基于多摄像头的人脸识别系统的软件设计
基于多摄像头的人脸识别系统的软件设计[20191215142849]
摘 要
随着现代科技信息化网络化的普及，信息安全问题备受人们关注，人脸识别这一快速有效的自动身份识别确认技术也应运而生。基于多摄像头的人脸识别系统利用多摄像头可以从不同角度采集人脸的图片信息这一特点可以克服自遮挡对系统的影响，减小照明变化，分辨率，运动模糊等原因造成的误差值，从而达到理想的人脸识别效果。
本文围绕基于多摄像头的人脸识别系统的软件设计，对图像采集，图像预处理方法，人脸的检测与定位，图像归一化，特征提取与识别，人脸检测进行了一系列的初步研究。摄像头采集图像信息的实现要通过Matlab程序启动摄像装置，利用Matlab的Image Acquisition Toolbox获取图像，并设计GUI可视化操作界面，将采集到的图像进行预处理操作并检测出人脸所在位置,将人脸从背景中分割出来，输出分割完成的人脸局部图，之后进行归一化处理，包括几何归一化和灰度归一化，即将人脸变换到相同的大小，坐标位置和进行光照补偿从而提高识别率。对归一化完成的人脸图进行特征提取，分析比较几何特征、代数特征、模板匹配、隐马尔可夫，神经网络，特征脸等方法的优缺点并选择最合适的算法进行特征提取，最后对比分析主成分分析（PCA，Principal Components Analysis），线性判别分析（LDA, Linear Discriminant Analysis），特征空间和模板匹配等方法，并选定PCA主成分分析法对人脸识别，实现身份的判别。
设计在Windows操作系统下，基于Matlab 7.0的开发环境实现了各个模块的功能，对人脸识别的核心算法进行了比较，得到了比较理想的检测结果，并在设计过程中给出了人脸识别系统的一些改进方法。
查看完整论文请+Q: 351916072
关键字:多摄像头；人脸识别；图像处理；特征提取；人脸检测
Key words: Multiple cameras, Face recognition, Image processing, Feature extraction, Face detection .目录
摘 要 I
ABSTRACT II
第1章 绪论 3
1.1 引言 3
1.2 课题研究的背景和意义 3
1.3 课题的应用前景及研究现状 4
1.4本文的研究内容及主要工作 4
第2章 多摄像头人脸识别系统软件设计 6
2.1多摄像头人脸识别系统 6
2.1.1基本概述 6
2.1.2系统软件设计要求及步骤 6
2.2图像的采集 6
2.2.1采集设备及平台 6
2.2.2采集操作界面 6
2.3图像的预处理 7
2.3.1平滑处理 7
2.3.2阈值分割 7
2.3.3归一化处理 7
2.4本章小结 8
第3章 人脸检测与人脸表征 9
3.1人脸检测与分割 9
3.1.1 人脸检测 9
3.1.2 图像分割 9
3.2 人脸表征 10
3.2.1 人脸表征概述 10
3.2.2 特征提取方法 11
3.3 本章小结 12
第4章 人脸识别与分析 13
4.1人脸识别的概述 13
4.2 人脸识别常用方法 13
4.2.1 基于几何特征的人脸识别方法 13
4.2.2 基于代数特征的人脸正面自动识别方法 14
4.2.3 基于连接机制（神经网络）的人脸正面自动识别方法 14
4.2.4 基于弹性图匹配的人脸识别 14
4.2.5 基于子空间分析的人脸识别 15
4.3 基于主成分分析法的人脸识别 16
4.3.1 PCA方法概述 16
4.3.2原理 17
4.3.3 计算K-L变换的生成矩阵 19
4.3.4 利用SVD定理求解特征值和特征向量 19
