毕业设计人脸识别系统设计.doc
《毕业设计人脸识别系统设计.doc》由会员分享，可在线阅读，更多相关《毕业设计人脸识别系统设计.doc（38页珍藏版）》请在冰点文库上搜索。
广西工学院计算机工程系2005届毕业论文人脸识别系统的研究与实现
第一章前言
第一节课题背景
一课题的来源
随着安全入口控制和金融贸易方面应用需要的快速增长，生物统计识别技术得到了新的重视。
目前，微电子和视觉系统方面取得的新进展，使该领域中高性能自动识别技术的实现代价降低到了可以接受的程度。
而人脸识别是所有的生物识别方法中应用最广泛的技术之一，人脸识别技术是一项近年来兴起的，但不大为人所知的新技术。
人们更多的是在电影中看到这种技术的神奇应用：
警察将偷拍到的嫌疑犯的脸部照片，输入到电脑中，与警方数据库中的资料进行比对，并找出该嫌犯的详细资料和犯罪记录。
这并非虚构的情节。
在国外，人脸识别技术早已被大量使用在国家重要部门以及军警等安防部门。
在国内，对于人脸识别技术的研究始于上世纪90年代，目前主要应用在公安、金融、网络安全、物业管理以及考勤等领域。
二人脸识别技术的研究意义
1、富有挑战性的课题
人脸识别是机器视觉和模式识别领域最富有挑战性的课题之一，同时也具有较为广泛的应用意义。
人脸识别技术是一个非常活跃的研究领域，它覆盖了数字图像处理、模式识别、计算机视觉、神经网络、心理学、生理学、数学等诸多学科的内容。
如今，虽然在这方面的研究已取得了一些可喜的成果，但是FRT在实用应用中仍面临着很严峻的问题,因为人脸五官的分布是非常相似的，而且人脸本身又是一个柔性物体，表情、姿态或发型、化妆的千变万化都给正确识别带来了相当大的麻烦。
如何能正确识别大量的人并满足实时性要求是迫切需要解决的问题。
2、面部关键特征定位及人脸2D形状检测技术
在人脸检测的基础上，面部关键特征检测试图检测人脸上的主要的面部特征点的位置和眼睛和嘴巴等主要器官的形状信息。
灰度积分投影曲线分析、模板匹配、可变形模板、Hough变换、Snake算子、基于Gabor小波变换的弹性图匹配技术、主动性状模型和主动外观模型是常用的方法。
可变形模板的主要思想是根据待检测人脸特征的先验的形状信息，定义一个参数描述的形状模型，该模型的参数反映了对应特征形状的可变部分，如位置、大小、角度等，它们最终通过模型与图像的边缘、峰、谷和灰度分布特性的动态地交互适应来得以修正。
由于模板变形利用了特征区域的全局信息，因此可以较好地检测出相应的特征形状。
由于可变形模板要采用优化算法在参数空间内进行能量函数极小化，因此算法的主要缺点在于两点：
一、对参数初值的依赖程度高，很容易陷入局部最小；二、计算时间长。
针对这两方面的问题，我们采用了一种由粗到细的检测算法：
首先利用人脸器官构造的先验知识、面部图像灰度分布的峰谷和频率特性粗略检测出眼睛、鼻子、嘴、下巴的大致区域和一些关键的特征点；然后在此基础上，给出了较好的模板的初始参数，从而可以大幅提高算法的速度和精度。
眼睛是面部最重要的特征，它们的精确定位是识别的关键。
基于区域增长的眼睛定位技术，该技术在人脸检测的基础上，充分利用了眼睛是面部区域内脸部中心的左上方和右上方的灰度谷区这一特性，可以精确快速的定位两个眼睛瞳孔中心位置。
该算法采用了基于区域增长的搜索策略，在人脸定位算法给出的大致人脸框架中，估计鼻子的初始位置，然后定义两个初始搜索矩形，分别向左右两眼所处的大致位置生长。
该算法根据人眼灰度明显低于面部灰度的特点，利用搜索矩形找到眼部的边缘，最后定位到瞳孔的中心。
实验表明，本算法对于人脸大小、姿态和光照的变化，都有较强的适应能力，但在眼部阴影较重的情况下，会出现定位不准。
佩戴黑框眼镜，也会影响本算法的定位结果。
