人臉檢測(cè)與識(shí)別系統(tǒng)設(shè)計(jì)

第一章前言1.1課題背景1.1.1課題的來源隨著金融貿(mào)易和安全門戶控制應(yīng)用的迅速發(fā)展，生物識(shí)別已經(jīng)重新引起了人們的注意。

就目前而言，視覺系統(tǒng)和計(jì)算機(jī)視覺又取得了新的突破，技術(shù)上的成熟與進(jìn)步成為面部識(shí)別這項(xiàng)技術(shù)又一個(gè)新的飛躍，中高性能自動(dòng)識(shí)別技術(shù)的實(shí)現(xiàn)的代價(jià)得到了大幅度的下降，\t"C:/Users/ADMINI~1/AppData/Local/Temp/Rar$EXa5684.2225/PaperPass-%E6%97%97%E8%88%B0%E7%89%88-%E6%A3%80%E6%B5%8B%E6%8A%A5%E5%91%8A/htmls/detail_report/right"作為生物識(shí)別，人臉識(shí)別中使用最廣泛的方法之一，近年來出現(xiàn)了人臉識(shí)別技術(shù)。

卻又不大為人所知的新興技術(shù)。

大眾們更多是通過科幻影視作品來對(duì)這項(xiàng)現(xiàn)在相對(duì)成熟的技術(shù)有認(rèn)識(shí)。

轉(zhuǎn)移到計(jì)算機(jī)，將其與警方數(shù)據(jù)庫(kù)中的數(shù)據(jù)進(jìn)行比較，找到犯罪記錄和嫌疑人的詳細(xì)信息。

而這并非是空穴來風(fēng)情節(jié)。\t"C:/Users/ADMINI~1/AppData/Local/Temp/Rar$EXa5684.2225/PaperPass-%E6%97%97%E8%88%B0%E7%89%88-%E6%A3%80%E6%B5%8B%E6%8A%A5%E5%91%8A/htmls/detail_report/right"現(xiàn)如今，國(guó)外面部識(shí)別技術(shù)在一些國(guó)家重要的機(jī)關(guān)部門已經(jīng)有了很廣泛且相對(duì)成熟完善的應(yīng)用以及應(yīng)用技術(shù)。\t"C:/Users/ADMINI~1/AppData/Local/Temp/Rar$EXa5684.2225/PaperPass-%E6%97%97%E8%88%B0%E7%89%88-%E6%A3%80%E6%B5%8B%E6%8A%A5%E5%91%8A/htmls/detail_report/right"我國(guó)這項(xiàng)技術(shù)新興和發(fā)展與上世紀(jì)末，較之于國(guó)外的成果目前還不是那么完善，但是發(fā)展速度和發(fā)展前景相當(dāng)可觀。現(xiàn)在為止在金融，物業(yè)管理，公安，網(wǎng)絡(luò)安全等這些方面有著相當(dāng)普遍的應(yīng)用。1.2人臉識(shí)別技術(shù)的研究意義1.2.1極具挑戰(zhàn)性的課題\t"C:/Users/ADMINI~1/AppData/Local/Temp/Rar$EXa5684.2225/PaperPass-%E6%97%97%E8%88%B0%E7%89%88-%E6%A3%80%E6%B5%8B%E6%8A%A5%E5%91%8A/htmls/detail_report/right"作為機(jī)器視覺領(lǐng)域中極具復(fù)雜度和挑戰(zhàn)性的方向，面部識(shí)別這一技術(shù)不論是在應(yīng)用還是研究上都有著巨大的潛力。\t"C:/Users/ADMINI~1/AppData/Local/Temp/Rar$EXa5684.2225/PaperPass-%E6%97%97%E8%88%B0%E7%89%88-%E6%A3%80%E6%B5%8B%E6%8A%A5%E5%91%8A/htmls/detail_report/right"人臉識(shí)別技術(shù)作為一個(gè)生命力旺盛的學(xué)科，涵蓋了許多其他科目，諸如計(jì)算機(jī)視覺，數(shù)字圖像處理，數(shù)學(xué)，神經(jīng)學(xué)等等。

多年的科學(xué)成果也讓這一學(xué)科展現(xiàn)了蓬勃的生命力和發(fā)現(xiàn)前景，但計(jì)算機(jī)人臉識(shí)別如果真正要大規(guī)模投入到人們的日常生活還需要有很長(zhǎng)的路要走。

這是因?yàn)槊娌刻赜绕涫俏骞傥恢么笸‘悾夷槻渴且粋€(gè)靈活的物體，面部細(xì)微的表情各異，妝容和外界光照的變化等這些不可控條件都會(huì)給識(shí)別的準(zhǔn)確性帶來了一定程度的困難。\t"C:/Users/ADMINI~1/AppData/Local/Temp/Rar$EXa5684.2225/PaperPass-%E6%97%97%E8%88%B0%E7%89%88-%E6%A3%80%E6%B5%8B%E6%8A%A5%E5%91%8A/htmls/detail_report/right"如何準(zhǔn)確識(shí)別大量目標(biāo)，滿足實(shí)時(shí)性要求已經(jīng)成為這一課題的有一個(gè)新的難關(guān)。1.2.2面部平面形狀識(shí)別和面部特殊定位技術(shù)\t"C:/Users/ADMINI~1/AppData/Local/Temp/Rar$EXa5684.2225/PaperPass-%E6%97%97%E8%88%B0%E7%89%88-%E6%A3%80%E6%B5%8B%E6%8A%A5%E5%91%8A/htmls/detail_report/right"進(jìn)過對(duì)人的面部的檢測(cè)后，人臉有區(qū)分度的特征的檢測(cè)將主要把五官的位置以及一些較為突出的地方如顴骨眉骨等有明顯差異的器官或區(qū)域的的位置等其他信息作出記錄。

圖像灰度處理，灰度積分投影曲線分析，可變形模板，分割算法，霍夫變換，主動(dòng)特征模型和

基于傅里葉小波變換等等都是應(yīng)用于這一模塊的主要技術(shù)手段。對(duì)于\t"C:/Users/ADMINI~1/AppData/Local/Temp/Rar$EXa5684.2225/PaperPass-%E6%97%97%E8%88%B0%E7%89%88-%E6%A3%80%E6%B5%8B%E6%8A%A5%E5%91%8A/htmls/detail_report/right"可變形模板這一概念的提出，所針對(duì)的問題就是把送入與檢測(cè)的人臉圖像對(duì)面部特征信息有一個(gè)初步的提取。\t"C:/Users/ADMINI~1/AppData/Local/Temp/Rar$EXa5684.2225/PaperPass-%E6%97%97%E8%88%B0%E7%89%88-%E6%A3%80%E6%B5%8B%E6%8A%A5%E5%91%8A/htmls/detail_report/right"所構(gòu)建的模型的參數(shù)所對(duì)應(yīng)的是面部特征不穩(wěn)定的部分，比如圖像曝光強(qiáng)度等，這部分最后將圖片的極最值和像素灰度散布的強(qiáng)弱的動(dòng)態(tài)相互作用進(jìn)行校正。\t"C:/Users/ADMINI~1/AppData/Local/Temp/Rar$EXa5684.2225/PaperPass-%E6%97%97%E8%88%B0%E7%89%88-%E6%A3%80%E6%B5%8B%E6%8A%A5%E5%91%8A/htmls/detail_report/right"模板的可塑性會(huì)將已有的數(shù)據(jù)進(jìn)行完全的應(yīng)用，結(jié)果中所需要的特征形狀就可以更加明顯的顯現(xiàn)。\t"C:/Users/ADMINI~1/AppData/Local/Temp/Rar$EXa5684.2225/PaperPass-%E6%97%97%E8%88%B0%E7%89%88-%E6%A3%80%E6%B5%8B%E6%8A%A5%E5%91%8A/htmls/detail_report/right"因?yàn)榭勺冃文０迨褂脙?yōu)化算法來最大程度上降低參數(shù)空間中的能量函數(shù)，因此該算法的主要缺點(diǎn)如下：一、計(jì)算時(shí)間長(zhǎng)；\t"C:/Users/ADMINI~1/AppData/Local/Temp/Rar$EXa5684.2225/PaperPass-%E6%97%97%E8%88%B0%E7%89%88-%E6%A3%80%E6%B5%8B%E6%8A%A5%E5%91%8A/htmls/detail_report/right"其次，對(duì)參數(shù)初始值的依賴性很高，很容易陷入局部最小值。為了解決這兩個(gè)難題，這里應(yīng)用到由宏觀到微觀的校正算法：\t"C:/Users/ADMINI~1/AppData/Local/Temp/Rar$EXa5684.2225/PaperPass-%E6%97%97%E8%88%B0%E7%89%88-%E6%A3%80%E6%B5%8B%E6%8A%A5%E5%91%8A/htmls/detail_report/right"第一步，充分利用面部構(gòu)造的不同之處，將面部特征差異最大化，頻率特征以及面部圖像灰度分布的峰谷，將五官諸如耳鼻等所處的位置以及中心點(diǎn)所在用矩形作出標(biāo)記，記錄。