4.3.5 样本投影并识别 19
4.3.6 选择分类器识别人脸 19
4.4 PCA在算法人脸识别在matlab中的实现 20
4.4.1 读取人脸库 20
4.4.2 利用生成矩阵求特征值和特征向量 20
4.4.3 选取阈值提取训练样本特征 20
4.4.4 选取测试样本进行识别 21
4.4.5 实验结果及分析 21
4.5 本章小结 24
第5章 总结与展望 25
5.1 总结 25
5.2 展望 25
致谢 27
参考文献 28
附录：英文翻译 30
第1章 绪论
1.1 引言
随着社会信息化，网络化程度的不断提高，信息安全问题受到越来越多的关注与重视，相比于传统的方法，人们迫切的需要一种快速，有效的自动身份确认技术。网络信息化时代的一大特征就是身份的数字化和隐性化,如何准确鉴定一个人的身份，保护信息安全是当今信息化时代必须解决的一个关键社会问题。正在悄然兴起的人脸识别技术正好可以解决这一问题。人脸识别技术根据人脸固有的生物特征信息，利用图像处理和模式识别技术对个人身份进行鉴定，以达到监督、管理和识别目的的一种技术。人脸识别技术是最近20年在全球范围内迅速发展起来的计算机安全技术，是人体生物特征识别技术的一种。近年来由于在公安罪犯识别、安全验证、安全验证系统、信用卡验证等方面的巨大应用前景而越来越成为当前模式识别和人工智能领域的一个研究热点。
1.2 课题研究的背景和意义
人脸识别技术是一门新兴的科研项目，起始于上个世纪60年代，1964年出现了最早的关于人脸识别问题的研究技术报告，随着几十年来图像处理技术，计算机技术和模式识别技术等的快速发展，人脸识别技术现已成为一项最具有上升潜力的人体特征识别技术，得到了诸多研究人员的青睐同时涌现出了诸多的技术方法。生物特征识别技术给可靠的身份鉴定带来了可能．在所有的生物特征识别技术中，利用人脸特征进行身份识别是最自然、最直接和最友好的手段．与其它生物特征识别技术相比，人脸的获取非常容易，几乎可以在被采集对象无意识的状态下获取人脸图像，这样的取样方式没有“侵犯性”。
研究人脸识别在理论和技术上都有重要的意义：一是可以推进对人类视觉系统本身的认识；二是可以满足人工智能应用的需要。采用人脸识别技术，建立自动人脸识别系统，用计算机实现对人脸图像的自动识别有着广阔的应用领域和诱人的应用前景。同时人脸识别作为一种生物体征识别与其它较成熟的识别方法（如指纹、虹膜、DAN检测等）相比有以下几个优点：①无侵犯性，人脸图像的获取不需要被检测人发生身体接触，可以在不惊动被检测人的情况下进行；②低成本、易安装，人脸识别系统只需要采用普通的摄像头、数码摄像机或手机上的嵌入式摄像头等被广泛使用的摄像设备即可，对用户来说也没有特别的安装要求；③无人工参与，整个人脸识别过程不需要用户或被检测人的主动参与，计算机可以根据用户预先的设置自动进行。
与传统的身份鉴定手段相比，基于人脸生物特征信息的身份鉴定技术具有以下优点：①用户易接受：简单易用，对用户无特殊要求。②防伪性能好：不易伪造或被盗。③“随身携带”：不用担心遗漏或丢失，随时随地可用。除此之外，人脸识别技术还有主动性好，精确性高，性能/成本比高，自学习功能强等优点。由于具有以上优点，近几年来，人脸识别技术引起了越来越多科研人员的关注。人脸识别技术在这些领域的充分利用，对于有效地鉴定个人的身份，防止犯罪和诈骗、提高办公效率、节约资源有着重大的社会和经济意义。
1.3 课题的应用前景及研究现状
鉴于人脸识别技术在个人身份鉴定方面的众多优点，这项技术可以在很多领域得到应用：①国家安全领域。协助公安，海关等国家安全机构加强对可疑人物、罪犯、恐怖分子的追踪、监控和识别。②公众安全领域。加强交通管制；确认身份证、护照等证件的真伪；验证各类信用卡的持卡人身份。③计算机交互领域。根据计算机使用者人脸特征确定身份，提供个性化服务。④家庭娱乐领域等。