3、面部感知系统的重要内容
基于视觉通道信息的面部感知系统，包括人脸检测和跟踪、面部特征定位、面部识别、人脸归类（年龄、种族、性别等的判别）、表情识别、唇读等分系统，如图1-1所式，可以看出，继人脸检测和跟追之后，面部特征定位通常是面部感知的一个必备环节，是后续工作的基础，具有重要的意义。
尽管人脸识别不能说是其他面部感知模块的必备功能，但是，可以肯定的是，利用已知的身份信息，结合特定人的先验知识，可以提高表情分析、唇读和语音识别、手势识别乃至手写体识别的可靠性。
而计算机对使用者身份确认的最直接的应用就是基于特定使用者的环境设置：
如使用者的个性化工作环境，信息的共享和隐私保护等等。
视频输入
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
图1-1面部感知系统结构图
第二节人脸识别的国内外发展概况
现在人脸识别技术已经应用在许多领域中，并起到了举足轻重的作用，人脸识别研究开始于1966年PRI的Bledsoe的工作，经过三十多年的发展，人脸识别技术取得了长足的进步，现在就目前国内外的发展情况来进行展述。
一国外的发展概况[1]
见诸文献的机器自动人脸识别研究开始于1966年PRI的Bledsoe的工作，1990年日本研制的人像识别机，可在1秒钟内中从3500人中识别到你要找的人。
1993年，美国国防部高级研究项目署（AdvancedResearchProjectsAgency）和美国陆军研究实验室（ArmyResearchLaboratory）成立了Feret（FaceRecognitionTechnology）项目组，建立了feret人脸数据库，用于评价人脸识别算法的性能。
美国陆军实验室也是利用vc++开发，通过软件实现的，并且FAR为49%。
在美国的进行的公开测试中，FAR，为53%。
美国国防部高级研究项目署，利用半自动和全自动算法。
这种算法需要人工或自动指出图像中人的两眼的中心坐标，然后进行识别。
在机场开展的测试中，系统发出的错误警报太多，国外的一些高校（卡内基梅隆大学（CarnegieMellonUniversity）为首，麻省理工大学（MassachusettsInstituteofTechnology）等，英国的雷丁大学（UniversityofReading））和公司（Visionics公司Facelt人脸识别系统、Viiage的FaceFINDER身份验证系统、LauTech公司Hunter系统、德国的BioID系统等）的工程研究工作也主要放在公安、刑事方面，在考试验证系统的实现方面深入研究并不多。
二国内的发展概况[2]
人脸识别系统现在在大多数领域中起到举足轻重的作用，尤其是用在机关单位的安全和考勤、网络安全、银行、海关边检、物业管理、军队安全、智能身份证、智能门禁、司机驾照验证、计算机登录系统。
我国在这方面也取得了较好的成就，国家863项目“面像检测与识别核心技术”通过成果鉴定并初步应用，就标志着我国在人脸识别这一当今热点科研领域掌握了一定的核心技术。
北京科瑞奇技术开发股份有限公司在2002年开发了一种人脸鉴别系统，对人脸图像进行处理，消除了照相机的影响，再对图像进行特征提取和识别。
这对于人脸鉴别特别有价值，因为人脸鉴别通常使用正面照，要鉴别的人脸图像是不同时期拍摄的，使用的照相机不一样。
系统可以接受时间间隔较长的照片，并能达到较高的识别率，在计算机中库藏2300人的正面照片，每人一张照片，使用相距1--7年、差别比较大的照片去查询，首选率可以达到50%，前20张输出照片中包含有与输入照片为同一人的照片的概率可达70%。
2005年1月18日，由清华大学电子系人脸识别课题组负责人苏光大教授主持承担的国家"十五"攻关项目《人脸识别系统》通过了由公安部主持的专家鉴定。