第二步，優(yōu)化調(diào)整模板的輸入值，進(jìn)而在運(yùn)算速度和準(zhǔn)確的上對(duì)面部識(shí)別有一個(gè)較為顯著的提升。\t"C:/Users/ADMINI~1/AppData/Local/Temp/Rar$EXa5684.2225/PaperPass-%E6%97%97%E8%88%B0%E7%89%88-%E6%A3%80%E6%B5%8B%E6%8A%A5%E5%91%8A/htmls/detail_report/right"作為人臉上區(qū)分度較高的部位，眼睛的準(zhǔn)確定位可以關(guān)系到識(shí)別的成功與否。

根據(jù)區(qū)域增長(zhǎng)眼睛定位技術(shù)，這項(xiàng)技術(shù)，\t"C:/Users/ADMINI~1/AppData/Local/Temp/Rar$EXa5684.2225/PaperPass-%E6%97%97%E8%88%B0%E7%89%88-%E6%A3%80%E6%B5%8B%E6%8A%A5%E5%91%8A/htmls/detail_report/right"能夠迅速判斷出眼睛所處位置，并對(duì)眼在臉中等偏上的位置這個(gè)特點(diǎn)加以利用，讓識(shí)別的目的性和精準(zhǔn)度提升。

該算法使用根據(jù)面部分塊的掃描方針。

然后將兩個(gè)初始的長(zhǎng)方形添加進(jìn)來，并讓矩形能夠完全容納眼睛。\t"C:/Users/ADMINI~1/AppData/Local/Temp/Rar$EXa5684.2225/PaperPass-%E6%97%97%E8%88%B0%E7%89%88-%E6%A3%80%E6%B5%8B%E6%8A%A5%E5%91%8A/htmls/detail_report/right"實(shí)驗(yàn)表明，該算法對(duì)面部特征有較強(qiáng)的容錯(cuò)性，面部表情的不同，以及臉部的斑痘痘等均不會(huì)對(duì)結(jié)果造成影響，但如果眼睛中有較重的陰影，定位將是不準(zhǔn)確的。

面部有裝飾的話如女性的妝容，佩戴的眼睛等等也會(huì)對(duì)最終結(jié)果產(chǎn)生影響。1.2.3對(duì)于人臉輪廓的分析以及步驟\t"C:/Users/ADMINI~1/AppData/Local/Temp/Rar$EXa5684.2225/PaperPass-%E6%97%97%E8%88%B0%E7%89%88-%E6%A3%80%E6%B5%8B%E6%8A%A5%E5%91%8A/htmls/detail_report/right"通過以視覺為基礎(chǔ)進(jìn)而對(duì)識(shí)別作出分析，分析內(nèi)容有對(duì)面部的掃描和區(qū)域劃分，五官位置的確認(rèn)，

面部分類，以及面部識(shí)別，其中面部識(shí)別還可以細(xì)分為對(duì)膚色，皮膚的光滑程度和皺紋的分布。由下圖內(nèi)容可知，可以得出結(jié)論，在面部掃描和跟蹤，對(duì)人臉上有區(qū)分度的部位的識(shí)別的必要工作。

是后續(xù)工作的基礎(chǔ)，起著關(guān)鍵的作用。雖然面部識(shí)別并不是每個(gè)感知系統(tǒng)所必須的，不過我們能夠確定如果要以提高人臉識(shí)別分析的準(zhǔn)確性為目的的話就必須要對(duì)系統(tǒng)的數(shù)據(jù)庫(kù)的數(shù)據(jù)進(jìn)行完善更新，語音識(shí)別甚至手寫識(shí)別的可靠性和準(zhǔn)確性。

計(jì)算機(jī)識(shí)別對(duì)用戶身份的最直接應(yīng)用是基于特定用戶的環(huán)境設(shè)置，例如用戶的獨(dú)有的生活方式，消息的傳輸以及對(duì)于個(gè)人信息的保護(hù)。1.2.4基于幾何特征的人臉識(shí)別方法由于這些大部件的形狀，面部由大部分的嘴，眼睛和鼻子組成。在尺寸上有著諸多不同之處，而這恰恰就是將人與人區(qū)分開的特征之一。

通常通過面部圖像的灰度的映射來實(shí)現(xiàn)線的自動(dòng)且有效的提取。這是由于:

面部部分的映射對(duì)應(yīng)于位置。進(jìn)而實(shí)現(xiàn)對(duì)面部五官的位置進(jìn)行鎖定。視頻輸入視頻輸入人臉檢測(cè)和跟蹤面部特征定位人臉識(shí)別表情分析性別判斷種族判斷年齡判別唇讀身份信息情感狀態(tài)性別信息種族信息年齡信息唇形類別1.3\t"C:/Users/ADMINI~1/AppData/Local/Temp/Rar$EXa5244.19859/PaperPass-%E6%97%97%E8%88%B0%E7%89%88-%E6%A3%80%E6%B5%8B%E6%8A%A5%E5%91%8A/htmls/detail_report/right"國(guó)內(nèi)外人臉識(shí)別發(fā)展概述\t"C:/Users/ADMINI~1/AppData/Local/Temp/Rar$EXa5244.19859/PaperPass-%E6%97%97%E8%88%B0%E7%89%88-%E6%A3%80%E6%B5%8B%E6%8A%A5%E5%91%8A/htmls/detail_report/right"目前面部識(shí)別技術(shù)已經(jīng)在很多領(lǐng)域得到了應(yīng)用，并且有著至關(guān)重要的影響，面部的識(shí)別始于上世紀(jì)七十年代，歷經(jīng)多年的積累而厚積薄發(fā)，\t"C:/Users/ADMINI~1/AppData/Local/Temp/Rar$EXa5244.19859/PaperPass-%E6%97%97%E8%88%B0%E7%89%88-%E6%A3%80%E6%B5%8B%E6%8A%A5%E5%91%8A/htmls/detail_report/right"這一領(lǐng)域的成果也已經(jīng)相當(dāng)可觀，世界范圍內(nèi)的研究形勢(shì)也是一片大好。1.3.1國(guó)外的發(fā)展概況文獻(xiàn)中發(fā)現(xiàn)的機(jī)器自動(dòng)面部識(shí)別的研究始于1966年的PRED的Bledsoe，這是一種1990年在日本開發(fā)的肖像識(shí)別機(jī)。您可以在1秒內(nèi)從3，500人快速識(shí)別您要找的人。在西方還有國(guó)家成立了Feret(FaceRecognitionTechnology)和1993年，\t"C:/Users/ADMINI~1/AppData/Local/Temp/Rar$EXa5244.19859/PaperPass-%E6%97%97%E8%88%B0%E7%89%88-%E6%A3%80%E6%B5%8B%E6%8A%A5%E5%91%8A/htmls/detail_report/right"美國(guó)國(guó)防部高級(jí)研究計(jì)劃局分別使用半自動(dòng)和全自動(dòng)算法。這一程序需要人工操作進(jìn)而指向圖像中人臉的中心位置，然后識(shí)別它。在機(jī)場(chǎng)稍后進(jìn)行的測(cè)試中，系統(tǒng)發(fā)出了許多誤報(bào)，一些外國(guó)大學(xué)由卡內(nèi)基梅隆大學(xué)領(lǐng)導(dǎo)。麻省理工大學(xué)MIT等，英國(guó)的雷丁大學(xué)但是，對(duì)測(cè)試驗(yàn)證系統(tǒng)的實(shí)現(xiàn)還沒有很多深入的研究。1.3.2國(guó)內(nèi)的發(fā)展概況\t"C:/Users/ADMINI~1/AppData/Local/Temp/Rar$EXa5244.19859/PaperPass-%E6%97%97%E8%88%B0%E7%89%88-%E6%A3%80%E6%B5%8B%E6%8A%A5%E5%91%8A/htmls/detail_report/right"隨著國(guó)外人臉識(shí)別算法的不斷發(fā)展，我國(guó)大量研究人員從事相關(guān)的學(xué)習(xí)和研究，取得了較為顯著的科研成果。\t"C:/Users/ADMINI~1/AppData/Local/Temp/Rar$EXa5244.19859/PaperPass-%E6%97%97%E8%88%B0%E7%89%88-%E6%A3%80%E6%B5%8B%E6%8A%A5%E5%91%8A/htmls/detail_report/right"例如，清華大學(xué)，華中科技大學(xué)，上海交通大學(xué)，四川大學(xué)等，他們?cè)谀Ｊ阶R(shí)別，人工智能，

