本科毕设毕业论文-人脸处理界面程序的研究与设计

大学

本科毕业论文（设计）

题目人脸处理界面程序的研究与设计

姓名学号

专业年级通信工程二班

指导教师职称

201年 4月 27日

目录

1 绪论 (1)

1.1课题的背景与研究意义 (1)

1.2 人脸识别的发展历史与国内外现状 (1)

1.2.1 人脸识别的发展历史 (1)

1.2.2 人脸识别国内外现状 (2)

2 人脸识别的关键技术 (3)

2.1 人脸识别技术原理 (3)

2.1.1 人脸识别系统的工作原理 (4)

2.1.2 人脸检测的分类 (4)

3 系统的需求分析和方案选择 (5)

3.1 可行性分析 (5)

3.2 需求分析 (5)

3.3 预处理方案选择 (5)

4 系统的详细设计 (7)

4.1 图像点处理的详细设计 (7)

4.1.1 光线补偿 (8)

4.1.2 图像灰度化 (9)

4.1.3 高斯平滑 (10)

4.1.4 灰度均衡 (11)

4.1.5 对比度增强 (12)

4.2 结构设计 (13)

5 实验结果 (15)

6 总结 (18)

参考文献 (19)

致谢 (21)

外文翻译PCA-Base Real-Time Face Detection and Tracking (22)

人脸处理界面程序的研究与设计

摘要

随着时代的发展，人脸识别技术应用的领域也越来越广泛，特别是如今人们对信息安全越来越重视，因此人脸识别技术在身份鉴别，安保等领域的突出表现也受到了更多人的青睐。在这个大背景下，了解人脸识别的原理和系统构成也显得尤为必要。

本文主要介绍了人脸识别系统中的图像预处理技术和人脸检测技术，讲解了如何从一副图像之中识别出人脸并用软件显示出来。软件用到了很多图像处理技术内容，包括预处理阶段的光线补偿，高斯平滑和二值化等等。在输入的图像里首先将图像进行光线补偿处理以获得更好的采集效果，然后通过图像灰度化处理将彩色图像转化成灰度图像，同时通过高斯平滑处理来消除图像中间的噪声，最后需要增强对比度和图像二值化来方便更好的提取图像之中人脸的特征值。软件结果显示在图像处理模块方面效果较好，人脸的定位与识别率都较高。

关键词：图像预处理，肤色检测，人脸检测，人脸识别，人脸定位，高斯平滑，图像获取

Research and Design of face processing interface program

Abstract

With the development of the society, human face recognition technology has been more and more widely used in many situations, Explain how to identify an image from among the human face and use the software displays. especially nowadays people pay more and more attention to information security, so face recognition technology has been more and more people's attention. In this big background, the understanding of face recognition principle and the system is also is necessary.

the image processing technology, including light compensation and processing stage, gaussian smoothing, binarization and so on. First, the input image in the image correction processing to obtain a better light collection effect and the color image into a gray image processing by the image gray-scale, while Gaussian smoothing to eliminate the middle of image noise, Finally enhanced contrast and image binarization to facilitate a better image among the extracted facial feature. Software results show that the effect is better in terms of the image processing module, human face location and recognition rate is higher.

【Key words】：image preprocessing, skin color detection, face detection, face recognition, face positioning, gaussian smoothing, image retrieval

1 绪论

1.1课题的背景与研究意义

人脸是人们平时相互辨认的基本特征，它包含着丰富的信息，世界上基本找不到有着相同的人脸的两个人，这也是人们把人脸识别作为身份识别的理论依据。和其他的身份识别技术类似语音、指纹、虹膜等特征比较，人脸有着很多天然的优势。首先人脸能非常直接被人们看到不会带给别人不适感。而且如今视频监控已经遍布世界各地，人脸的提取与其他的人体特征相比也更加方便。它不需要被检测人的主动合作。如果正确的把系统安装在机场、放映场影剧院以及其他公共场所可以识别在人群中个人,而别人甚至意识不到该系统得存在。