目前，人脸识别技术已发展到真正的机器自动识别阶段，也是人脸识别研究的高潮期，诞生了主成分分析，线性判别分析，弹性图匹配，局部特征分析，独立分量分析，支持向量机，神经网络，隐马尔可夫模型等若干代表性的人脸识别算法，2D人脸图像性子空间判别分析，统计表观模型，统计模式识别方法是这一阶段的主流技术。
1.4本文的研究内容及主要工作
多摄像头人脸识别技术研究所涉及到的关键技术主要包括：多摄像头采集图像信息技术，图像的预处理，人脸的检测与定位，图像归一化处理技术，特征提取与识别，人脸检测。本文对上述几个模块进行了相关研究。
首先利用多个摄像装置设备进行图像的采集工作并设计GUI界面，将采集得到的图像信息进行预处理以提高图像的质量，保证下一步骤的有效性进而提高人脸识别系统的识别率。然后将经过预处理的图像进行人脸检测定位，从复杂的背景中检测到人脸的存在并且确定人脸所在位置，然后分离出来进行几何归一化和灰度归一化处理，使得采集的人脸信息具有同样的大小和灰度。接着对归一化完成的图像进行面部的特征提取，将原始人脸图像的数据映射到特征空间，对人脸进行特征建模，以此用于区分各人脸之间的差异，最后将样本信息与本身录入的数据库进行比对从而得以实现最终的人脸识别的效果。
本文具体各章节的安排如下:
第一章为绪论，主要介绍了多摄像头人脸识别技术的研究背景及意义，应用前景和研究现状，最后阐述了本课题的主要研究内容及组织结构。
第二章介绍人脸识别系统软件设计基本概述和设计要求，Matlab开发平台的简介，图像预处理的方法。同时介绍了多摄像头人脸识别系统的设计目标、设计思想以及软件系统设计结构。
第三章主要介绍了人脸检测与分割的作用和具体操作，人脸表征特征提取的方法并选择最合适的方法实现。
第四章主要针对分析对比了人脸识别的不同算法的优缺点及应用实际操作性问题进行讨论。并选择一种最适合本设计系统的方法。
第五章是结束语，回顾本文的主要研究工作、分析了文章研究的不足并对下一步的研究作了展望.第2章 多摄像头人脸识别系统软件设计
2.1多摄像头人脸识别系统
2.1.1基本概述
基于多摄像头的人脸识别系统是通过多个摄像装置获取不同角度的人脸图片信息，从而克服自遮挡对识别的影响（分辨率，光照，运动模糊等）识别图像，再利用核心算法岁人脸图像中的五官，脸型进行计算分析，最后与自身录入的数据库进行比对，得出结论实现身份鉴别。
2.1.2系统软件设计要求及步骤
设计要求研究基本的人脸识别算法并选择合适的算法实现人脸识别的功能，且同时考虑多摄像头多角度问题，最后要编写软件实现以上功能，对识别的性能进行分析，改善算法。在完成软件的过程中我们首先要利用摄像装置进行图像采集并进行一系列的预处理，接着将处理好的图像信息进行人脸的检测与分割，归一化完成之后再进行人脸的表征提取特征值，最后将测试文件与数据库进行比对完成整个设计。
2.2图像的采集
2.2.1采集设备及平台
本次设计利用电脑自带的摄像头和一个外置的USB摄像装置进行图像采集，并利用Matlab 7.0作为操作平台，通过编写Matlab代码程序来启动摄像装置完成图像信息的采集工作。
2.2.2采集操作界面
本次设计利用Matlab自带的Image Acquisition Toolbox获取图像，并且MATLAB本身提供专门的GUI设计工具——图形用户界面开发环境（GUIDE），为了便于操作及演示的需要，利用GUIDE设计了可视化界面。另外还增加了诸如图像平滑，图像锐化，灰度化，二值化，膨胀，腐蚀，二级小波分解及应用各种算子进行的边缘检测的功能。
2.3图像的预处理
摘 要