機(jī)器視覺等方面積累了豐富的經(jīng)驗(yàn)，特別是近年來第二代居民身份證的普及，嵌入式技術(shù)的持續(xù)發(fā)展，\t"C:/Users/ADMINI~1/AppData/Local/Temp/Rar$EXa5244.19859/PaperPass-%E6%97%97%E8%88%B0%E7%89%88-%E6%A3%80%E6%B5%8B%E6%8A%A5%E5%91%8A/htmls/detail_report/right"3G}4G網(wǎng)絡(luò)的到來使我們的人臉識(shí)別技術(shù)能夠應(yīng)用于更多領(lǐng)域。\t"C:/Users/ADMINI~1/AppData/Local/Temp/Rar$EXa5244.19859/PaperPass-%E6%97%97%E8%88%B0%E7%89%88-%E6%A3%80%E6%B5%8B%E6%8A%A5%E5%91%8A/htmls/detail_report/right"人臉識(shí)別系統(tǒng)現(xiàn)在在許多研究領(lǐng)域中發(fā)揮著非常重要的作用，尤其是在政府機(jī)構(gòu)的安全方面，

如網(wǎng)絡(luò)安全，銀行，海關(guān)安全，財(cái)產(chǎn)管理安全，軍事安全，智能身份證，

智能門禁控制，駕駛員駕駛執(zhí)照驗(yàn)證，電腦登錄系統(tǒng)。

在國(guó)家863計(jì)劃中，相應(yīng)國(guó)家在這方面也取得了很大進(jìn)展和可喜成績(jī)?！懊嫦駲z測(cè)與識(shí)別核心技術(shù)”

通過對(duì)結(jié)果的識(shí)別和初步應(yīng)用，這意味著中國(guó)現(xiàn)在在人臉識(shí)別方面發(fā)揮著關(guān)鍵作用，這一課題囊括了諸多該領(lǐng)域的頂尖技術(shù)開發(fā)者。\t"C:/Users/ADMINI~1/AppData/Local/Temp/Rar$EXa5244.19859/PaperPass-%E6%97%97%E8%88%B0%E7%89%88-%E6%A3%80%E6%B5%8B%E6%8A%A5%E5%91%8A/htmls/detail_report/right"對(duì)將要識(shí)別的圖像需要降噪，我們稱之為預(yù)處理，該技術(shù)的作用可是說是意義非凡。因?yàn)槊娌孔R(shí)別說使用的圖片要求有正臉，所以需要識(shí)別的面部圖像的拍攝時(shí)間也不同，并且所使用的攝影設(shè)備不同。

系統(tǒng)可以接受和識(shí)別在不同時(shí)間拍攝的照片，識(shí)別率仍然很高。在計(jì)算機(jī)中，存儲(chǔ)了2，300個(gè)人的正照片，每個(gè)人拍照并使用相隔1-7年且間隔時(shí)間長(zhǎng)的照片。首選率最高可達(dá)50％。\t"C:/Users/ADMINI~1/AppData/Local/Temp/Rar$EXa5244.19859/PaperPass-%E6%97%97%E8%88%B0%E7%89%88-%E6%A3%80%E6%B5%8B%E6%8A%A5%E5%91%8A/htmls/detail_report/right"評(píng)審委員會(huì)認(rèn)為，就目前而言國(guó)內(nèi)的人才以及知識(shí)儲(chǔ)備已經(jīng)在世界上名列前茅。\t"C:/Users/ADMINI~1/AppData/Local/Temp/Rar$EXa5244.19859/PaperPass-%E6%97%97%E8%88%B0%E7%89%88-%E6%A3%80%E6%B5%8B%E6%8A%A5%E5%91%8A/htmls/detail_report/right"本文將人臉識(shí)別系統(tǒng)劃分為模塊，描述了每個(gè)模塊的功能，重點(diǎn)介紹了圖像預(yù)處理模塊。\t"C:/Users/ADMINI~1/AppData/Local/Temp/Rar$EXa5244.19859/PaperPass-%E6%97%97%E8%88%B0%E7%89%88-%E6%A3%80%E6%B5%8B%E6%8A%A5%E5%91%8A/htmls/detail_report/right"詳細(xì)介紹了各子模塊的功能和算法，并介紹了補(bǔ)償光和灰度圖像。高斯平滑，直方圖均衡，圖像對(duì)比度增強(qiáng)和圖像預(yù)處理模塊在整個(gè)系統(tǒng)中起著至關(guān)重要的作用。

\t"C:/Users/ADMINI~1/AppData/Local/Temp/Rar$EXa5244.19859/PaperPass-%E6%97%97%E8%88%B0%E7%89%88-%E6%A3%80%E6%B5%8B%E6%8A%A5%E5%91%8A/htmls/detail_report/right"第二章系統(tǒng)需求分析和解決方案選擇\t"C:/Users/ADMINI~1/AppData/Local/Temp/Rar$EXa5244.19859/PaperPass-%E6%97%97%E8%88%B0%E7%89%88-%E6%A3%80%E6%B5%8B%E6%8A%A5%E5%91%8A/htmls/detail_report/right"在著手于研究這一模塊之前，我們搜索了許多前人編寫的論文和源程序。在開發(fā)過程中，我們將數(shù)據(jù)中的算法結(jié)合起來，突破了我們自己的一些想法，使程序面向面。

這幅畫很容易辨認(rèn)。2.1可行性分析在開發(fā)軟件的人，我們已經(jīng)識(shí)別了很多文件和程序的源和以往所寫的，在其發(fā)展的時(shí)候，

計(jì)算相結(jié)合的信息和已采取了一些程序可以很容易確定圖像的人類的臉。2.1.1技術(shù)可行性對(duì)于圖像的多樣性，我們也有多種的選擇性。在面部區(qū)域的確定中，在色差上作出區(qū)分通常被提取出來。

面部區(qū)域的顏色提取更準(zhǔn)確，成功率超過95％，工作迅速減少。圖像明暗程度的不穩(wěn)定不可避免地會(huì)被動(dòng)接受外界諸如光照強(qiáng)度和能見度的影響，使圖像的亮度不能達(dá)到要求，這是一般會(huì)對(duì)光線進(jìn)行補(bǔ)償，從而達(dá)到對(duì)圖像處理的條件。高斯平滑:\t"C:/Users/ADMINI~1/AppData/Local/Temp/Rar$EXa5244.19859/PaperPass-%E6%97%97%E8%88%B0%E7%89%88-%E6%A3%80%E6%B5%8B%E6%8A%A5%E5%91%8A/htmls/detail_report/right"未經(jīng)預(yù)處理的圖片的獲取和輸入是一個(gè)縝密的過程，但是外界干擾的影響不可避免，高斯白噪聲就是較為常見的干擾。

諸如此類的影響的存在就使得圖像必須平滑，以消除噪音?；业霓D(zhuǎn)換:

對(duì)于灰色過程，我們必須確保盡可能少地丟失圖像信息。

在灰化之前，在不可避免的失真情況下最大程度上保真，以便在它發(fā)生之前找到更合理的灰色值?；移胶?

