基于Java 的圖書館人臉識別系統設計與實現

劉淑麗

（鄭州工業應用技術學院，河南 鄭州 451100）

1 概述

本文的主要內容是圖像的初始處理時通過接收和處理攝像機的圖像來獲得定位和識別的精度。該模塊的校正主要是光補償、圖像雕刻、砂紙平滑，簡單的線條還包括平滑，但是在這個過程中，光的影響很難被記錄下來，而且圖像的顏色也不均勻，這就使得光補償變得很困難。編程過程可以在互聯網和書籍中找到，但是在特別困難的設計過程中，使用24 位地圖，便于在圖書館門禁系統中定位和提取功能。

2 系統需求和可行性分析

2.1 系統需求

在開發人臉識別程序之前，經常會訪問以前的文檔和原始程序，在開發過程中，我們將算法組合成數據，復制自己的想法，使程序更容易識別人臉圖像。軟件的主要功能是識別人臉。首先系統處理用相機采集的原始圖像。此過程也被稱為圖像預處理。只有預處理模塊才能很好地工作。這個過程可以完成以下兩個按鍵模塊：臉部定位和特征提取。

2.2 可行性分析

可行性研究也可以說是可行性研究。新軟件，為了保證新應用的開發成功，根據最低的耗電和最大的實用性，解決方案的用戶需求，對系統進行了分析和審查。

有很多圖像處理方法可以使用不同的方法，所以臉部的顏色其實就是皮膚的顏色，提取膚色的面積更準確，成功的概率在95%以上，而且速度相當快。

圖像亮度的變化。圖像在另一個環境中，光不可避免地受到另一個光的影響，因為圖像太暗或太亮，我們需要調整它的亮度。最重要的措施是補償圖像中的光。

本文的主要目的是圖像預處理模塊，系統中使用的算法有：（1）光學補償模塊：圖像的光是不平衡的，可以通過光改變顏色。為了補償整個圖像的顏色變化，系統選擇了一種通過使用前5%像素和增加線性度來提高低階和高階圖像中所有像素的亮度的解決方案。（2）高斯級模塊：在記錄過程中，數據會在傳輸和存儲過程中丟失或損壞，因此圖像中經常會發生不規則的隨機噪聲，影響圖像的質量，所以有時候需要對圖像進行消除噪聲。但是，如果平滑不適當，則輪廓、線條等圖像自身的細節會模糊。（3）圖像比較模塊：該模塊的目的是將每個點的操作中導入的圖像轉換成輸出圖像。每層灰燼中的像素數是相同的，其實現主要取決于灰燼平衡的變化。（4）直方圖方程模塊：為了逐漸顯示圖像的特性，有必要提高對比度。主要測量圖像的灰分值。對于兩者之間的信息，總灰分值的增加部分作為新像素存儲。

3 預處理方案

3.1 人臉識別流程

需要很多步驟來完成面部識別，整個過程中，由于科學家來自不同的學科，背景不同，對不同人的面部識別目標不同，面部識別過程也不一致。

最重要的步驟是面部識別/跟蹤、面部提取、維度下降、匹配和分類，基本上是連續的。

3.2 人臉檢測/跟蹤

人臉識別是自動人臉識別系統的第一步。目標是用圖像輸入來看臉。在特定的檢索圖像[7]中，面部識別的目的是判定圖像中是否有面部。在實踐中，通常在非控制條件下收集信息。因此，獲得的圖像在大小、方向、暗度、覆蓋率、分辨率等方面存在著很大的差異，導致圖像的不同變形，同一個人的臉會導致檢測誤差、濾波誤差等。為了校正人臉尺寸、光照和旋轉的變化，需要對不同的人臉圖像進行幾何均勻性（空間標準化）和光均勻性（灰度均勻性）的調整，以便用均勻算法進行識別。

3.3 特征提取

為了能夠分別出人的臉，就必須要提取這個人的臉上具有的獨特性質。也就是說，必須從人臉的圖像中提取出很多數字顯示模式。一般的表示方法包括幾何函數、代數函數、固定函數模型、函數曲面等。

3.4 特征降維

人臉是一種非剛性的自然物體，可以從人臉中提取許多不同的屬性。因此，人臉的原始特征與超空間數據是一致的（在M*n 圖像意義上，空間層次可以達到M 個程度）。*（n）除了大量的相應計算外，很難對高數據的可描述性做出有效的評價。因此，要保證基于大量數據的識別結果的有效性是不可能的，我們需要一種簡潔的人類表達方法來過濾和融合原始特征，集中信息，減小這些小尺度空間的規模和效率。改進以促進下一步的適當分類。

3.5 匹配識別

根據提取功能，選擇合適的匹配策略，將待識別人臉與數據庫中已知人臉進行比較。和臉部識別不同，這里主要使用個人臉部的不同。有兩種識別目的和情況。一個是面部圖像的驗證，即確認。輸入圖像中的人屬于監視識別數據庫。還有一個是臉部圖像的識別（identification），確認輸入圖像中無人值班識別的人的身份。

4 模塊概要設計

4.1 圖像獲取模塊

該模塊主要接收來自攝像機庫的圖像或在軟件界面上可以識別的圖像。

4.2 人臉區域獲取

在這個系統中，對人臉的理解主要是基于一個由皮膚的非線性部分演化而來的膚色模型。然而這樣的皮膚顏色模型的設定就必須得挑選合適的顏色以及空間。

4.3 人臉定位模塊

臉的位置是這個系統中典型的臉部特征（眼睛、鼻子尖、嘴唇等）。位置的特征是眼睛、鼻子的前端和嘴。首先眼睛肯定是對稱的，所以對于眼睛就可以直接標記。眼睛下面鼻子再下面嘴，不可能說嘴長在鼻子上面。那么眼睛被標記的話，緊接著鼻子、嘴巴也會被標記。

