圖像人臉區(qū)域隱私保護系統(tǒng)設(shè)計

年4月19日圖像人臉區(qū)域隱私保護系統(tǒng)設(shè)計文檔僅供參考，不當之處，請聯(lián)系改正。課程設(shè)計說明書題目：圖像人臉區(qū)域隱私保護系統(tǒng)設(shè)計課程：數(shù)字圖像處理課程設(shè)計院（部）：信息與電氣工程學院專業(yè)：電子信息工程班級：學生姓名：學號：指導教師：完成日期：目錄摘要……………………………31設(shè)計目的…………………42設(shè)計要求………………….53設(shè)計內(nèi)容………………….63.1、具體設(shè)計………………………….63．1．1、圖像輸入設(shè)計………………………63．1．2、圖像膚色區(qū)分設(shè)計………………73．1．3、對膚色圖進行修補處理設(shè)計………………73．1．4、網(wǎng)格標記圖像設(shè)計………………72．1、5、人臉識別標記………………………93．1．6、對原圖像進行臉部模糊處理………………10總結(jié)與致謝…………………11參考文獻………………………12附錄………………………..13摘要近年來隨著科技和人們的生活水平的提高，生物特征識別技術(shù)在近幾十年中飛速發(fā)展。作為人的一種內(nèi)在屬性，而且具有很強的自身穩(wěn)定性及個體差異性，生物特征成為了自動身份驗證的最理想依據(jù)。人臉識別由于具有直接，友好，方便的特點，使用者易于為用戶所接受，從而得到了廣泛的研究與應(yīng)用。除此之外，我們還能夠?qū)θ四樧R別的結(jié)果作進一步的分析，得到有關(guān)人的性別，表情，年齡等諸多額外的豐富信息，擴展了人臉識別的應(yīng)用前景。人臉是準確鑒定一個人的身份，推斷出一個人的種族、地域，地位等信息的重要依據(jù)。科學界從圖像處理、計算機視覺等多個學科對人臉進行研究。人臉識別在滿足人工智能應(yīng)用和保護信息安全方面都有重要的意義，是當今信息化時代必須解決的問題。本設(shè)計用MATLAB對圖像的讀取，在識別前，先對圖像進行處理，再經(jīng)過膚色獲得可能的臉部區(qū)域，最后根據(jù)人臉固有眼睛的對稱性來確定是否就是人臉，同時采用高斯平滑來消除圖像的噪聲，再進行二值化，二值化主要采用局域取閾值方法，接下來就進行定位、提取特征值和識別等操作。經(jīng)過測試，圖像預處理模塊對圖像的處理達到了較好的效果，提高了定位和識別的正確率。為保護當事人或行人的隱私權(quán)，需要將圖像中當事人的人臉區(qū)域作模糊，實現(xiàn)圖像中人臉區(qū)域隱私保護。關(guān)鍵詞：人臉識別；圖像處理；圖像模糊1設(shè)計目的隨著社會的發(fā)展和技術(shù)的進步，特別是近年來計算機在軟硬件方面性能的飛速提升，各應(yīng)用領(lǐng)域?qū)焖俑咝У纳矸蒡炞C的要求日益迫切。由于生物特征是人的內(nèi)在屬性，具有很強的自身穩(wěn)定性和個體差異性，因此成為身份驗證的最理想依據(jù)。其中，利用人臉特征進行身份驗證又是最自然最直接的手段。人臉識別系統(tǒng)與指紋、虹膜、掌紋等其它人體生物特征識別系統(tǒng)相比，更加友好、方便，更易于為用戶所接受。所謂人臉識別(FaceRecognition)，分析人臉圖像，從中提取有效的識別信息，用來辨別身份的一門技術(shù)。即，對己知人臉進行標準化處理后，經(jīng)過某種方法和數(shù)據(jù)庫中的人臉標本進行匹配，尋找?guī)熘袑?yīng)人臉及該人臉的相關(guān)信息。人臉識別技術(shù)應(yīng)用背景十分廣泛，可用于公安系統(tǒng)刑偵破案的罪犯身份識別、身份證及駕駛執(zhí)照等證件驗證、銀行及海關(guān)的監(jiān)控、自動門衛(wèi)系統(tǒng)、視頻會議、機器人的智能化研究以及醫(yī)學等方面。人身辨別方法主要是經(jīng)過人身標識物品和人身標識知識兩種方式來實現(xiàn)的。常見的人身標示物品有鑰匙、證件等各種標識，人身標示知識有用戶名、密碼等。眾周知，像鑰匙、證件標識等人身標識物品很容易丟失或被偽造，而標識知識容易遺忘或記錯，更為嚴重的是傳統(tǒng)身份識別系統(tǒng)往往無法區(qū)分標識物品真正的擁有者和取得標識物品的冒充者，一旦她人獲得標識物品，也能夠擁有相同的權(quán)力，電視采訪、街景地圖等應(yīng)用中，為保護當事人或行人的隱私權(quán)，需要將圖像中當事人的人臉區(qū)域作模糊或馬賽克處理。