《基于pca人脸识别的点名神器.docx》由会员分享，可在线阅读，更多相关《基于pca人脸识别的点名神器.docx（26页珍藏版）》请在金锄头文库上搜索。
1、基于PCA人脸识别的点名神器摘 要针对问题一，建立一个基于PCA算法的人脸识别模型，对人脸的眼睛、鼻子和嘴巴这三个特征进行识别。虽然人面部相对复杂，但是人脸的眼睛、鼻子和嘴巴是区别人脸的最合适的特征，因此我们根据眼睛、鼻子和嘴巴建立人脸识别模型，可以帮助老师快速准确识别在场的同学，达到快速点名的效果，节省时间提高效率。针对问题二，首先提取老师所拍的全景照，然后利用计算机对图像进行去除噪声、增强、复原、分割、提取特征经过图像采集、预处理、特征提取及运用PCA算法模型进行特征匹配，通过对问题一提出的3个最适合的特征点，与已有班级头像库进行快速准确的人脸识别，达到快速点名的效果。针对问题三，首先，开
2、一个院系的通识课时，会有数量庞大的学生来上课，必定会在一个较大的教室，这时问题一拍全景照的方法已经不适合，极容易出现拍不全所有学生或者某学生的脸被遮挡等问题，从而使人脸识别出错率提高以及效率降低，达不到快速点名的效果，所以，需要建立一个基于matlab动态视频捕捉的PCA算法模型，通过matlab软件和进门的监控系统进行数据信号连接，快速地从动态视频中截屏且提取人脸的基本特征，然后利用计算机对图像进行去除噪声、增强、复原、分割、提取特征经过图像采集、预处理、特征提取及运用PCA算法模型进行特征匹配，在门口就完成快速点名，比问题二的模型更高效，更准确。关键词：人脸识别，图片处理，PCA算法，点名
3、一、 问题重述2017年江苏卫视最强大脑第4季，前三期连续安排人脑和智能大战，分别在辨脸、辨音、辨身影项目进行的比试，结果人脑在辨脸和辨身影上输了。人工智能的日益完善的今天，我们很多工作交付人工智能完成，比如上班打卡变成按指纹、刷脸等，但是人多的时候很容易造成排队，所以我们希望能够有动态识别辅助静态识别的人工智能，特别是帮老师上课点名。1、一个标准班30人上课，老师用手机拍下上课全景照，手机像素是1200万，在已有班级头像库的基础上，请你建立模型，说明需要多少个特征点最合适来识别同学，要求尽可能快速准确识别同学。2、同问题一的背景，请建立识别算法，要求尽可能快速准确识别同学。3、一个院系的通识
4、课，要求同学自己去打卡上课，防止代为打卡上课，在进门处安装监控，希望利用动态视频来捕捉人脸识别，请建立模型捕捉人脸并识别，同时给出动态模拟。二、 模型的假设1、 假设所要在场上课的同学都在全景照片里面。2、 假设到场上课的全部同学的脸部没有被遮挡。3、 假设老师的手机像素是1200万以上。4、 假设教室足够大，可以装下所有上课的学生。5、 假设没有双胞胎上同一门课，且双胞胎不会相互代课。6、 假设所有收集的人脸图像都是正常状态下的面容三、 符号说明K特征值m样本均值d维度X样本*没有列出的符号在文中有说明四、问题分析背景随着科技的不断发展，尤其是在如今这样的信息化时代下，人们掌握信息的方式、能
5、力越来越强。在身份识别方面，传统的身份识别因易出错，易遗失等各种原因，已不能起到身份识别的功能。因为人的特殊性让身份识别成为可能，身份识别在如今的社会中又是必不可少的存在，因此，如何高效准确的利用身份识别成为人们所追求的新目标。由于人脸识别的操作快速简单，结果直观，准确可靠，不需要人的配合等优点已成为身份识别重要环节。 本文按照人脸识别功能，基于PCA的人脸识别系统建立相应的算法。按照图像获取、预处理、特征提取、特征匹配流程，逐步进行，最终达到人脸识别的目的4.1问题一分析：针对问题一，建立一个基于PCA算法的人脸识别模型，对人脸的眼睛、鼻子和嘴巴这三个特征进行识别。虽然人面部相对复杂，但是人
6、脸的眼睛、鼻子和嘴巴是区别人脸的最合适的特征，因此我们根据眼睛、鼻子和嘴巴建立人脸识别模型，可以帮助老师快速准确识别在场的同学，达到快速点名的效果，节省时间提高效率。4.2问题二分析针对问题二，首先提取老师所拍的全景照，然后利用计算机对图像进行去除噪声、增强、复原、分割、提取特征经过图像采集、预处理、特征提取及运用PCA算法模型进行特征匹配，通过对问题一提出的3个最适合的特征，点，与已有班级头像库进行快速准确的人脸识别，达到快速点名的效果。4.3问题三分析针对问题三，首先，开一个院系的通识课时，会有数量庞大的学生来上课，必定会在一个较大的教室，这是再用问题一拍全景照的方法已经不适合，极容易出现
