基于MATLAB的人臉識別系統研究

劉思佳 華南師范大學計算機學院

引言

本文介紹了人臉圖像識別中所應用MATLAB對圖像進行預處理，應用該工具箱對圖像進行經典圖像處理,通過實例來應用matlab圖像處理功能，對某一特定的人臉圖像處理，進而應用到人臉識別系統。本文在總結分析人臉識別系統中幾種常用的圖像預處理方法基礎上，利用MATLAB實現了一個集多種預處理方法一體的通用的人臉圖像預處理仿真系統，將該系統作為圖像預處理模塊可嵌入在人臉識別系統中，并利用灰度圖像的直方圖比對來實現人臉圖像的識別判定。

1 系統結構

人臉識別是一個復雜的過程，一個計算機人臉識別的流程如圖所示。它包括幾個步驟：首先對圖像進行采集，利用采集到的圖像對人臉進行檢測，判定圖像中是否出現了人臉，緊接著對人臉進行定位，確定人臉的位置并且進行提取，如果進行定位成功則可以進行圖像的處理，處理無誤則可以迅速對人臉進行識別，識別成功則顯示識別的結果，如果在定位、圖像處理或者人臉識別階段有一處出現錯誤則該過程直接結束。

2 系統算法

在本次系統的設計中，實現了以上所提的全部預處理方法，并且對濾波去噪、灰度變換、邊緣檢測這三種常用的預處理方法進行了實現，從而提供多種不同的具體算法讓用戶可以將結果進行比較之后再做選擇。

2.1 濾波去噪

在預處理過程中為了減少噪聲帶來的降質和失真，在人臉識別過程中必須要用濾波的方式進行噪聲的去除。常用的濾波的方法很多種，如各種平滑濾波、各種銳化濾波等。在人臉圖像預處理的過程中，平滑濾波是使用最多的一種方法，而平滑濾波方法可分為以下三類：線性濾波、中值濾波、自適應濾波。

2.2 邊緣檢測

對人臉進行檢測，如可以在人臉識別系統上對人臉進行粗定位，并且對主要器官（鼻子、眼睛、嘴巴）進行定位時，可以先對圖像進行預處理，這個時候就用到了邊緣檢測。在該系統上，為滿足用戶的不同需求，我們在不同的灰度閾值、不同方向下canny、sobel、log、prewitt這四張算子的邊沿檢測算法，用戶可以根據結果進行比較和選擇。在圖像格式轉換（TIF、JPG轉換為BMP格式）及彩色到灰度圖像轉換的實現方面我們采用了MATLAB中提供的各種圖像類型轉換函數。對圖像二值化，采用了graythresh函數來自動選擇閾值的二值化方法；圖片嗎股股票迪歐尺寸歸一化采用的算法是對人臉圖像進行剪裁和尺寸縮放，實現去除大部分頭發、服飾和背景的干擾并將人臉圖像大小統一。

2.3 識別理論

用灰度直方圖增強圖像對比度是基于圖像灰度值統計的一種重要方法,它以概率論為基礎的,常用的實現算法主要是直方圖均衡化和直方圖規定化。

為了增強動態范圍較小的圖像反差，我們需要把原始圖的直方圖變換成均勻分布，增強整個圖像對比度，這就需要用到直方圖均衡化，從而增強像素灰度值得動態范圍。雖然直方圖均衡化幫我們解決了圖像對比度的問題，并且是自動實現的，但因為不能控制增強效果，對于局部的均衡化不能很好的平衡。實際中有為了局部平衡化，可以讓我們選擇使圖像灰度值的分布滿足特定要求，并且有選擇地增強某個灰度值范圍內的對比度，通常要將直方圖變換成某個需要的形狀。這時可以采用比較靈活的直方圖規定化方法。

3 系統研究結果

圖2 識別結果

4 結論

在MATLAB的基礎上建立的數字圖像處理與識別系統的應用范圍很大，本文只針對性的研究了幾種自然語言基礎上的研究。對于“人臉識別”來說是通過圖像直方圖差值進行實現的，因為相對于其他方法，這種方法的識別率較準確，但同時對圖像的要求更高。因為目前條件下標準人臉庫比較單一，僅僅采用Orl的標準進行測試，這就使得識別率較高。真正落實到現實條件下，因為多種因素的影響，人臉識別檢測的識別率會有一定程度的降低。只有進一步的綜合其他算法，如神經網絡、PCA等才能進一步提高使用范圍和識別率。