鉴定委员会认为，该项技术处于国内领先水平和国际先进水平。
本论文主要对该人脸识别系统进行模块划分，并介绍各模块的功能，重点介绍图像预处理模块，对其内的子模块的功能和算法进行详细讲述，主要介绍光线补偿、图像灰度化、高斯平滑、均衡直方图、图像对比度增强，图像预处理模块在整个系统中起着极其关键的作用，图像处理的好坏直接影响着后面的定位和识别工作。
第二章系统的需求分析与方案选择
人脸识别系统现在应用于许多领域中，但是人脸识别技术也是一项近年来兴起的，且不大为人所知的新技术。
在我国以及其他国家都有大量的学者正在研究之中，不断的更新人脸识别技术，以便系统的识别准确率达到新的高度。
第一节可行性分析
在开发该人脸识别软件之前，我们查询了前人所写过的诸多论文以及源程序，在开发之时，结合了资料中的算法并揉进了自己的一些思想，使程序可以对人脸图片进行简易识别。
一技术可行性
图像的处理方法很多，我们可以根据需要，有选择地使用各种方法。
在确定脸部区域上，通常使用的方法有肤色提取。
肤色提取，则对脸部区域的获取则比较准确，成功率达到95%以上，并且速度快，减少很多工作。
图像的亮度变化，由于图像的亮度在不同环境的当中，必然受到不同光线的影响，图像就变得太暗或太亮，我们就要对它的亮度进行调整，主要采取的措施是对图像进行光线补偿。
高斯平滑：
在图像的采集过程中,由于各种因素的影响,图像中往往会出现一些不规则的随机噪声,如数据在传输、存储时发生的数据丢失和损坏等,这些都会影响图像的质量，因此需要将图片进行平滑操作以此来消除噪声。
灰度变换：
进行灰度处理，我们要保证图像信息尽可能少的丢失。
同样在进行灰度变换前，我们也要对图像的信息进行统计，找出一个比较合理的灰度值，才能进行灰度变换。
灰度均衡：
灰度变换后，就要进行灰度均衡，可以根据灰度分布来进行灰度均衡。
对比度增强：
将所要处理的区域和周围图像区域进一步拉开他们的对比度，使它们更加明显，主要通过像素的聚集来实现。
二操作可行性
该人脸识别软件需要如下的运行环境：
CPU：
500M及以上；内存：
64M及以上。
安装有Windows98、WindowsMe、Windows2000、WindowsNT等操作系统中的其中一种。
另还装有摄像头可进行随机拍照和识别。
因此，从操作可行性来看，只要系统用户的硬件软件设备满足以上条件，即可用该人脸识别软件进行人脸的识别。
第二节需求分析
一应用程序的功能需求分析
该软件最主要的功能就是要能识别出人脸，首先该系统需要对通过摄像头拍照而获取到的原始的人脸图片进行一系列处理才可进行下一步的工作，该处理过程也称图像预处理。
预处理这个模块在整个人脸识别系统的开发过程中占有很重要的地位，只有预处理模块做的好，才可能很好的完成后面的人脸定位和特征提取这两大关键模块。
因此本设计中所要完成的主要功能如下所述：
图像获取功能：
该模块主要是从摄像头拍照后进行获取图片，也可以从图片库中获取，获取后的图片可以在软件的界面中显示出来以便进行识别。
图像预处理功能：
该模块主要包括图像光线补偿、图像变成灰色、高斯平滑、均衡直方图、实现图像对比度增强、二值化变换等。
人脸定位功能：
该模块主要是将处理后的人脸图片进行定位，将眼睛、鼻子、嘴巴标记出来，以便进行特征提取。
特征提取功能：
该模块是在定位后的人脸图片中将眼睛、鼻子、嘴巴的特征值提取出来。
识别功能：
该模块是将从图片中提取的特征值和后台数据库中的值进行比较来完成识别功能。
二开发环境需求分析
1、硬件环境
（1）硬件配置原则
具有可靠性，可用性和安全性，具有完善的技术支持。
能够满足个人学习和设计需要。
（2）运行本软件所需的硬件资源