因此具有廣闊的應(yīng)用前景和商業(yè)價值。2設(shè)計要求讀取人物圖像。對圖像進行數(shù)字圖像處理。3、對人臉識別。4、對人臉進行模糊或者馬賽克處理。3設(shè)計內(nèi)容本設(shè)計的系統(tǒng)總方案設(shè)計方框圖如圖1所示。讀取圖像讀取圖像字圖像處理圖像進行數(shù)面部特征定位人臉識別人臉模糊處理標出臉部輸出處理后的圖像圖1系統(tǒng)總設(shè)計方框圖3.1、具體設(shè)計3.1．1、圖像輸入設(shè)計：RGB=imread('gaoyuanyuan.jpg');%face02,04,06YCbCr=rgb2ycbcr(RGB);%將RGB色彩值變換為YcbCr色彩空間（將RGB真彩色圖像轉(zhuǎn)化為YcbCr色彩空間中相等的圖像）Y=YCbCr(:,:,1);%這三行分別是Ycbcr空間的y,cb,cr對應(yīng)矩陣Cb=YCbCr(:,:,2);Cr=YCbCr(:,:,3);imshow(RGB);title('原始圖像RGB');%原始圖像figure,imshow(YCbCr);title('YcbCr色彩空間的圖像');%進行將RGB色彩值變換為YcbCr色彩空間的圖像如圖2所示：圖2原圖像與YCbCr圖3.1．2、圖像膚色區(qū)分設(shè)計：I=RGB;W=size(YCbCr,1);%y對應(yīng)矩陣寬大小H=size(YCbCr,2);%y對應(yīng)矩陣高大小k=(2.53/180)*pi;m=sin(k);n=cos(k);%正余弦噪聲%%%111cx=109.38;cy=152.02;ecx=1.60;ecy=2.41;a=25.39;b=14.03;%(cb=(100,140),cr=(70,160)這是閾值，這個閾值應(yīng)該是人臉膚色的范圍fori=1:Wforj=1:HifY(i,j)<110I(i,j,:)=0;elseif(Y(i,j)<=200&Y(i,j)>=110)x=(double(Cb(i,j))-cx)*n+(double(Cr(i,j))-cy)*m;y=(double(Cr(i,j))-cy)*n-(double(Cb(i,j))-cx)*m;if((x-ecx)^2/a^2+(y-ecy)^2/b^2)<=1I(i,j,:)=255;elseI(i,j,:)=0;endelseifY(i,j)>200x=(double(Cb(i,j))-cx)*n+(double(Cr(i,j))-cy)*m;y=(double(Cr(i,j))-cy)*n-(double(Cb(i,j))-cx)*m;if((x-ecx)^2/(1.1*a)^2+(y-ecy)^2/(1.1*b)^2)<=1I(i,j,:)=255;%膚色部分變?yōu)榘咨玡lseI(i,j,:)=0;%其余轉(zhuǎn)成黑色endendendendfigure,imshow(I);title('膚色區(qū)分后的圖像');%進行將膚色識別后的黑白圖像如圖3所示：圖3膚色區(qū)分后的圖像3.1.3、對膚色圖進行修補處理設(shè)計：se1=strel('square',35);%這個函數(shù)能夠創(chuàng)立邊長35的方形元素f0=imclose(I,se1);%利用上面創(chuàng)立的方形元素，彌補imshow(I)中人臉中以及其它部分殘留的小塊黑色figure,imshow(f0);title('修補漏洞后的人臉');%顯示修補漏洞后的人臉如圖4所示：圖4修補漏洞后的人臉圖3.1.4、網(wǎng)格標記圖像設(shè)計：BW=im2bw(f0,graythresh(f0));%二值化figure,imshow(RGB);title('網(wǎng)格標記圖像','FontWeight','Bold');holdon;[xt,yt]=meshgrid(round(linspace(1,size(I,1),10)),...round(linspace(1,size(I,2),10)));mesh(yt,xt,zeros(size(xt)),'FaceColor',...'None','LineWidth',3,...'EdgeColor','r');如圖5所示：圖5網(wǎng)格標記圖像圖3．