在灰的轉(zhuǎn)化之后，建立了灰的平衡，可以基于灰的分布。更好的比較:

增加處理區(qū)域和周圍圖像之間的對(duì)比度使得它們更加可見，主要通過像素的累積。2.1.2操作可行性這一人臉識(shí)別軟件可以在如下環(huán)境下作出反應(yīng)：中央處理單元：不得低于五百兆；主寸不得低于128兆。

安裝有Windows98、WindowsMe、WindowsXP、WindowsNT等操作系統(tǒng)中的其中一種。

此外，需要相機(jī)進(jìn)行隨機(jī)拍攝和識(shí)別。\t"C:/Users/ADMINI~1/AppData/Local/Temp/Rar$EXa5244.19859/PaperPass-%E6%97%97%E8%88%B0%E7%89%88-%E6%A3%80%E6%B5%8B%E6%8A%A5%E5%91%8A/htmls/detail_report/right"假若系統(tǒng)的軟硬件有足夠強(qiáng)大的功能，人臉識(shí)別軟件就可以用于人臉識(shí)222別。2.2需求分析2.2.1應(yīng)用程序的功能需求分析識(shí)別人臉作為該軟件最主要的功能，識(shí)別過程的第一步就是將經(jīng)過上述步驟的圖片進(jìn)行系統(tǒng)輸入（也稱為圖像預(yù)處理）獲取的最初臉圖像進(jìn)行一系列處理。

預(yù)處理這一步驟在全部的設(shè)計(jì)中占有相當(dāng)大的比重，后續(xù)操作的進(jìn)行也與這一步的操作結(jié)果直接掛鉤，僅在預(yù)處理模塊能夠很好地執(zhí)行這兩個(gè)重要的模塊的后特征定位和提取的情況下。所以，接下來所提及的模塊功能是本程序的正常運(yùn)行所必須具備的：1.圖像獲取功能：這一部分的作用是面部識(shí)別的先導(dǎo)工作，顧名思義就是首先不論是由輸入設(shè)備還是從數(shù)據(jù)庫(kù)中，要將圖片輸入并顯示到操作界面上為后續(xù)工作做準(zhǔn)備。2.圖像預(yù)處理功能：\t"C:/Users/ADMINI~1/AppData/Local/Temp/Rar$EXa5244.19859/PaperPass-%E6%97%97%E8%88%B0%E7%89%88-%E6%A3%80%E6%B5%8B%E6%8A%A5%E5%91%8A/htmls/detail_report/right"這一部分的功能大致是由圖像光線補(bǔ)償，灰度變化處理，傅里葉變換，降低高斯白噪聲，二值化變換等一系列復(fù)雜數(shù)學(xué)手段組成。3.人臉定位功能：這一部分的主要功能就是將經(jīng)過上一步處理的圖像的面部五官等其他特征明顯的部位作出標(biāo)志，為下一步的功能正常進(jìn)行作出鋪墊。4.特征提取功能：\t"C:/Users/ADMINI~1/AppData/Local/Temp/Rar$EXa5244.19859/PaperPass-%E6%97%97%E8%88%B0%E7%89%88-%E6%A3%80%E6%B5%8B%E6%8A%A5%E5%91%8A/htmls/detail_report/right"這一部分的主要作用就是將上一步已有明顯標(biāo)記的位置重點(diǎn)處理，并將其中明顯特征收集提取。5.識(shí)別功能：\t"C:/Users/ADMINI~1/AppData/Local/Temp/Rar$EXa5244.19859/PaperPass-%E6%97%97%E8%88%B0%E7%89%88-%E6%A3%80%E6%B5%8B%E6%8A%A5%E5%91%8A/htmls/detail_report/right"這一部分的主要作用就是將處理完成的圖像與已有人像進(jìn)對(duì)比。2.3預(yù)處理方案選擇2.3.1設(shè)計(jì)方案原則的選擇處理模塊的運(yùn)行方式由下給出：1、為了防止我們的技術(shù)不至于太古老，過于陳舊無法跟上時(shí)代，學(xué)習(xí)采用先進(jìn)的前沿科技。2、對(duì)于技術(shù)的把控，我們十分嚴(yán)格，運(yùn)用較為主流的技術(shù)保證，用以保證應(yīng)用程序的安全和可靠。3、時(shí)刻對(duì)自己的技術(shù)不斷革新，強(qiáng)化完善不足的地方，循序漸進(jìn)的提升。4、應(yīng)用程序要對(duì)目前我們掌握的技術(shù)充分加以利用，盡量減少或杜絕不必要的再投資浪費(fèi)。5、編寫的代碼必須要做到精準(zhǔn)并且易讀，于人于己都要做到，代碼的注釋必須清晰易懂，這樣做不僅有利于程序開發(fā)者后期提供讀取的方便，還能為人們的解讀提供便利。2.3.2圖像文件格式選擇在程序開發(fā)中，為使圖片中的面部區(qū)分度高的區(qū)域的選定和特征提取更加的便利精準(zhǔn)，我們所采用的是32位圖。2.3.3開發(fā)工具選擇我們這次軟件設(shè)計(jì)所采用的語言運(yùn)行環(huán)境是MicrosoftVisualC++6.0。這是一款今年來由微軟公司研發(fā)并提供的新型的視覺可用的編程環(huán)境。這一語言可以在多鐘平臺(tái)和交叉平臺(tái)下完美的運(yùn)行，于此同時(shí)還能將編輯、連接器、洗滌器等精巧的程序工具結(jié)合起來，形成一個(gè)完美的視覺發(fā)展環(huán)境。用戶不必從事視窗下應(yīng)用程序的編輯、匯編、測(cè)試和精煉，這樣就可以在Windows系統(tǒng)下對(duì)軟件模塊的降噪、編輯、細(xì)化和測(cè)試等編譯一系列得步驟正常進(jìn)行。2.3.4算法研究圖像預(yù)處理是整個(gè)人臉識(shí)別過程中十分重要的一環(huán)，這一部分可分為對(duì)圖片的灰度處理、對(duì)光線的補(bǔ)償、高斯平滑處理、改變所選中圖片的對(duì)比度并將其增強(qiáng)。接下來本文將軟件運(yùn)用到的功能詳細(xì)進(jìn)行闡述。1.光線補(bǔ)償：不論是日光還是照明燈光所帶來的光線和角度問題的原因，所以照出來的圖像可能會(huì)存在由于光線不平衡的情況而造成一些顏色上的不均衡不協(xié)調(diào)，目的要消除或是降低這種整個(gè)圖像中存在的顏色上的不均衡讓最終結(jié)果更加真實(shí)，這里用到的消滅問題的辦法可以如下：把圖片中的全部像素的亮度按照降序作出整理，并取前百分之十的像素，之后對(duì)其進(jìn)行數(shù)學(xué)延展，將像素亮度系數(shù)提高至256。本質(zhì)上這一操作過程就是對(duì)圖像紅綠藍(lán)的值的改善。2.圖像灰度處理：這一步是把是對(duì)本來的彩色圖片轉(zhuǎn)換為灰色，運(yùn)用下面的過程來對(duì)所獲取的照片進(jìn)行灰度處理：（1）圖像對(duì)比度增強(qiáng)（2）像素比例調(diào)整（3）灰度的線性變換。為了將我們所獲取的圖片的特征更加明顯的顯現(xiàn)出來，將圖片的對(duì)比的程度增強(qiáng)是必要的手段，這一手段的主要內(nèi)容就是將圖片的灰度值作出一個(gè)詳細(xì)的統(tǒng)籌，在所獲取的信息中，那些比設(shè)定中“低”的更小的信息，則可以把他們視為有內(nèi)容的信息將冗余的成分刪除，位于中部位置的，將對(duì)比度調(diào)高，并將所得到的新信息置于數(shù)據(jù)庫(kù)。3.高斯平滑：圖片獲取中，因?yàn)闀?huì)有外界的不確定因素影響，例如傳輸過程中數(shù)據(jù)丟失、儲(chǔ)存等，圖像中經(jīng)常發(fā)生不規(guī)則的隨機(jī)噪音，這影響到圖像的質(zhì)量，因此需要對(duì)圖像進(jìn)行耳語處理以消除噪音。然而，如果圖像本身的細(xì)節(jié)，如邊界輪廓、線條等，不能適當(dāng)?shù)剀浕?，以減少噪音和保持圖像的細(xì)節(jié)，如果在這樣的條件下用到這一手段，那么就會(huì)有平滑不當(dāng)，原圖的輪廓，細(xì)節(jié)會(huì)有出入。4.均衡直方圖：通過使用點(diǎn)運(yùn)算進(jìn)而達(dá)到使輸入能夠轉(zhuǎn)化為在任一灰度級(jí)上都會(huì)有類似此類的像素點(diǎn)的輸出的圖片是這一模塊的基本目的之一，這一模塊的轉(zhuǎn)換的完成主要是利用灰度均衡的來進(jìn)行的。DB=f（DA）=H（u）du（2-1）