随着现代科技信息化网络化的普及，信息安全问题备受人们关注，人脸识别这一快速有效的自动身份识别确认技术也应运而生。基于多摄像头的人脸识别系统利用多摄像头可以从不同角度采集人脸的图片信息这一特点可以克服自遮挡对系统的影响，减小照明变化，分辨率，运动模糊等原因造成的误差值，从而达到理想的人脸识别效果。
本文围绕基于多摄像头的人脸识别系统的软件设计，对图像采集，图像预处理方法，人脸的检测与定位，图像归一化，特征提取与识别，人脸检测进行了一系列的初步研究。摄像头采集图像信息的实现要通过Matlab程序启动摄像装置，利用Matlab的Image Acquisition Toolbox获取图像，并设计GUI可视化操作界面，将采集到的图像进行预处理操作并检测出人脸所在位置,将人脸从背景中分割出来，输出分割完成的人脸局部图，之后进行归一化处理，包括几何归一化和灰度归一化，即将人脸变换到相同的大小，坐标位置和进行光照补偿从而提高识别率。对归一化完成的人脸图进行特征提取，分析比较几何特征、代数特征、模板匹配、隐马尔可夫，神经网络，特征脸等方法的优缺点并选择最合适的算法进行特征提取，最后对比分析主成分分析（PCA，Principal Components Analysis），线性判别分析（LDA, Linear Discriminant Analysis），特征空间和模板匹配等方法，并选定PCA主成分分析法对人脸识别，实现身份的判别。
设计在Windows操作系统下，基于Matlab 7.0的开发环境实现了各个模块的功能，对人脸识别的核心算法进行了比较，得到了比较理想的检测结果，并在设计过程中给出了人脸识别系统的一些改进方法。
查看完整论文请+Q: 351916072
关键字:多摄像头；人脸识别；图像处理；特征提取；人脸检测
Key words: Multiple cameras, Face recognition, Image processing, Feature extraction, Face detection .目录
摘 要 I
ABSTRACT II
第1章 绪论 3
1.1 引言 3
1.2 课题研究的背景和意义 3
1.3 课题的应用前景及研究现状 4
1.4本文的研究内容及主要工作 4
第2章 多摄像头人脸识别系统软件设计 6
2.1多摄像头人脸识别系统 6
2.1.1基本概述 6
2.1.2系统软件设计要求及步骤 6
2.2图像的采集 6
2.2.1采集设备及平台 6
2.2.2采集操作界面 6
2.3图像的预处理 7
2.3.1平滑处理 7
2.3.2阈值分割 7
2.3.3归一化处理 7
2.4本章小结 8
第3章 人脸检测与人脸表征 9
3.1人脸检测与分割 9
3.1.1 人脸检测 9
3.1.2 图像分割 9
3.2 人脸表征 10
3.2.1 人脸表征概述 10
3.2.2 特征提取方法 11
3.3 本章小结 12
第4章 人脸识别与分析 13
4.1人脸识别的概述 13
4.2 人脸识别常用方法 13
4.2.1 基于几何特征的人脸识别方法 13
4.2.2 基于代数特征的人脸正面自动识别方法 14
4.2.3 基于连接机制（神经网络）的人脸正面自动识别方法 14
4.2.4 基于弹性图匹配的人脸识别 14
4.2.5 基于子空间分析的人脸识别 15
4.3 基于主成分分析法的人脸识别 16
4.3.1 PCA方法概述 16
4.3.2原理 17
4.3.3 计算K-L变换的生成矩阵 19
4.3.4 利用SVD定理求解特征值和特征向量 19
4.3.5 样本投影并识别 19
4.3.6 选择分类器识别人脸 19
4.4 PCA在算法人脸识别在matlab中的实现 20