然而现今人脸识别系统还不能完美的识别人脸，人脸识别已经能够很好地识别正脸20度以内的全裸面孔，可是一旦处在复杂的环境下，如光照条件不佳，别人戴着眼镜或者长头发遮住了面孔，分辨率低下的时候，系统的识别率就不能得到有效的保障。曾经有人抱怨纽约的罪犯聚集地的人脸监控系统已经运行了好几年却从来没有抓到一个罪犯，虽然罪犯的犯罪率减少了34%。然而,可以用这个概念来解释,当公众被定期告知,他们一直受到基于先进的人脸识别技术视频监控,这种恐惧就可以减少犯罪率,而与人脸识别系统在技术上是否工作没有关系。因此如何提高人脸识别系统的成功率成为当前困扰研究者的最重要的问题。

本文着重讲解了人脸识别系统中的图像处理技术，如何通过一些技巧来改善目前人脸识别技术存在的一些弱点，包括在不同的背景环境下通过与处理技术来准确地提取人脸特征。

1.2 人脸识别的发展历史与国内外现状

1.2.1 人脸识别的发展历史

自动面部识别的先驱包括Woody Bledsoe, Helen Chan Wolf, and Charles Bisson。

Bledsoe，Helen Chan Wolf, and Charles Bisson在1964年和1965年期间使用计算机进行人脸识别工作。给定一个大型的图像数据库实际上是一整本面部照片的书和一张照片,问题是如何从一组照片中匹配出和某一张照片一样的照片。将成功匹配的比例数量记录在数据库中。Bledsoe描述了以下问题:“这其中最大的问题是头部旋转和倾斜,照明强度和角度的变化,面部表情,老化等。之后尝试了一些其他的面部识别机器却在识别率上几乎没有变化。结果显示如果图片未进行处理，或者两张照片里面的人的头部朝向变化特别多，那么两张图片的相关性会变得非常低很难用机器识别出来。

这个项目是用计算机把人脸的坐标提取一组特性的照片,然后用计算机识别。图像软件将提取的坐标功能,如人脸的中心, 眼睛里面的角落,眼睛的角落外,鼻峰等等。从这些坐标的间距，如口宽度和眼睛的宽度,瞳孔到瞳孔的距离计算出来并记录下来。这种软件大约一个小时能处理40幅图像。在构建数据库,照片里的人的名字是与计算距离的列表对应存储在计算机中。在识别阶段,判断的依据依旧是以相应的面部特征之间的距离与数据库里面的数据进行对比匹配的到的，最近将结果记录并返回。然而任何一张人脸如果在头部旋转，倾斜和离相机的距离发生变化的，上面的特征距离也将发生变化。要克服上面的因素带来的影响程序首先尝试确定头部在这种情况下给特征计算距离是带来的偏离有多大，然后弥补上上面因素带来的偏离。要计算这些距离,计算机必须熟悉头部的三维几何。因此实际的头像计算时,Bledsoe(使用一个标准的头七头来自测量。

Bledsoe在1966年停止了这项工作,但这项工作在斯坦福研究院得到了延续,主要是由彼得·哈特来继续完成。在通过实验中对数据库执行超过2000照片后,电脑一直能表现出和人类完成相同的识别任务。彼得?哈特不禁兴奋地喊道“这真的有效!”[1]

在2007年1月,图像搜索是基于文本周围的照片,例如,如果附近的文本提到的图像内容。那么人脸识别技术技术可以再1.5秒时间找出这张图片来。并声称他们将要求用户在线输入他们认识的人的名字和照片来帮助建立一个数据库。x,明尼苏达州的一家公司,已经开发出软件FaceIt。FaceIt可以在人群中挑出某人的脸并在全球范围内数据库比较并识别出这张脸的主人的名字。检测人脸多个特性需要编写软件来实现。软件可以检测眼睛之间的距离,宽度的鼻子,鼻子颧骨的形状、长度和更多的面部特征。软件通过faceprint把脸的特征用一系列代码来表示。面部识别软件不必再依赖于2 d图像中人必须直接面对镜头。现在,随着FaceIt,3 d图像与2 d图像相比可以通过选择特定点的三维图像并将其转换为二维图像使用一种特殊的算法,可以通过几乎所有扫描数据库。2006年,最新的人脸识别算法的性能进行评估的人脸识别挑战赛(FRGC)中高分辨率图像,三维扫描,和虹膜图像被用于测试。结果表明比2002年更准确10倍与1995年更准确100倍。有些算法甚至能够超越人类参与者的识别效率还可以唯一地标识同卵双胞胎[2]。