CPU：
800M及以上；内存：
128M及以上
2、软件环境
（1）系统软件配置原则
能够满足该软件的可靠性，可用性和安全性的要求
（2）系统软件配置方案
①配置有持续工作能力、高稳定性、高度可集成的开放式标准的操作系统，如Windows2000，WindowsNT，UNIX，Linux等。
②配备符合ANSI/ISO标准的高级程序设计语言处理软件。
如：
VisualC++6.0。
③熟悉C++高级程序设计语言。
3、运行环境需求分析
（1）、硬件环境
CPU：
500M及以上；内存：
64M及以上。
（2）、软件环境
可以运行在微软公司近年来所出的各种操作系统。
如Windows98、WindowsMe、Windows2000、WindowsNT等。
第三节预处理方案选择
一设计方案原则的选择
本应用程序的设计方案原则如下：
1、采用较为先进的技术力量，保证应用程序在技术上具备一定的优势。
2、采用成熟的技术，保证应用程序的安全性和可靠性。
3、应用程序便于扩展和维护，易于技术的更新。
4、应用程序充分利用现有的资源，尽量减少不必要的再投资。
5、编写的代码必须严谨易读，代码的解释必须清楚明白，为应用程序的再开发提供应尽的责任。
二图像文件格式选择
在设计的过程中，为了定位和特征提取的方便，我们采用的是24位位图。
三开发工具选择
本次设计所用的开发工具是MicrosoftVisualC++6.0。
VisualC++6.0是Microsoft公司推出的一种可视化编程工具。
它支持多平台和交叉平台的开发，将各种编程工具如编辑器、连接器、调试器等巧妙的结合在一起，构成一个完美的可视化开发环境。
用户无需通过繁杂的编程操作，即可完成Windows下应用程序的编辑、编译、测试和细化等工作。
四算法选择分析
本文主要研究的对象是图像预处理模块，该模块分为光线补偿、图像灰度化、高斯平滑、图像对比度增强、均衡直方图，每个小模块的实现都有许多相应的算法。
下面将本系统采用的算法进行介绍：
·光线补偿：
由于光线原因，所照的图像可能会存在光线不平衡的情况而造成色彩偏差，为了抵消这种整个图像中存在的色彩偏差，本系统采用的解决方法是：
将整个图像中的所有像素的亮度从高到低进行排列，取前5%的像素，然后线性放大，使这些像素的平均亮度达到255。
实际上就是调整图片像素的RGB值。
·图像灰度化：
图像灰度化是将图像变成灰色，本系统中采用以下步骤来实现图像的灰度化：
彩色转换成灰度、灰度比例变换、灰度线性变换、灰度线性截断、灰度取反。
·高斯平滑：
在图像的采集过程中,由于各种因素的影响,图像中往往会出现一些不规则的随机噪声,如数据在传输、存储时发生的数据丢失和损坏等,这些都会影响图像的质量，因此需要将图片进行平滑操作以此来消除噪声。
但是如果平滑不当，就会使图像本身的细节如边界轮廓、线条等变的模糊不清，为了既平滑掉噪声有尽量保持图像细节，本系统采用高斯平滑。
·均衡直方图：
使用该模块的目的是通过点运算使输入转换为在每一灰度级上都有相同的像素点数的输出图像。
它的实现主要是利用灰度均衡的转换式
DB=f（DA）=H（u）du。
（式1）
·图像对比度增强：
为了将图像的特征一步一步显现出来，需要进行图像的对比度增强，它主要通过对图像的灰度值进行统计，对于小于Low则认为是有关的信息，则将它作为黑色处理，对于处于High以上的则认为是一些无关的信息，将它们去掉，而处于两者之间的，则进行对比度增强，将他们在总的灰度值里面的比例作为新的像素信息保存起来。
第三章系统的概要设计
本章主要介绍系统的结构设计的流程以及系统各模块的功能及相关原理。
（一）应用程序的总体结构设计流程图如图3－1所示：
图3－1总体结构设计流程图
用户