第三章系統(tǒng)的概要設(shè)計(jì)這一模塊的系統(tǒng)各模塊的功能和相關(guān)原理和結(jié)構(gòu)設(shè)計(jì)的流程在接來來的部分作出闡述。本模塊的系統(tǒng)流程的大體框架下面以給出。用戶用戶從“文件”菜單中選擇“打開”從“文件”菜單中選擇“打開”這一選項(xiàng)在在點(diǎn)擊“打開”所彈出的對(duì)話框中選擇要打開的位圖，點(diǎn)擊“確定”，應(yīng)用程序顯示所要打開的位圖獲取特征參數(shù)獲取特征參數(shù)人臉定位圖象預(yù)處理識(shí)別獲取臉部區(qū)域人臉定位圖象預(yù)處理識(shí)別獲取臉部區(qū)域輸出輸出識(shí)別結(jié)果圖3-1總體結(jié)構(gòu)設(shè)計(jì)流程圖提前處理的圖片的步驟大致可以如下：預(yù)處理預(yù)處理圖像灰度化圖像灰度化均衡直方圖圖像對(duì)比度增強(qiáng)二值化光線補(bǔ)償圖3-2預(yù)處理層次圖3.1各模塊功能概述上方所述是本文總體討論的分步處理模塊。接下來將要對(duì)系統(tǒng)中的每個(gè)部分結(jié)構(gòu)功能組成作出解釋：1.從圖像獲取模塊攝像設(shè)備所拍攝的相片主要供這一部分使用，同時(shí)我們所需要的要處理的圖像還可以從數(shù)據(jù)庫(kù)中獲取，被我們選中的圖片可以在我們的系統(tǒng)中，能夠更加方便的被識(shí)別出來。2.人臉區(qū)域獲取通過皮膚色彩的多樣性來實(shí)施圖片特征的得到，是系統(tǒng)從圖像里獲取面部框架特性主要的方式，物種皮膚顏色通過數(shù)學(xué)方法來按部就班的對(duì)色彩轉(zhuǎn)進(jìn)行逐一轉(zhuǎn)化的，此類根據(jù)臉部色彩差異的思想的建立選取一個(gè)恰當(dāng)?shù)膶?duì)比空間空間是一個(gè)相當(dāng)重要的步驟3.圖像預(yù)處理模塊對(duì)被采用的對(duì)象的適當(dāng)處理可以稱為圖像饋送校正，并且預(yù)處理步驟允許圖像中的顯著特征清楚地顯示在圖像中。該模塊有五個(gè)子模塊。然后逐一解釋。（1）光線補(bǔ)償因?yàn)橄到y(tǒng)所識(shí)別到的圖片是隨機(jī)的這就可能會(huì)使所獲取的圖片存在光線不平衡的問題，這同時(shí)也會(huì)影響我們對(duì)圖片特征的提取，必要對(duì)圖像進(jìn)行光線補(bǔ)償是時(shí)系統(tǒng)中要用到Y(jié)crCB色彩空間的必要條件，將我們所選取的圖像的各部分特征盡量多的展現(xiàn)出來，YcrCB作為一種色彩斑斕的三圍立體，在圖像人臉識(shí)別這一領(lǐng)域有著廣泛的應(yīng)用。（2）灰度變化把彩色圖像轉(zhuǎn)換為黑白色圖像的這個(gè)流程我們稱之為圖像灰度化的過程，如果要想將所選取的圖像的信息更加具象化，簡(jiǎn)明，信息更加全面的表現(xiàn)出來這一過程是必經(jīng)之路，不得不說的是，圖像的一些信息也會(huì)在這一過程中丟失。因正因如此，我們才需要在轉(zhuǎn)化過程中盡可能的將圖像的復(fù)雜的信息用一些簡(jiǎn)單的過程信息來表示。（3）高斯平滑處理對(duì)待處理的圖片進(jìn)行平滑處理需要用到高斯平滑處理，在圖像收集過程和對(duì)圖片處理中會(huì)出現(xiàn)不可控因素對(duì)結(jié)果產(chǎn)生干擾，這就使得圖像通常在圖像收集過程中產(chǎn)生不規(guī)則的噪聲，圖像打印可以生成數(shù)據(jù)，如圖像傳輸、存儲(chǔ)等。這影響了圖像的質(zhì)量。制造噪音的過程叫做閃光?；瑒?dòng)可以降低圖片在視覺上的干擾和不穩(wěn)定性，同時(shí)，圖像的高頻分量更容易識(shí)別。流體可以穿過十字架。隨著波動(dòng)水平的變化，會(huì)得到處理質(zhì)量更高的結(jié)果。（4）對(duì)比度增強(qiáng)接下來要做的步驟就是將相片的對(duì)比度提高，把對(duì)比度拉大突出對(duì)比的程度。這個(gè)過程是直接面向來自原始圖像的全部像素并能直接對(duì)像素進(jìn)行接下來的工作步驟。通過增強(qiáng)函數(shù)對(duì)像素的灰度級(jí)進(jìn)行運(yùn)算是這一處理過程的主要手段并之后將運(yùn)算出來的結(jié)果作為該像素的新灰度值。將不同函數(shù)的解析式應(yīng)用到程序中我能會(huì)得到有差別的最終結(jié)果。（5）二值化圖像二值化的最基礎(chǔ)的目標(biāo)是把獲取到的多結(jié)構(gòu)灰度圖片轉(zhuǎn)化成計(jì)算機(jī)能夠識(shí)別的圖像，這樣能夠分析理解和識(shí)別并簡(jiǎn)化計(jì)算所帶來的不便和繁重的計(jì)算任務(wù)。我們把通過一系列的算法或通過一個(gè)既定的值來最終改變圖像的像素的顏色的手段稱之為二值化，二值化的功能是使整張圖片畫面內(nèi)只出兩個(gè)值，分別是黑和白，經(jīng)過二值化處理的圖片通常來講就是有由黑色區(qū)域和白色區(qū)域組成，表示像素的時(shí)候我們可以用比特，“1”用來表示黑色，“0”則一般表示白色，顯然表示方法不唯一10也可分別表示白和黑，我們就把這類圖像叫做二值圖像。特征的提取離不開圖像的二值化，這使特征提取更加方便。（6）直方圖均衡使每一輸入圖片變成在每個(gè)灰度級(jí)別都會(huì)有同樣的象素點(diǎn)數(shù)是直方圖均衡化的方向，這一處理過程的核心內(nèi)容是將原本的圖片的灰度直方圖把原本灰度計(jì)較聚集的某一個(gè)或某幾個(gè)區(qū)域變成灰度比較分散覆蓋面積比較廣的有序的飛分散，這一過程的進(jìn)展大致方向是：將直方圖變換式來進(jìn)行直方圖的均衡處理，直方圖變換式公式是：（3-1）我們這里所用到的方法也不盡然完美，存在些許不足：