4.4.1 读取人脸库 20
4.4.2 利用生成矩阵求特征值和特征向量 20
4.4.3 选取阈值提取训练样本特征 20
4.4.4 选取测试样本进行识别 21
4.4.5 实验结果及分析 21
4.5 本章小结 24
第5章 总结与展望 25
5.1 总结 25
5.2 展望 25
致谢 27
参考文献 28
附录：英文翻译 30
第1章 绪论
1.1 引言
随着社会信息化，网络化程度的不断提高，信息安全问题受到越来越多的关注与重视，相比于传统的方法，人们迫切的需要一种快速，有效的自动身份确认技术。网络信息化时代的一大特征就是身份的数字化和隐性化,如何准确鉴定一个人的身份，保护信息安全是当今信息化时代必须解决的一个关键社会问题。正在悄然兴起的人脸识别技术正好可以解决这一问题。人脸识别技术根据人脸固有的生物特征信息，利用图像处理和模式识别技术对个人身份进行鉴定，以达到监督、管理和识别目的的一种技术。人脸识别技术是最近20年在全球范围内迅速发展起来的计算机安全技术，是人体生物特征识别技术的一种。近年来由于在公安罪犯识别、安全验证、安全验证系统、信用卡验证等方面的巨大应用前景而越来越成为当前模式识别和人工智能领域的一个研究热点。
1.2 课题研究的背景和意义
人脸识别技术是一门新兴的科研项目，起始于上个世纪60年代，1964年出现了最早的关于人脸识别问题的研究技术报告，随着几十年来图像处理技术，计算机技术和模式识别技术等的快速发展，人脸识别技术现已成为一项最具有上升潜力的人体特征识别技术，得到了诸多研究人员的青睐同时涌现出了诸多的技术方法。生物特征识别技术给可靠的身份鉴定带来了可能．在所有的生物特征识别技术中，利用人脸特征进行身份识别是最自然、最直接和最友好的手段．与其它生物特征识别技术相比，人脸的获取非常容易，几乎可以在被采集对象无意识的状态下获取人脸图像，这样的取样方式没有“侵犯性”。
研究人脸识别在理论和技术上都有重要的意义：一是可以推进对人类视觉系统本身的认识；二是可以满足人工智能应用的需要。采用人脸识别技术，建立自动人脸识别系统，用计算机实现对人脸图像的自动识别有着广阔的应用领域和诱人的应用前景。同时人脸识别作为一种生物体征识别与其它较成熟的识别方法（如指纹、虹膜、DAN检测等）相比有以下几个优点：①无侵犯性，人脸图像的获取不需要被检测人发生身体接触，可以在不惊动被检测人的情况下进行；②低成本、易安装，人脸识别系统只需要采用普通的摄像头、数码摄像机或手机上的嵌入式摄像头等被广泛使用的摄像设备即可，对用户来说也没有特别的安装要求；③无人工参与，整个人脸识别过程不需要用户或被检测人的主动参与，计算机可以根据用户预先的设置自动进行。
与传统的身份鉴定手段相比，基于人脸生物特征信息的身份鉴定技术具有以下优点：①用户易接受：简单易用，对用户无特殊要求。②防伪性能好：不易伪造或被盗。③“随身携带”：不用担心遗漏或丢失，随时随地可用。除此之外，人脸识别技术还有主动性好，精确性高，性能/成本比高，自学习功能强等优点。由于具有以上优点，近几年来，人脸识别技术引起了越来越多科研人员的关注。人脸识别技术在这些领域的充分利用，对于有效地鉴定个人的身份，防止犯罪和诈骗、提高办公效率、节约资源有着重大的社会和经济意义。
1.3 课题的应用前景及研究现状
鉴于人脸识别技术在个人身份鉴定方面的众多优点，这项技术可以在很多领域得到应用：①国家安全领域。协助公安，海关等国家安全机构加强对可疑人物、罪犯、恐怖分子的追踪、监控和识别。②公众安全领域。加强交通管制；确认身份证、护照等证件的真伪；验证各类信用卡的持卡人身份。③计算机交互领域。根据计算机使用者人脸特征确定身份，提供个性化服务。④家庭娱乐领域等。