美国政府支持的评估和挑战问题帮助改进了两个orders-of-magnitude人脸识别系统的性能。自1993年以来,自动人脸识别系统的误码率下降了272倍。

1.2.2 人脸识别国内外现状

随着人脸识别技术不断的活跃在人们的视线中，人脸识别技术也在世界各地得到了更广泛的关注，而基于图像和视频的人脸识别也被更多的研究者关注，人脸处理系统的主要功能就是针对人脸的图像序列进行分析和处理。它分为人脸检测、人脸跟踪、特征提取、人脸识别四个过程。而我们通常所讲的人脸识别实际上就是人脸检测和人脸跟踪两个过程。进入二十一世纪以后，伴随着计算机性能的不断提升，计算机的运算效率也不断提高也带动了人脸识别技术的迅速发展，特别是一些面向复杂应用背景的人脸识别系统也不断的涌现。人脸识别技术的应用前景非常广大，引起了许多国家的高度关注。在国外很多知名的研究机构和知名大学都对基于图像处理的人脸识别技术进行了深入的研究[3]。可以说人脸识别技术发展至今主要方法可以分为三种：第一种是基于知识的方法，基于知识的方法是根据人脸的局部特征来检测人脸，如眼睛的对称性还有一些面部连线等。但是因为有些规则过于普遍，因此这种方法误检率较高。第二种是基于模板匹配，这种方法首先需要建立一个人脸模板库，然后利用一些算法来计算待识别的人脸图像与模板库里面图像的相关性来判断是否为同一人。第三种是基于肤色的识别方法，这种方法首先要对人脸肤色进行图像分割。这种方法在一些复杂背景中的人脸检测上有很好的的效果，但是对光照和遮挡等方面要求较高。

在北京奥运会期间奥运安保系统就操用了人脸识别技术，持票者必须首先经过人员身份识别和实名制查验，为奥运安保系统提供了重要技术支持我国的人脸识别技术正处在高速发展时期，未来人脸识别技术也必将成为国家重点开发的项目。目前人脸识别技术广泛的应用于住宅、企业的安全和管理，电子护照和身份证，公安、刑侦和司法、还有银行的自主服务，信息安全等方面。

2 人脸识别的关键技术

人脸识别是指对于一幅给定的图像，采用一定的方式进行搜寻来确定其中是否含有人脸，如果是，就返回人脸的大小、位置和姿态并与库里面已存的人脸进行对比来确定人脸的身份。本章将主要讨论的是人脸识别的一些关键性技术，尤其是图像预处理和识别的关键算法。

2.1 人脸识别技术原理

人脸识别其实是人脸识别系统的一个统称，人脸识别系统包含了很多的图像处理技术，主要有图像预处理和特征提取、特征对比等等。一般是由系统输入一张不确定身份包含人脸的图像经过一系列图像处理技术处理以后与库存的已知身份的人脸图像或者相应编码进行对比，从而输出与之的相似度来检测待识别的人脸的身份。

图2.1 面部感知系统结构图 2.1.1 人脸识别系统的工作原理

人脸检测属于目标检测的一部分，因此首先要对人脸精心概率统计，从而检测出目标的一系列特性，建立目标模型，然后再用建立的模型来对比系统输入的图像，如果匹配成功则可以确定输入图像的身份，不成功就什么都不做。

计算机的视觉系统和人类的眼睛有相似的地方，但也有差异。人眼通过物体反射的光来刺激感光细胞，然后通过视觉神经的映射在大脑里面构成像。而计算机则是利用光敏软件将光信号转化成数字信号，将图片信息转化成计算机能够识别的数字矩阵。

那么剩下的事就是从这些数字矩阵里面识别出人脸呢？其实我们平时看到的彩色图像在计算机中，都是由很多的色彩通道构成，也就是灰度图，一般一个点由8位来表示弄一个通道就有2^8=256个灰度，三个通道也就是3*8=24种色彩，即为常说的24位真彩。但是用这种方法处理图片无疑太过图

像

输入 人脸检

测

和跟踪 面部特征定位 人脸识别 表情分析

性别判断 种族判断 年龄判别 唇 读 身份信息 情感状态 性别信息

种族信息 年龄信息 唇形类别

复杂，所以首先应该讲彩色图像转化为灰度图，同时去噪，增高对比度，这样图片就能更好的被计算机识别。

人脸识别系统是先记录人脸的特征模型并储存在数据库中，这些模型会与输入的图像模型逐一匹配对比，当两个模型对比过程中相似度超过系统预定的阀值，就会被认为匹配成功，即可确认输入的人脸与系统储存的人脸身份一致。