1．5、人臉識別標記：[n1,n2]=size(BW);r=floor(n1/10);%分成10塊，行c=floor(n2/10);%分成10塊，列x1=1;x2=r;%對應(yīng)行初始化s=r*c;%塊面積fori=1:10y1=1;y2=c;%對應(yīng)列初始化forj=1:10if(y2<=c||y2>=9*c)||(x1==1||x2==r*10)%如果是在四周區(qū)域loc=find(BW(x1:x2,y1:y2)==0);[p,q]=size(loc);pr=p/s*100;%黑色像素所占的比例數(shù)ifpr<=100f1(x1:x2,y1:y2)=0;endendy1=y1+c;%列跳躍y2=y2+c;%列跳躍endx1=x1+r;%行跳躍x2=x2+r;%行跳躍end[L,num]=bwlabel(BW,8);%區(qū)域標記stats=regionprops(L,'BoundingBox');%得到包圍矩形框Bd=cat(1,stats.BoundingBox);[s1,s2]=size(Bd);mx=0;fork=1:s1p=Bd(k,3)*Bd(k,4);%寬*高ifp>mx&&(Bd(k,3)/Bd(k,4))<1.8%%%如果滿足面積塊大，而且寬/高<1.8mx=p;j=k;endendfigure,imshow(RGB);holdon;rectangle('Position',Bd(j,:),...'EdgeColor','r','LineWidth',3);title('標記圖像','FontWeight','Bold');如圖6所示：圖6人臉識別標記圖3.1.6、對原圖像進行臉部模糊處理：h1=ones(40,40)/1600;I2=imfilter(RGB,h1);%對原圖像進行全部模糊%figure,imshow(I2);a=Bd(j,:);%臉部標記的矩形框的四個坐標fori=a(2)-0.5:a(2)-0.5+a(4);forj=a(1)-0.5:a(1)-0.5+a(3);RGB(i,j,:)=I2(i,j,:);%部分模糊的替換endendfigure,imshow(RGB);title('模糊后的人臉圖像');%顯示模糊后的人臉如圖7所示：圖7人臉模糊隱私保護圖總結(jié)與致謝這一次做的圖像人臉區(qū)域隱私保護系統(tǒng)設(shè)計。原理看似簡單，但過程讓我深深感受到再簡單的圖像處理，理論與實際也會有一定的差入。在參考書設(shè)計原理的基礎(chǔ)上經(jīng)過了個人的改進，讓功能更完善，特別是程序的調(diào)試，花的時間最多，也是最難的一個地方。經(jīng)過本次設(shè)計，培養(yǎng)了創(chuàng)新意識和綜合素質(zhì)，更好地掌握了數(shù)字圖像處理設(shè)計，提高個人基本能力、實驗及設(shè)計能力和獨立工作能力，基本知識更加牢固，會編程調(diào)試、會查資料在設(shè)計的過程和設(shè)計說明書的撰寫過程中，老師給予了我熱心的幫助和大力的支持，給我提了諸多的寶貴意見，拓寬了我的思路。在此我向張運楚、楊紅娟、張君捧老師致以崇高的敬意和衷心的感謝！

參考文獻[1]王科俊,姚向輝．人臉圖像檢測與識別方法綜述[J]．自動化技術(shù)與應(yīng)用．,23(12).[2]邢藏菊,曲延鋒,王守覺．靜態(tài)灰度圖像中的人臉快速檢測[J]．計算機輔助設(shè)計與圖形學學報．V01．14,No．May,．[3]周杰,盧春雨,張長水,等.人臉自動識別方法綜述[J].電子學報,(4):102-106.[4]簡(JainA.K.)[美],韓博,徐楓著．數(shù)字圖像處理基礎(chǔ)[M]．北京：清華大學出版社,.[5]岡薩雷斯．數(shù)字圖像處理(MATLAB)中文版[M]．北京：電子工業(yè)出版社,.[6]Castleman,K.R.[美]著,朱志剛等譯．數(shù)字圖像處理[M]．北京:電子工業(yè)出版社,．[7]朱虹．數(shù)字圖像處理基礎(chǔ)[M]．北京：科學出版社,.[8]劉志敏,揚杰,施鵬飛．數(shù)學形態(tài)學的圖像分割算法[D]．計算機工程與科學,1998,20(4):21．[9]章毓晉．圖像分割．北京:科學出版社,．[10]王樹偉,楊鴝．Matlab6.5輔助圖像處理[M]．電子工業(yè)出版社,.