1）均衡化之后圖片的灰度降低，原圖中并不明顯的內(nèi)容會(huì)漏掉；2）對(duì)于不同的輸入圖片，在均衡后的色差反差會(huì)有大幅提高。3.1.1人臉定位模塊所謂人臉的定位就是把人臉的有代表性的特殊位置如腦門，鼻子，嘴部等等這些部位的位置突出出來，在本系統(tǒng)中，定位的特征是眼睛，鼻尖和下巴這些位置。因?yàn)檠劬λ幍奈恢镁哂袑?duì)稱性，所以標(biāo)記出來并不難，至于鼻子，其位置在眼睛與嘴巴之間，也有較為特殊的位置，因此也不難標(biāo)記，后續(xù)的鼻子和嘴巴的具體位置也能相應(yīng)的被標(biāo)明了。3.1.2特征提取模塊本模塊的工作方式可以按一下操作逐一展開：（1）對(duì)矩形框中的兩瞳孔之間的尺寸作出計(jì)算（2）眼睛的傾角度（3）瞳孔以及下顎的重心位置（4）將每一部分的特征用方框作出定位數(shù)據(jù)結(jié)算后會(huì)得到相應(yīng)的特征數(shù)據(jù)，將之放入數(shù)據(jù)庫(kù)為后期處理做準(zhǔn)備。3.1.3識(shí)別模塊與數(shù)據(jù)庫(kù)中的原有的數(shù)據(jù)以及數(shù)據(jù)作出對(duì)比并獲取與特征大幅度接近的參數(shù)是這一模塊的工作原理，接下來對(duì)該參數(shù)作出接下來的分析。假如分析所得在我們所確認(rèn)的范圍以內(nèi)，就可以把所得結(jié)果認(rèn)為是我們所需要的。然后從數(shù)據(jù)庫(kù)存中整理出與該人面部的信息，并將這些信息輸出。假如數(shù)據(jù)庫(kù)中沒有相應(yīng)的信息，則給出提示是否對(duì)存庫(kù)作為樣本。

第四章系統(tǒng)的詳細(xì)設(shè)計(jì)1、啟動(dòng)系統(tǒng)，并1、啟動(dòng)系統(tǒng)，并進(jìn)入人臉識(shí)別系統(tǒng)內(nèi)部界面。2、按操作步驟，進(jìn)行拍攝，并將獲取后的圖片進(jìn)行保存。1、對(duì)圖片經(jīng)過光線補(bǔ)償處理、將圖片進(jìn)行灰度處理、實(shí)現(xiàn)圖片對(duì)比度增強(qiáng)，二值化變換等一系列預(yù)處理。2、把圖片中經(jīng)過處理的人臉進(jìn)行位置標(biāo)定，分別標(biāo)記出眼睛嘴巴鼻子的位置。3、對(duì)定位好的人臉圖片進(jìn)行特征提取操作。1、對(duì)人臉完成識(shí)別。2、結(jié)束并推出程序。輸出4.1模塊工作方式4.2數(shù)據(jù)處理內(nèi)容流程4.2.1位圖詳細(xì)設(shè)計(jì)VC++這一編程環(huán)境沒有為編譯者提供較為方便的DIB繪制方法，所以只能靠編譯者自己來創(chuàng)建一個(gè)實(shí)用的DIB類了。我們所用到的系統(tǒng)創(chuàng)造了專門的類DIB來處理與設(shè)備沒有聯(lián)系的位圖，下表給出的操作函數(shù)就是處理位圖的。

表4-1Dib類的部分功能函數(shù)功能ClearMemory（）釋放內(nèi)存CopyHandle（）拷貝內(nèi)存塊LoadDIB（）加載位圖信息ReadDIBFile（）讀取位圖文件信息LightingCompensate（）進(jìn)行光線補(bǔ)償PixelOffset（）修正像素值PaintDIBTrue（）繪制DIB對(duì)象GetColorNumber（）獲取顏色總數(shù)GetHeight（）獲取DIB高度GetWidth（）獲取DIB寬度GetSize（）獲取圖像數(shù)據(jù)緩沖區(qū)中的字節(jié)數(shù)GetBitCount（）獲取顏色位數(shù)GetBiBitCount（）獲取字節(jié)數(shù)4.3圖像點(diǎn)處理詳細(xì)設(shè)計(jì)作為一種既簡(jiǎn)單但是有不可或缺的重要技術(shù)，圖像點(diǎn)運(yùn)算能夠變圖像數(shù)據(jù)占據(jù)的灰度范圍作出改變和調(diào)整，經(jīng)過不同采集方式或從不同數(shù)據(jù)庫(kù)中得到的輸入信息會(huì)產(chǎn)生與進(jìn)入系統(tǒng)的數(shù)據(jù)相對(duì)應(yīng)的output，同樣的像素點(diǎn)的灰度值也是input決定output。這里所用到的處理方式與上述局部運(yùn)算的區(qū)別之處就是局部運(yùn)算所最終得出的output是由多個(gè)input共同起作用的。本處的處理方式對(duì)于空間的改變作用不計(jì)。點(diǎn)運(yùn)算能夠根據(jù)既定的方向來改變?nèi)我鈭D像的灰度直方圖。我們知道灰度等級(jí)的不同會(huì)是隨著既定的運(yùn)算法則的變化而變化的，除去這些法則外，對(duì)于像素點(diǎn)的增加則可以看做是點(diǎn)運(yùn)算的原理。輸入與輸出的函數(shù)式關(guān)系可用下式其中A為inputB為output：（4-1）上式中f代表是的是灰度改變的運(yùn)算法則，這一法則對(duì)輸入灰度值和輸出灰度值之間的變化做出的改變，運(yùn)算是否得出結(jié)果的標(biāo)準(zhǔn)就是灰度變換函數(shù)值能否穩(wěn)定。點(diǎn)運(yùn)算另一種情況下也可以被稱作對(duì)比度增強(qiáng)亦或是對(duì)比度拉伸或灰度變換，這一運(yùn)算的作用能夠使數(shù)字化的軟件正常運(yùn)行。接下來我們會(huì)對(duì)數(shù)據(jù)處理解決各圖像點(diǎn)處理模塊做出理論和編程實(shí)現(xiàn)。4.3.1光線補(bǔ)償1.算法思想：由于皮膚顏色以及其他的色彩信息容易受到外界環(huán)境如不同的光照條件，圖片獲取裝置等一系列條件的影響，光線補(bǔ)償這一想法的提出就顯得尤為重要，一般而而言我們所說的顏色上出現(xiàn)泛黃，偏冷，偏暖這些情況就是就是我們所處理的整張圖片會(huì)在全部色彩上偏離原有的色彩而想其他方向整體搬移。這種所謂的色彩偏差現(xiàn)象在我們生活中的藝術(shù)照中較為普遍。要減少甚至消除這種在圖片中有的在顏色上的誤差，要用到全部圖片中的每個(gè)像素亮度（都是通過數(shù)學(xué)校正后的亮度）并將這些像素按亮到暗的順序整理，將前十分之一定位目標(biāo)像素，假如我們所取得像素?cái)?shù)量達(dá)到一定數(shù)目以上假設(shè)200，被選中就得就可以稱之為參考系，把色彩的紅綠藍(lán)分量值都改為255。圖片內(nèi)另外所有像素點(diǎn)的色彩值也都會(huì)根據(jù)這一像素比例來調(diào)節(jié)尺度。2.具體實(shí)現(xiàn)光線補(bǔ)償功能：大致了解了光線補(bǔ)償?shù)墓δ芩惴安僮鞣较蚝?，就能夠通過以下的操作來完成功能實(shí)現(xiàn)：代碼如下hDIBTemp=gDib.CopyHandle(hDIB);gDib.LightingCompensate(hDIB);GlobalUnlock(hDIB);Invalidate();光線補(bǔ)償功能的主要代碼如下： for(i=0;i<height;i++) for(intj=0;j<width;j++) { //獲取像素偏移 lOffset=this->PixelOffset(i,j,wBytesPerLine); //得到藍(lán)色分量 *(lpData+lOffset)=colorb; //綠色分量 colorb=*(lpData+lOffset+1); colorb*=co; if(colorb>255) colorb=255; *(lpData+lOffset+1)=colorb; //紅色分量 colorb=*(lpData+lOffset+2); colorb*=co; if(colorb>255) colorb=255; *(lpData+lOffset+2)=colorb; }（1）光線補(bǔ)償?shù)男Ч麍D如下所示：圖4-1原圖圖4-2光線補(bǔ)償效果圖4.3.2圖像灰度化1.算法思想（1）彩色轉(zhuǎn)換成灰度對(duì)圖片進(jìn)行灰度處理會(huì)用到下式：（4-2）式子中，gray即為像素灰度值。（2）灰度比例變換灰度比例變換一般就是將原像素的灰度乘上縮放因子，截止到區(qū)間[0,255]。（3）灰度線性變換因?yàn)槌上駮r(shí)曝光度不夠或者曝光過度，最終生成的圖像會(huì)出現(xiàn)對(duì)比度不夠的問題，這樣的后果就是最終圖像里的一些細(xì)節(jié)會(huì)模糊難以分辨。對(duì)圖片像素灰度做線性延伸，能夠明顯的使圖像的觀感得到提升。灰度線性變換算數(shù)公式為：（4-3）上式字母f所表示的是圖像像素灰度，g是經(jīng)過線性變換后的灰色值。這種變換把位于區(qū)間[a,b]的灰度值搬移到灰度區(qū)間[c,d]，原來不位于[a,b]區(qū)間的灰度值會(huì)留來原來的區(qū)間。這里a，b，c，d，f，g均為[0,255]之間的整數(shù)值。由此可得，a被搬移到為c，b被映射為d。（4）灰度線性截?cái)嗷叶染€性截?cái)嗨悸肥牵杭偃缦袼氐幕叶戎当萢小，那么這一像素灰度為c；假如原像素的灰度在b以上，那么像素值為d。2.具體實(shí)現(xiàn)灰度化功能大致了解圖像灰度處理的工作流程后，接下來的工作就是通過對(duì)程序進(jìn)行編碼來實(shí)現(xiàn)圖像灰度化（1）編輯菜單IDR_MAINFRAM，先在其中添加一菜單項(xiàng)，將其命名為”圖像灰度化”,并將其ID號(hào)設(shè)為ID_READY_SCALE,對(duì)應(yīng)文件FaceDetectView．Cpp中的函數(shù)ReadyLightingconpensate()實(shí)現(xiàn).（2）現(xiàn)該模塊的核心代碼如下：獲取藍(lán)色分量ColorB=*(lpData+lOffset);獲取綠色分量 ColorG=*(lpData+lOffset+1);獲取紅色分量 ColorR=*(lpData+lOffset+2);計(jì)算灰度值 gray=(ColorG*50+ColorR*39+ColorB*11)/100; 顯示灰度圖像 *(lpData+lOffset)=gray; *(lpData+lOffset+1)=gray; *(lpData+lOffset+2)=gray;其中l(wèi)pData是圖片數(shù)據(jù)區(qū)，lOffset是圖片像素的偏移，gray是圖像的灰度值（3）圖像灰度化效果圖：圖4-3圖像灰度化效果圖