目前，人脸识别技术已发展到真正的机器自动识别阶段，也是人脸识别研究的高潮期，诞生了主成分分析，线性判别分析，弹性图匹配，局部特征分析，独立分量分析，支持向量机，神经网络，隐马尔可夫模型等若干代表性的人脸识别算法，2D人脸图像性子空间判别分析，统计表观模型，统计模式识别方法是这一阶段的主流技术。
1.4本文的研究内容及主要工作
多摄像头人脸识别技术研究所涉及到的关键技术主要包括：多摄像头采集图像信息技术，图像的预处理，人脸的检测与定位，图像归一化处理技术，特征提取与识别，人脸检测。本文对上述几个模块进行了相关研究。
首先利用多个摄像装置设备进行图像的采集工作并设计GUI界面，将采集得到的图像信息进行预处理以提高图像的质量，保证下一步骤的有效性进而提高人脸识别系统的识别率。然后将经过预处理的图像进行人脸检测定位，从复杂的背景中检测到人脸的存在并且确定人脸所在位置，然后分离出来进行几何归一化和灰度归一化处理，使得采集的人脸信息具有同样的大小和灰度。接着对归一化完成的图像进行面部的特征提取，将原始人脸图像的数据映射到特征空间，对人脸进行特征建模，以此用于区分各人脸之间的差异，最后将样本信息与本身录入的数据库进行比对从而得以实现最终的人脸识别的效果。
本文具体各章节的安排如下:
第一章为绪论，主要介绍了多摄像头人脸识别技术的研究背景及意义，应用前景和研究现状，最后阐述了本课题的主要研究内容及组织结构。
第二章介绍人脸识别系统软件设计基本概述和设计要求，Matlab开发平台的简介，图像预处理的方法。同时介绍了多摄像头人脸识别系统的设计目标、设计思想以及软件系统设计结构。
第三章主要介绍了人脸检测与分割的作用和具体操作，人脸表征特征提取的方法并选择最合适的方法实现。
第四章主要针对分析对比了人脸识别的不同算法的优缺点及应用实际操作性问题进行讨论。并选择一种最适合本设计系统的方法。
第五章是结束语，回顾本文的主要研究工作、分析了文章研究的不足并对下一步的研究作了展望.第2章 多摄像头人脸识别系统软件设计
2.1多摄像头人脸识别系统
2.1.1基本概述
基于多摄像头的人脸识别系统是通过多个摄像装置获取不同角度的人脸图片信息，从而克服自遮挡对识别的影响（分辨率，光照，运动模糊等）识别图像，再利用核心算法岁人脸图像中的五官，脸型进行计算分析，最后与自身录入的数据库进行比对，得出结论实现身份鉴别。
2.1.2系统软件设计要求及步骤
设计要求研究基本的人脸识别算法并选择合适的算法实现人脸识别的功能，且同时考虑多摄像头多角度问题，最后要编写软件实现以上功能，对识别的性能进行分析，改善算法。在完成软件的过程中我们首先要利用摄像装置进行图像采集并进行一系列的预处理，接着将处理好的图像信息进行人脸的检测与分割，归一化完成之后再进行人脸的表征提取特征值，最后将测试文件与数据库进行比对完成整个设计。
2.2图像的采集
2.2.1采集设备及平台
本次设计利用电脑自带的摄像头和一个外置的USB摄像装置进行图像采集，并利用Matlab 7.0作为操作平台，通过编写Matlab代码程序来启动摄像装置完成图像信息的采集工作。
2.2.2采集操作界面
本次设计利用Matlab自带的Image Acquisition Toolbox获取图像，并且MATLAB本身提供专门的GUI设计工具——图形用户界面开发环境（GUIDE），为了便于操作及演示的需要，利用GUIDE设计了可视化界面。另外还增加了诸如图像平滑，图像锐化，灰度化，二值化，膨胀，腐蚀，二级小波分解及应用各种算子进行的边缘检测的功能。
2.3图像的预处理
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/dzxx/txgc/2199.html