从“文件”菜单中选择“打开”选项
在弹出的“打开”对话框中选择要打开的位图，点击“确定”，应用程序显示所要打开的位图
识别
获取脸部区域
获取特征参数
人脸定位
图象预处理
显示识别结果
（二）图像预处理的层次图如图3-2所示：
图3-2预处理的层次图
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
第一节各模块功能概述
以上是该系统的总体结构设计图以及图像预处理模块的层次图。
下面介绍系统中的各模块的功能及算法：
图像获取模块
该模块主要是从摄像头拍照后进行获取图片，也可以从图片库中获取，获取后的图片可以在软件的界面中显示出来以便进行识别。
人脸区域获取
该系统中图像里人脸区域的获取，主要是根据肤色来进行获取，通过肤色非线形分段色彩变换来实现。
这一非线性分段色彩变换得到的肤色模型属于色彩空间中的聚类模型，这一类肤色模型的建立首先要选取一种合适的色彩空间。
图像预处理模块
图像预处理就是对获取得来的图像进行适当的处理，使它具有的特征能够在图像中明显的表现出来。
该模块中的子模块有如下5个，下面对它们进行概述：
·光线补偿[3]
因为系统得到的图片可能会存在光线不平衡的情况，这会影响我们对特征的提取，同时系统中要用到YcrCB色彩空间，所以有必要对图像进行光线补偿。
尽可能将它的特征在图像中表现出来。
YcrCB是一种色彩空间，它用于视频系统中，在该色彩空间中，Y分量表示像素的亮度，Cr表示红色分量，Cb表示蓝色分量，通常把Cr和Cb称为色度。
YcrCB色彩空间是以演播室质量标准为目标的CC601编码方案中采用的彩色表示模型。
·灰度变化[4]
图像灰度化的过程就是把彩色图像转换为黑白色图像的过程，它也是为了将图像的信息更加具体、简单的表现出来，但是，这样做也将会丢失图像信息。
因此，尽可能在转化的过程中用简单的方式表现图像复杂的信息。
·高斯平滑处理[5]
高斯平滑将对图像进行平滑处理，在图像采集过程中，由于各种因素的影响，图像往往会出现一些不规则的噪声，入图像在传输、存储等都有可能产生数据的丢失。
从而影响图像的质量。
处理噪声的过程称为平滑。
平滑可以降低图像的视觉噪声，同时出去图像中的高频部分后，那些本来不明显的低频成分更容易识别。
平滑可以通过卷积来实现。
经过卷积平滑后的水平投影后，二值化提供了较好的图像效果。
·对比度增强[6]
对比度增强，就是对图像的进一步处理，将对比度再一次拉开。
它针对原始图像的每一个像素直接对其灰度进行处理的，其处理过程主要是通过增强函数对像素的灰度级进行运算并将运算结果作为该像素的新灰度值来实现的。
通过改变选用的增强函数的解析表达式就可以得到不同的处理效果。
·二值化[7]
二值化的目的是将采集获得的多层次灰度图像处理成二值图像，以便于分析理解和识别并减少计算量。
二值化就是通过一些算法，通过一个阈值改变图像中的像素颜色，令整幅图像画面内仅有黑白二值，该图像一般由黑色区域和白色区域组成，可以用一个比特表示一个像素，“1”表示黑色，“0”表示白色，当然也可以倒过来表示，这种图像称之为二值图像。
这便有利于我们对特征的提取。
该设计中采用组内方差和组外方差来实现二值化。
·直方图均衡[8]
直方图均衡化的目的是使一输入图像转换为在每一灰度级上都有相同的象素点数，它的处理的中心思想是把原始图像的灰度直方图从比较集中的某个灰度区间变成在全部灰度范围内的均匀分布，它的研究思路是：
通过直方图变换式来进行直方图的均衡处理，直方图变换式是
但是直方图均衡化存在着两个缺点：
1）变换后图像的灰度级减少，某些细节消失；
2）某些图像，如直方图有高峰，经处理后对比度不自然的过分增强。
人脸定位模块