附錄：系統(tǒng)設(shè)計程序RGB=imread('face06.jpg');%face02,04,06YCbCr=rgb2ycbcr(RGB);%將RGB色彩值變換為YcbCr色彩空間（將RGB真彩色圖像轉(zhuǎn)化為YcbCr色彩空間中相等的圖像）Y=YCbCr(:,:,1);%這三行分別是Ycbcr空間的y,cb,cr對應(yīng)矩陣Cb=YCbCr(:,:,2);Cr=YCbCr(:,:,3);imshow(RGB);title('原始圖像RGB');%原始圖像figure,imshow(YCbCr);title('YcbCr色彩空間的圖像');%進行將RGB色彩值變換為YcbCr色彩空間的圖像I=RGB;W=size(YCbCr,1);%y對應(yīng)矩陣寬大小H=size(YCbCr,2);%y對應(yīng)矩陣高大小k=(2.53/180)*pi;m=sin(k);n=cos(k);%正余弦噪聲%%%111cx=109.38;cy=152.02;ecx=1.60;ecy=2.41;a=25.39;b=14.03;%(cb=(100,140),cr=(70,160)這是閾值，這個閾值應(yīng)該是人臉膚色的范圍fori=1:Wforj=1:HifY(i,j)<110I(i,j,:)=0;elseif(Y(i,j)<=200&&Y(i,j)>=110)x=(double(Cb(i,j))-cx)*n+(double(Cr(i,j))-cy)*m;y=(double(Cr(i,j))-cy)*n-(double(Cb(i,j))-cx)*m;if((x-ecx)^2/a^2+(y-ecy)^2/b^2)<=1I(i,j,:)=255;elseI(i,j,:)=0;endelseifY(i,j)>200x=(double(Cb(i,j))-cx)*n+(double(Cr(i,j))-cy)*m;y=(double(Cr(i,j))-cy)*n-(double(Cb(i,j))-cx)*m;if((x-ecx)^2/(1.1*a)^2+(y-ecy)^2/(1.1*b)^2)<=1I(i,j,:)=255;%膚色部分變?yōu)榘咨玡lseI(i,j,:)=0;%其余轉(zhuǎn)成黑色endendendendfigure,imshow(I);title('膚色區(qū)分后的圖像');%進行將膚色識別后的黑白圖像%%%1111111%%%%%%%%%找到人臉區(qū)域并設(shè)為白色%%%%(r=35)se1=strel('square',35);%這個函數(shù)能夠創(chuàng)立邊長35的方形元素f0=imclose(I,se1);%利用上面創(chuàng)立的方形元素，彌補imshow(I)中人臉中以及其它部分殘留的小塊黑色figure,imshow(f0);title('修補漏洞后的人臉');%顯示修補漏洞后的人臉%%%44444BW=im2bw(f0,graythresh(f0));%二值化figure,imshow(RGB);title('網(wǎng)格標記圖像','FontWeight','Bold');holdon;[xt,yt]=meshgrid(round(linspace(1,size(I,1),10)),...round(linspace(1,size(I,2),10)));mesh(yt,xt,zeros(size(xt)),'FaceColor',...'None','LineWidth',3,...'EdgeColor','r');[n1,n2]=size(BW);r=floor(n1/10);%分成10塊，行c=floor(n2/10);%分成10塊，列x1=1;x2=r;%對應(yīng)行初始化s=r*c;%塊面積fori=1:10y1=1;y2=c;%對應(yīng)列初始化forj=1:10if(y2<=c||y2>=9*c)||(x1==1||x2==r*10)%如果是在四周區(qū)域loc=find(BW(x1:x2,y1:y2)==0);[p,q]=size(loc);pr=p/s*100;%黑色像素所占的比例數(shù)ifpr<=10