4.3.3高斯平滑1.算法思想在對(duì)本節(jié)內(nèi)容介紹之前，首先要對(duì)模板操作有個(gè)了解。所謂模板操作就是在數(shù)字圖像處理的過程中會(huì)頻繁使用到的計(jì)算方法，在圖像的平滑、銳化以及細(xì)化等等的一系列操作中模板操作都發(fā)揮著重要的作用。比如：一種普遍的平滑算法是將原來圖像中一個(gè)像素的灰度值以及其四周相鄰的八個(gè)像素的灰度值的加和，之后求取平均值以此來用作新圖中的灰度值，可用以下方法：（4-4）我們通常把上式成為模板。位于中部的點(diǎn)即為元素中心元素，這即為要處理的數(shù)字，如下矩陣即為樣板：（4-5）那么這種處理方式可稱：把初始任意像素的灰度值與其四周圍著的八個(gè)值做加和之后將得出的新數(shù)對(duì)其求平均并以這一新值為這一方陣像素的灰度值。假若中心位置交換意義即為中心灰度值與其上面的值乘以二做加和賦予新的中心值，而所表示的意義恰與上相反。一般情況下邊界以外的值在計(jì)算時(shí)不做處理，因此經(jīng)過計(jì)算后的新值相較之前的值會(huì)有偏差，一般來說會(huì)偏小，舉例為：當(dāng)模板是原圖灰度值矩陣是時(shí)，經(jīng)過模板操作后的圖像為“-”即為對(duì)邊界處可操作性較弱的像素點(diǎn)，通常的方法就是對(duì)原來圖片的圖像灰度進(jìn)行復(fù)制，之后對(duì)圖像就不做處理。模板操作完成了一種對(duì)領(lǐng)域計(jì)算，即對(duì)于單個(gè)像素點(diǎn)操作輸出不單對(duì)本像素灰度會(huì)產(chǎn)生影響，并且該領(lǐng)域的值會(huì)與其他點(diǎn)的值有關(guān)。接下來把平滑的用途和解決方法作出介紹。在對(duì)于圖片獲取的過程中,圖像會(huì)因?yàn)橥饨绮淮_定因素的影響致使圖像中一般會(huì)有一些誤差存在,如不規(guī)則噪聲，在傳輸或者存儲(chǔ)時(shí)發(fā)生的數(shù)據(jù)的錯(cuò)誤丟失等等,所有這些不確定因素都會(huì)對(duì)成像質(zhì)量造成影響。對(duì)噪聲點(diǎn)的修復(fù)叫做平滑處理,平滑能夠減少成像時(shí)的視覺噪聲,將圖像中的高頻段分量消除,原本相對(duì)較隱晦的低頻分量會(huì)變得易于識(shí)別。但是噪聲點(diǎn)一般都是相對(duì)獨(dú)立的點(diǎn),噪聲點(diǎn)的像素灰度值與其相鄰的灰度值有著明顯的差異,灰度值會(huì)在這個(gè)點(diǎn)周圍驟變值高頻帶區(qū)域。卷積的作用之一就是對(duì)圖片進(jìn)行降噪,平滑的頻率截止點(diǎn)是受卷積核的大小跟卷積系數(shù)共同作用影響的。低通濾波器的顯著功能有大致分一下幾點(diǎn):1卷積核的橫縱向數(shù)一般為單數(shù),常規(guī)狀態(tài)是三階方陣;2卷積系數(shù)以中心點(diǎn)做中央的n階方陣;3卷積系數(shù)中不存在負(fù)數(shù);4相距中心較遠(yuǎn)在邊界意外的的卷積系數(shù)的值不參與運(yùn)算;5經(jīng)過卷積得出的運(yùn)算數(shù)據(jù)不會(huì)對(duì)圖片的亮度產(chǎn)生影響。在x軸方向上的成像以及圖片的二值化處理經(jīng)過卷積平滑后會(huì)呈現(xiàn)出一個(gè)令人滿意的輸出。X軸上成像的曲線會(huì)濾除在y軸上不穩(wěn)定不規(guī)則的鋸齒條紋,經(jīng)過二值化處理的圖像會(huì)有更多的像素點(diǎn)集中分布，下面給出的是一些高頻的卷積核:1/91/91/91/101/101/101/162/161/161/91/91/91/101/51/102/164/162/161/91/91/91/101/101/101/162/161/16LP1LP2LP3一般情況下我們將圖像做如下處理:把像素中心位置四周八個(gè)點(diǎn)的像素值乘于每個(gè)矩陣所對(duì)應(yīng)的系數(shù)后求出加和得到一個(gè)值,并求出這個(gè)值與中心點(diǎn)像素值的乘積,把最后得到的這個(gè)值付給中心點(diǎn)像素值。通常情況下,對(duì)于向異的噪聲都會(huì)有相應(yīng)的算法與之對(duì)應(yīng)。這里所用到的卷積算法就是高斯卷積核,即為如上所述的卷積核的LP3。經(jīng)過二維高斯函數(shù)采樣可以得到最終的卷積。高斯平滑算法具有顯著的優(yōu)越的地方，比如經(jīng)過平滑后圖像會(huì)更加清晰，減少失真,使算法具有更高的容錯(cuò)性和普適性,這樣能對(duì)多種噪聲干擾作出屏蔽。特別提醒:算法不能再圖片邊界點(diǎn)出對(duì)之作出平滑處理,所以處理對(duì)象的范圍要在邊界點(diǎn)內(nèi)部。2.具體實(shí)現(xiàn)高斯平滑功能了解高斯平滑的工作依據(jù)后，就能通過程序設(shè)計(jì)來完成對(duì)圖像的編譯：其代碼的核心部分有下給出： Template(tem,3,3,xishu); Invalidate(TRUE);其中tem是模板參數(shù)，xishu是模板系數(shù)；Template（）完成對(duì)圖像進(jìn)行平滑降噪的，代碼是：for(m=i-((tem_h-1)/2);m<=i+((tem_h-1)/2);m++){ for(n=j-((tem_w-1)/2);n<=j+((tem_w-1)/2);n++) sum+=Gray[m][n]*tem[(m-i+((tem_h-1)/2))*tem_w+n-j+((tem_w-1)/2)]; }sum=(int)sum*xishu; 計(jì)算絕對(duì)值 sum=fabs(sum); 如果小于0，強(qiáng)制賦值為0if(sum<0)sum=0; 如果大于255，強(qiáng)制賦值為255if(sum>255) sum=255;HeightTemplate[i][j]=sum；3.高斯平滑效果圖：見下圖4-4圖4-4高斯平滑效果圖4.3.4灰度均衡1.算法思想這里所提及的名稱能夠讓“直方圖均衡”所代替，經(jīng)上述所提的點(diǎn)運(yùn)算把輸入經(jīng)計(jì)算最終輸出沒有雜亂分量的生成圖像。這里所提到的方法能夠十分高效的把圖像變?yōu)闃?biāo)準(zhǔn)的待處理模塊。根據(jù)所處理圖片的像素灰度值我們可以歸納出下式：（4-6）上式中H即為直方圖，分式中的分母為輸入材料的大小，我們假定輸入數(shù)據(jù)Pr（r)所表示的為概率分布的大小，輸出后的數(shù)據(jù)用Ps（S）來計(jì)算，其中計(jì)算法則為s=f（r），整合數(shù)學(xué)知識(shí)我們可以用下式表示：（4-7）經(jīng)計(jì)算后若要讓輸出的圖像數(shù)據(jù)達(dá)到標(biāo)準(zhǔn)要求那么還需一下計(jì)算：（4-8）對(duì)其兩端求取原函數(shù)：（4-9）這里所用到的計(jì)算式即為像素轉(zhuǎn)換公式以上所提及的是被歸一化后所總結(jié)歸納得出的，至于沒有經(jīng)過這一過程的輸入，需要做到的就是將紅綠藍(lán)的像素值調(diào)至最大，表達(dá)式如下：（4-10）對(duì)于離散圖像轉(zhuǎn)換式為：（4-11）式中Hi為第i級(jí)灰度的像素個(gè)數(shù)。2.編程實(shí)現(xiàn)在灰度均衡操作同樣不需要改變DIB的調(diào)色板和文件夾，只要把指向DIB像素起始位置的指針和DIB高度、寬度信息傳遞給子函數(shù)就可以完成灰度均衡變換工作，其核心代碼如下：*(lpData+lOffset)=state;//顯示灰度均衡*(lpData+lOffset+1)=state;*(lpData+lOffset+2)=state;