由于人脸识别具有特征唯一性，自然性好，同时简单方便无需接触设备，既安全又卫生不易招致反感等诸多优点，如今已经越来越受到人们的关注和喜爱。

2.1.2 人脸检测的分类

人脸检测发展至今包含的内容已经非常丰富了，所以人脸检测的分类方法也很多，根据不同的分类依据大致可以分为表2.1中几种：

表2.1 人脸检测的分类

分类依据类别

图像来源静态图像

动态图像

颜色信息彩色图像灰色图像

人脸姿态正面多姿态

人脸个数担任人脸检测未知人脸个数检测

图像复杂程度简单背景人脸检测复杂背景人脸检测

3 系统的需求分析和方案选择

3.1 可行性分析

经过查阅以前别人写的论文和源程序，并结合他们的一些算法，再在其中加入自己的思考结果，最后终于使程序能够简单扼识别人脸图片。

技术可行性

图像处理的方法多种多样，因此我们应该结合需要来有选择地使用各种方法。

通常我们选择基于肤色提取的方法来确定图像中的脸部区域，这种方法能精准的获取脸部区域，而且速度快，成功率高。

而由于我们输入的图像在获取过程中由于环境背景不同，不同的背景下光照强度也必然不同，图像的明暗度不一样，所以我们就通过光线补偿的方法来对它的亮度进行调整。

高斯平滑：由于各种因素的影响，图像在采集过程中就避免不了一些随机噪声的干扰，这些都会对图像的质量形成干扰，要消除这些噪声就需要对图像进行平滑操作。

灰度变换：在进行灰度变化之前，我们有必要进行灰度处理来减少图像信息的丢失，同时要对图像信息做统计处理来找到一个合理的灰度值。

对比度增强：为了使图像中所需要处理的部分更加明显，我们可以通过像素聚集的方法来增强这些区域与附近图像区域的对比度。

3.2 需求分析

应用程序的功能需求分析

整个系统只要实现的是对图像的处理过程，主要功能包括以下几个方面：

1.图像获取：该模块主要是从图片库或者通过摄像头获取图片然后在显示界面里显示出来。

2.图像预处理：该模块主要实现光线补偿、灰值变换、高斯平滑、均衡直方图、增强对比度、二值化变换等功能。

3.人脸定位：通过该模块实施人脸定位，以便特征提取。

表3.1 预处理的层次图

3.3 预处理方案选择 首先图像文件格式方面我们采用24位位图。开发工具选择OpenCV 。

预处理 光

线

补

偿 图像灰度

化 高斯平滑 均衡直方图 图像对比度增强

二值化

光线补偿：本系统为了抵消光线不平衡而造成的色彩偏差，将输入图像的所有像素亮度按从高到低进行排列，取出前5%的像素年通过先行放大使平均像素亮度达到255。

图像灰度化：彩色图像每个像素点由红、绿、蓝三种色光组成，分别为R 、G 、B ，每个分量的取值范围为0~255，灰度图像只能显示256 种不同灰度级的颜色，0 为黑色，255 为白色。灰度处理的方法一般为加权平均法，处理公式为：

R = G = B = V gray =W R R +W G G +W B B （式3.3-1）

其中W R ,W G ,W B 为 R ，G ，B 各个分量的权值，当W R ,W G ,W B 取不同值则有不同的灰度化方法，据经验当 W R ,W G ,W B 分别取 0.3，0.59，0.11时对后期图像处理有很好地效果，即：

R = G = B = V gray =0.3R+0.59G+0.11B （式3.3-2）

高斯平滑处理：图像平滑处理用于去除图像中的噪声，处理的方法有空域和频域法。空域主要采用线性滤波和中值滤波，频域借助低通滤波器对图像进行平滑处理可以很好保护图像信息。

二值化：二值化就是通过某种算法将图像变换成仅有黑白两色，如“0”表示黑色“1”表示白色，这种图像就是二值化图像，这有利于我们特征提取。

直方图均衡：为了使输入图像在每一灰度级上都有相同的像素点数，我们把原始图像饿灰度直方图变换成全部或独范围内均匀分布。我们可以通过只当图变换是来进行直方图的均衡处理直方图变换式是：

式（3-1） ()()()1'1A B H f D H D f f D --????=????