人脸定位是将典型的脸部特征（如眼睛，鼻尖，嘴唇等等）标记出来，在本系统中，定位的特征是眼睛，鼻尖和嘴巴三个。
由于眼睛具有对称性，因此可以很快就能标记出来，而鼻子是在眼睛下面，且嘴巴在鼻子下面，所以只要眼睛标记好，鼻子和嘴巴也能相应的标记出来。
特征提取模块
特征提取按以下4个步骤进行：
（1）、提取两只眼睛的距离
（2）、眼睛的倾角度
（3）、眼睛、嘴巴的重心
（4）、用一个矩形标出每一个特征
在特征提取完之后将会得到相应的特征值以便存入后台数据库。
识别模块
该模块通过与库存中的特征向量进行比较，找出与特征最相近的参数，再对该参数进一步分析。
如果分析在我们所确认的范围内，我们就认为该人就是我们所要找的。
然后从库存中提取出该人相关的信息，并显示出来。
如果库存中没有，则给出提示是否对存库作为样本。
第四章系统的详细设计
本章主要对图像处理这一模块进行详细介绍，对其子模块所用到的算法及具体实现进行详细讲述。
第一节系统的运行流程图
图6-1系统的运行流程图
1、启动本系统，进入人脸识别系统界面。
2、点击摄像键，然后进行拍照，并将图像显示并保存。
1、对图片进行光线补偿、将图片变成灰色、实现图片对比度增强，二值化变换等一系列预处理。
2、将处理好的人脸图片进行定位，标出眼睛、鼻尖和嘴巴。
3、对定位好的人脸图片进行特征提取操作。
1、识别出图片上的人。
2、结束退出
输出
输入
第二节图像处理详细设计
一位图详细设计
1设备无关位图（DIB）
VC++没有提供使用十分方便的DIB绘制方法，只好自己去创建一个实用的DIB类了。
本系统中建立了一个专门的类DIB来处理设备无关位图，表4－1列出了对位图的操作函数。
函数
功能
ClearMemory（）
释放内存
CopyHandle（）
拷贝内存块
LoadDIB（）
加载位图信息
ReadDIBFile（）
读取位图文件信息
LightingCompensate（）
进行光线补偿
PixelOffset（）
修正像素值
PaintDIBTrue（）
绘制DIB对象
GetColorNumber（）
获取颜色总数
GetHeight（）
获取DIB高度
GetWidth（）
获取DIB宽度
GetSize（）
获取图像数据缓冲区中的字节数
GetBitCount（）
获取颜色位数
GetBiBitCount（）
获取字节数
表6－1Dib类的部分功能
二图像点处理详细设计
图像点运算是一种既简单又重要的技术，它能让用户改变图像数据占据的灰度范围，一幅输入图像经过点运算后将产生一幅新的输出图像，由输入像素点的灰度值决定相应的输出像素点的灰度值，点运算与局部运算的差别在于：
后者每个输出像素的灰度值由对应输入像素的一个领域内几个像素的灰度值决定。
所以，点运算不可以改变图像内的空间关系。
点运算可以按照预定的方式改变一幅图的灰度直方图。
除了灰度级的改变是根据某种特定的灰度变换函数进行之外，点运算可以看作是“从像素到像素”的复制操作。
如果输入图像为A（x，y），输出图像为B（x，y），则点运算可表示为：
B（x，y）=f[A（x，y）]（式2）
其中函数f（D）被称为灰度变换（GrayScaleTransformation，GST）函数，它描述了输入灰度值和输出灰度值之间的转换关系，一旦灰度变换函数确定，该点运算就完全被确定下来了。
点运算有时又称为对比度增强、对比度拉伸或灰度变换，它是图像数字化软件和图像显示软件的重要组成部分。
下面将对本设计解决各图像点处理模块运用进行到的理论和编程实现进行详细讲述。
1、光线补偿
（1）算法思想：
光线补偿的想法的提出主要是考虑到肤色等色彩信息经常受到光源颜色、图像采集设备的色彩偏差等因素的影响，而在整体上偏离本质色彩而向某一
升级会员 