3.效果圖圖4-5灰度均衡效果圖4.3.5圖像對(duì)比度增強(qiáng)1.算法思想：輸入圖片均衡直方圖經(jīng)過以上步驟，接下來的工作就是將圖片對(duì)比度進(jìn)一步調(diào)高，進(jìn)而擴(kuò)大它們的差值。將計(jì)算灰度值的結(jié)果做出比照，區(qū)分最終數(shù)據(jù)是否相關(guān)是以所設(shè)定級(jí)值為基準(zhǔn)線，低于這一值的則認(rèn)為有用，其余信息可將之濾除。位于兩基準(zhǔn)線中間的數(shù)據(jù)，將對(duì)比度升高，并作為新的樣板數(shù)據(jù)納入數(shù)據(jù)庫(kù)。衡量這一部分工作成功與否的表示就是是否將圖像特征最終呈現(xiàn)。2.編碼實(shí)現(xiàn)：添加“實(shí)現(xiàn)圖像對(duì)比度增強(qiáng)”菜單項(xiàng)的事件處理程序，其代碼如下；lOffset=gDib.PixelOffset(i,j,gwBytesPerLine);獲取圖像灰度增強(qiáng)函數(shù)intstate=IncreaseContrast(ZFT[k][k1],100);顯示灰度增強(qiáng)后的圖像*(lpData+lOffset)=state;*(lpData+lOffset+1)=state;*(lpData+lOffset+2)=state;這里所提到的IncreaseContras（）能夠?qū)?duì)比度提升，對(duì)比度的強(qiáng)弱由n控制，并與其值的大小呈正相關(guān)，其中n是非負(fù)的，重要代碼段為：if(pByte<=Low) return0; 獲得中間數(shù)據(jù)，并進(jìn)行對(duì)比增強(qiáng)處理 elseif((Low<pByte)&&(pByte<High)) returnint(((pByte-Low)/Grad)); 如果數(shù)據(jù)很大，設(shè)置為255 else return255;3.效果圖圖4-6對(duì)比度增強(qiáng)效果圖

4.4編程時(shí)的問題解決4.1光線補(bǔ)償將圖片中像素；亮度逐一作出調(diào)整是一個(gè)很大的工程，起初，用到的方法是設(shè)置一個(gè)基準(zhǔn)值進(jìn)而將將多幅待測(cè)圖像與該值比對(duì)，處理后的結(jié)果還算過關(guān)，這一方法的缺陷暴露在我將更多的圖片輸入后，本來所設(shè)置的基準(zhǔn)值就顯得作用不明顯，這一問題在運(yùn)用全局統(tǒng)計(jì)時(shí)得到了解決。4.2高斯平滑如前面所述，采用這一步的必要性就是削弱噪聲，通過對(duì)模板的操作來對(duì)這一用能投入運(yùn)用，所以模板參數(shù)的敲定是尤為關(guān)鍵的。模板參數(shù)能夠直接決定得出結(jié)果的質(zhì)量。這就要求在程序編寫是所選定的參數(shù)不是一蹴而就的，因?yàn)榇嬖诘目赡苄砸欢ㄊ嵌鄻拥?，多組次的選擇確定選擇區(qū)間并用數(shù)學(xué)方向篩選出最優(yōu)值。起初的值選定為1/91/91/91/91/91/91/91/91/9形式，但是，得到的效果卻是令人失望。后來又用了1/101/101/101/101/51/101/101/101/10效果有了提升，但改進(jìn)的程度不明顯。最終所選定的數(shù)據(jù)為1/162/161/162/164/162/161/162/161/16實(shí)驗(yàn)證明這確實(shí)是最優(yōu)結(jié)果。4.3均衡直方圖起初灰度的分布并不集中，圖像中有區(qū)分度的部分也被掩蓋，原本想經(jīng)過高斯平滑后進(jìn)行灰度變換，最終結(jié)果并不如預(yù)期那樣理想。但之后按部就班的進(jìn)行了多次實(shí)驗(yàn)，也的確找到了均衡的方法，后續(xù)的試驗(yàn)檢測(cè)結(jié)果也證明了結(jié)論的正確性。

第五章系統(tǒng)結(jié)構(gòu)在本文說述的運(yùn)行程序中，接下來要做的就是對(duì)各個(gè)部分和模塊及其在整體中發(fā)揮的作用所和對(duì)應(yīng)的名稱進(jìn)行描述：1、CFaceDetectView：這是不需要手動(dòng)輸入的是始終在應(yīng)用程序里的。其中所包含的選項(xiàng)可以滿足大部分問題的解決。CFaceDetectView.h文件和CFaceDet