際面積的比例設(shè)定一個(gè)閾值，借由這個(gè)閾值進(jìn)行最終的人臉區(qū)域確定。人臉區(qū)域的確定方法如下：（1）在輸入的真彩照片中，人臉的長(zhǎng)寬比例應(yīng)在0.75到1.75之間，凡不在此范圍內(nèi)的均認(rèn)為是非人臉區(qū)域，刪除之。（2）在符合上述條件下，若目標(biāo)區(qū)域面積過大，則認(rèn)定為非人臉區(qū)域，刪除。經(jīng)測(cè)算，在二值圖像中，人臉維數(shù)應(yīng)小于1400.（3）人臉部位的矩形面積設(shè)定area_sq=人臉區(qū)域長(zhǎng)度*寬度，人臉實(shí)際面積設(shè)定area,當(dāng)area/area_sq值小于0.65,則認(rèn)定該部位不是人臉區(qū)域。條件1排除了圖片中及人臉膚色相近但長(zhǎng)寬不符合要求的區(qū)域。條件2剔除了比例相同但面積不符合的區(qū)域，第二次對(duì)圖片進(jìn)行劃分，賽選。條件3借助最大和實(shí)際面積的比值，將色調(diào)相近的四肢等部位去除。具體程序如下：[L,num]=bwlabeln(f,4);fori=1:num;[r,c]=find(L==i);%返回矩陣X中非零元素的行和列的索引r_temp=max(r)-min(r);%計(jì)算長(zhǎng)度c_temp=max(c)-min(c);%計(jì)算寬度temp=size(r);%計(jì)算數(shù)組r的每一維大小賦值給temp文件sum=sum+temp(1);area_sq=r_temp*c_temp;%計(jì)算矩形面積area=size(find(L==i),1);%目標(biāo)區(qū)面積ratio=area/area_sq;%將結(jié)果賦值于ratioif(r_temp/c_temp<0.75)|(r_temp/c_temp>1.75)|temp(1)<1400|ratio<0.65forj=1:temp(1);L(r(j),c(j))=0; endelse continue;endend

三、人臉識(shí)別的Matlab實(shí)現(xiàn)以上已經(jīng)介紹了人臉識(shí)別的基本思路和方法，在上面介紹的處理方法中，各步的處理都是在對(duì)圖像二值化后的圖像的基礎(chǔ)上進(jìn)行的，以直觀的看出各種處理所帶來的處理效果，只要將以上各種處理的方法一步一步地鏈接起來，每一步都是在上一步的基礎(chǔ)上進(jìn)行處理，這樣就能得到我們想要的圖像。這里，我們還是以圖2.1為例，進(jìn)行Matlab仿真，其程序?yàn)椋簊um=0;f=imread('d:/jiuge.jpg');I=rgb2gray(f);iptsetpref('ImshowBorder','tight')Ori_Face=f;copy=f;img=f;f=rgb2ycbcr(f);f_cb=f(:,:,2);f_cr=f(:,:,3);f=(f_cb>=100)&(f_cb<=127)&(f_cr>=138)&(f_cr<=170);figure(1);imshow(f);se=strel('square',3);f=imopen(f,se);f=imclose(f,se);figure(2),imshow(f);f=imfill(f,'holes');figure(3),imshow(f);se1=strel('square',8);f=imerode(f,se1);f=imdilate(f,se1);figure(4),imshow(f);[L,num]=bwlabeln(f,4);fori=1:num;[r,c]=find(L==i);r_temp=max(r)-min(r);c_temp=max(c)-min(c);temp=size(r);sum=sum+temp(1);area_sq=r_temp*c_temp;area=size(find(L==i),1);ratio=area/area_sq;if(r_temp/c_temp<0.75)|(r_temp/c_temp>1.4)|temp(1)<1400|ratio<0.55 forj=1:temp(1);L(r(j),c(j))=0;endelsecontinue;endendL=bwperim(L,8);L=uint8(L);z=find(L(:)>0);L(z)=255;figure(5),imshow(L);BW=im2bw(L);M=bwlabel(BW,8);BB=regionprops(M,'BoundingBox');BB1=struct2cell(BB);BB2=cell2mat(BB1);[s1s2]=size(BB2);mx=0;fork=3:4:s2-1p=BB2(1,k)*BB2(1,k+1);ifp>mx&(BB2(1,k)/BB2(1,k+1))<1.8mx=p;j=k;endendfigure(6),imshow(L);rectangle('Position',[BB2(1,j-2),BB2(1,j-1),BB2(1,j),BB2(1,j+1)],'EdgeColor','g')figure(7),imshow(img);holdon;rectangle('Position',[BB2(1,j-2),BB2(1,j-1),BB2(1,j),BB2(1,j+1)],'EdgeColor','g')這些程序的每次處理都是在上一個(gè)處理步驟的基礎(chǔ)上，連成一個(gè)完整的程序，檢測(cè)出頭像后就會(huì)顯示出頭像的邊緣，然后通過計(jì)算，在人臉的周圍繪制出一個(gè)矩形框，并顯示在原圖上。以下是經(jīng)過仿真得到的結(jié)果：figure(7)為人臉識(shí)別結(jié)果，可見，該方案的識(shí)別效果良好，可以識(shí)別出人臉的位置。figure(1)figure(2)figure(3)figure(4)figure(5)figure(6)figure(7)（人臉識(shí)別結(jié)果）

四、結(jié)論人臉識(shí)別容易受光照條件、面部表情、背景等影響，為此，在第一步就將RGB空間轉(zhuǎn)換為YCbCr空間，剔除光照因素，轉(zhuǎn)換灰度圖像剔除背景因素，之后的填孔重構(gòu)等一系列動(dòng)作則把面部表情等影響排除，只留下符合要求的臉型。再之后通過測(cè)量、計(jì)算一步步的限定長(zhǎng)寬比、目標(biāo)面積的范圍限定來剔除干擾區(qū)域，從而確定臉部區(qū)域。最后利用邊緣檢測(cè)給予識(shí)別出來的臉部加框，實(shí)驗(yàn)結(jié)束。從結(jié)果上看，本文使用的方法是有一定的局限性。首先，圖片所拍攝下的人臉必須是正對(duì)著攝像機(jī)鏡頭，對(duì)于俯視，側(cè)視的拍攝并識(shí)別人臉，在目前看來仍然是一個(gè)世界性的研究課題。其次，如結(jié)果圖左起第一位所示，筆者所使用的方法不能有效的將人臉鎖骨部分在圖片中剔除，因?yàn)楫?dāng)真彩圖片轉(zhuǎn)換為YCbCr空間時(shí)人臉的下顎和脖頸，鎖骨部分是默認(rèn)為不具有層次感的，直接作為一張灰度圖片存儲(chǔ)到計(jì)算機(jī)中進(jìn)行后續(xù)處理，這是還需改進(jìn)的地方，所以最好用于識(shí)別穿高領(lǐng)的人臉，就像本文所選的圖片。對(duì)基于Matlab人臉識(shí)別技術(shù)從理論和實(shí)踐上分別給予了淺層次的探討和一定的研究。在對(duì)國(guó)內(nèi)外文獻(xiàn)大量閱讀的基礎(chǔ)上，對(duì)基于Matlab的人臉初識(shí)別做了詳細(xì)的綜述。深入研究了對(duì)人臉識(shí)別