论文部分内容阅读
人脸识别系统利用计算机分析人脸图像,提取出有效的识别信息从而实现身份识别,是模式识别、图像处理等学科的一个研究热点。近年来人脸识别技术被广泛应用于行政机关、数字监控、身份识别、出入控制等领域,是一个极有发展潜力的生物特征识别技术,具有十分重要的理论和应用价值。为了更高效、更准确的实现人脸识别,本文将完整人脸识别系统的核心分为四个模块,分别是图像预处理模块、人脸区域检测模块、人脸特征提取模块和分类器设计模块。依据各个模块的实验结果,依托Windows7系统平台,使用Visual Studio2010作为开发工具,设计出了人脸识别系统,实现了人脸识别功能。本文的主要工作与创新如下:1.在图像预处理模块提出了一种改进的人脸图像预处理算法,实现了彩色图像的灰度化和去噪滤波。首先建立图像的RGB色彩模型,再用加权平均值法将彩色图像转换为256级的灰度图像,并采用中值平滑滤波算法成功去除了图像中的噪声。根据灰度投影曲线粗略定位人脸边界,依据确定的眼、嘴以及脸的左右边界这些参数对图像进行剪裁和缩放,解决了侧面人脸和双眼闭上的人脸无法用于人脸检测的问题。2.在人脸区域检测模块采用了基于肤色特征的检测方法,实现了人脸区域的检测与定位。在YCbCr色彩空间建立肤色的高斯模型,对肤色模型降维后肤色会呈现聚类汇聚,通过相似度计算、二值化图像等方法将肤色区域确定出来。根据直方图统计结果设计一个矩形框,标注出检测到的人脸区域。该方法能够快速的将人脸从复杂背景中检测出来。3.在人脸特征提取模块采用了DCT变换与PCA算法结合的方法,实现了人脸特征的提取。将人脸图像进行DCT变换,得到一系列的特征向量,再利用PCA算法对特征空间进行降维,得到低维的特征脸空间,它们包含了原图像的绝大部分信息。实验结果表明,本方法在识别率和处理性能上都优于其他特征提取方法。4.在分类器设计模块选用了GMM分类器,实现了人脸的分类识别。将提取到的人脸特征分别训练成背景GMM模型和个人GMM模型,然后根据图像与模型匹配后的得分计算出分类阈值,系统设计过程中加载阈值以实现人脸的识别与分类。GMM分类器的主要优点是将判别信息引入到模型选择中,提高了分类器的判别性能。