4.4 特征提取模塊

特征提取按以下4 個步驟進行：（1）得到眼睛和眼睛中間的距離。（2）測量眼睛是否歪斜并測出它的傾斜角度。（3）估計出眼睛、鼻子、嘴巴的重心在哪里。（4）最后直接標出每一個特征。一旦特征被標注出來，其相應函數的值就存儲在數據庫中。

4.5 識別模塊

與典型的存儲介質相比，可以確定并且更進一步的分辨出最接近這些的數據。如果在我們設定的圍內，這個人就肯定是我們要找的人。

5 系統的設計與實現

5.1 圖像點處理詳細設計

圖像點操作是簡單而重要的技術，用戶能夠變更圖像數據的灰度區域。點操作后，圖像輸入將生成一個新的輸出圖像。輸入像素：點和局部運算的區別在于，輸入每個輸出像素的灰度值，并與輸入字段內的一個或多個像素的灰度值進行比較。這是為什么呢？點操作無法改變圖像的空間關系。

對比度展開和灰度轉換是圖像數字化軟件和圖像顯示軟件的重要構成部分，詳細介紹了各圖像處理模塊的應用問題的解決原理和程序設計。

5.2 光線補償

算法思想：光補償概念主要考慮顏色信息的影響，如膚色對光源顏色的影響和成像設備的顏色變化。一般來說，他認為它和基本顏色不同，在一定的方向上移動，這在藝術照片中比較常見，因此，為了補償一般圖像顏色的變化，我們建議，整個圖像的所有像素的亮度（非線性校正后的亮度）從高變為低。則將亮度設置為“熱參考”，并將顏色RGB 設置為255。整個圖像的不同像素的值也將在此比例上更改。

具體實現光線補償功能：完成過程如下：首先編輯IDR菜單，在菜單中添加一個名為“預處理”的菜單項，然后在屬性欄中創建“輸出”菜單，單擊“預處理”新建一個子菜單，再調用“光補償”。光線補償的效果圖如1、2 所示。

5.3 圖像灰度化

灰度比例變換：如果圖像在攝影中曝光不足或曝光過度，則存在對比度不足的缺點，沒辦法明確地分辨圖像的重要點，灰度圖像的線性擴展可以明顯優化圖像的外觀。圖像灰度化效果圖如圖3 所示。

5.4 高斯平滑

算法思想：在高斯柔度之前使用模板操作。為圖像的靈活性、親和力、細化和邊緣測試而設計的使用。

圖1 原圖

圖2 光線補償效果圖

圖3 圖像灰度化效果圖

圖4 高斯平滑效果圖

圖5 對比度增強效果圖

圖像質量受到影響，噪聲處理過程稱為柔性，柔性降低了圖像中的視覺噪聲；去掉圖像的高頻部分，可以更容易地識別出低頻部分。噪聲點的灰分含量與相鄰像素的壽命有很大的不同，即它們總是隨空間頻率的變化而變化。彈性可以通過原子的痙攣、大小和體積來實現。高斯平滑效果圖如圖4 所示。

5.5 圖像對比度增強

算法思想：編輯圖像平衡可以進一步提高對比度。統計圖像的灰度值。最小值以下的信息被視為相關信息，被視為黑色。對于信息，在大于最大值的情況下，認為去除了部分不相關的信息，對于兩者之間的信息，對比度增加，并且這些全部灰度值中的份額作為新的像素信息被保存。對比度效果圖如圖5 所示。

5.6 關鍵功能部分函數設計

（1）攝像頭操作：要執行系統功能，首先要讀取相機數據以保持相機運行。由于采集的圖像平滑且易于管理，因此需要使用setcape property（）函數將相機分辨率設置為公共值（1024*768），讀取相機數據并返回ipjimage 圖像數據。在這一部分中，您需要打開相機，設置相機分辨率屬性，并在讀取和使用后釋放相機資源。啟動程序時，如果未從文件中讀取信息，相機將自動開始下載圖像。單擊ESC 退出系統，自動檢索資源，關閉相機并釋放相機資源。

（2）人臉檢測功能：要實現人臉識別，首要先檢測出人臉。要發揮這個作用，我們可以接收攝像機圖像，進行加熱等操作，使用頭發功能，使用層疊，搜索面部區域，盡可能地識別人臉，避免被不公正地發現，再檢查一下收集區的眼睛。通過對人眼未發現的區域進行過濾，成功地降低了人臉區域的錯誤率，達到了人臉真正需要的區域。平衡圖像的直方圖，對圖像進行校正，最后進行必要的訓練和圖像識別。

6 結束語

在“基本數字圖像處理方法”的背景下，使用圖像處理的基本方法和最常用的方法，例如格式轉換、灰度變化、濾波和其他圖像，例如圖像平滑、矩陣轉換、圖像轉換數字圖像處理過程，如膨脹腐蝕、圖像幾何轉換（ease、rotation、size等）和讀取可以繼續進行，并可以生成和顯示編碼圖像，只有這一部分才能構成一個特殊的圖像處理平臺。最終應用在圖書管門禁系統中，得到很好的效果。