7、拍不全所有学生或者某学生的被遮挡的问题，从而使人脸识别出错率提高以及效率降低，达不到快速点名的效果，所以，本文建立一个基于matlab动态视频捕捉的PCA算法模型，通过matlab软件和进门的监控系统链接起来，快速地从动态视频中截屏提取人脸特征，然后利用计算机对图像进行去除噪声、增强、复原、分割、提取特征经过图像采集、预处理、特征提取及运用PCA算法模型进行特征匹配，在门口就完成快速点名，比问题二的模型更高效，更准确。五、模型建立与求解5.1 问题一模型建立与求解5.1.1人脸识别的研究背景随着人工智能技术的兴起.以及人类视觉研究的进展.人们逐渐对人脸图像的机器识别投入很大的热情，并形成了一个
8、人脸图像识别研究领域，这一领域除了它的重大理论价值外，也极具实用价值。在进行人工智能的研究中，人们一直想做的事情就是让机器具有像人类一样的思考能力，以及识别事物、处理事物的能力。人脸图像的机器识别研究就是在这种背景下兴起的，因为人们发现许多对于人类而言可以轻易做到的事情，而让机器来实现却很难，如人脸图像的识别，语音识别，自然语言理解等。如果能够开发出具有像人类一样的机器识别机制，就能够逐步地了解人类是如何存储信息，并进行处理的，从而最终了解人类的思维机制。同时，进行人脸图像识别研究也具有很大的使用价依。如同人的指纹一样，人脸也具有唯一性，也可用来鉴别一个人的身份。现在己有实用的计算机自动指纹识
9、别系统面世，并在安检等部门得到应用，但还没有通用成熟的人脸自动识别系统出现。人脸图像的自动识别系统较之指纹识别系统、DNA鉴定等更具方便性，因为它取样方便，可以不接触目标就进行识别，从而开发研究的实际意义更大。并且与指纹图像不同的是，人脸图像受很多因素的干扰:人脸表情的多样性;以及外在的成像过程中的光照，图像尺寸，旋转，姿势变化等。使得同一个人，在不同的环境下拍摄所得到的人脸图像不同，有时更会有很大的差别，给识别带来很大难度。因此在各种干扰条件下实现人脸图像的识别，也就更具有挑战性。国外对于人脸图像识别的研究较早，现己有实用系统面世，只是对于成像条件要求较苛刻，应用范围也就较窄，国内也有许多科
10、研机构从事这方而的研究，并己取得许多成果。5.1.2人脸识别的应用在学校，学生上课出勤率是一项重要的考核指标，然而按名字一一点名的方法实在效率底下，浪费宝贵的学习时间，所以本文建立一个有效的快速点名模型，满足学校的要求，在这里，人脸识别就可以得到应用。5.1.3人脸识别的特征选取虽然人面部相对复杂，但是人脸的眼睛、鼻子和嘴巴是区别人脸的最合适的特征，因此我们根据眼睛、鼻子和嘴巴建立人脸识别模型，可以帮助老师快速准确识别在场的同学，达到快速点名的效果，节省时间提高效率。如图所示：图5.1.3人脸的基本特征所以，通过对图5.1.3的分析，可以确定人脸的基本特征是眼睛、鼻子、嘴巴。因此，本文眼睛、鼻
11、子、嘴巴这三个特征来收集班级人脸图像库，经过图像采集、预处理、特征提取及特征匹配，并运用PCA算法，最终发现只需3个特，征点最适合来快速准确的识别同学。5.2问题二模型建立与求解5.2.1图像处理的Matlab实现由Math Work公司开发的Matlab语言语法限制不严格,程序设计自由，度大,程序的可移植性好。Matlab还推出了功能强大的适应于图像分析和处理的工具箱,常用的有图像处理工具箱、小波分析工具箱及数字信号处理工具箱。2利用这些工具箱,我们可以很方便的从各个方面对图像的性质进行深入的研究。图像是人类获取信息、表达信息和传递信息的重要手段。利用计算机对图像进行去除噪声、增强、复原、分
12、割、提取特征等的理论、方法和技术称为数字图像处理。数字图像处理技术已经成为信息科学、计算机科学、工程科学、地球科学等诸多方面的学者研究图像的有效工具。数字图像处理主要包括图像变换、图像增强、图像编码、图像复原、图像重建、图像识别以及图像理解等内容。5.2.3图像处理的基本操作读取和显示图像可以通过imread()和imshow()来实现;图像的输出用imwrite()函数就可以很方便的把图像输出到硬盘上;另外还可以用imcrop()、imrisize()、imrotate()等来实现图像的裁剪、缩放2和旋转等功能。5.2.4图像类型的转换Matlab支持多种图像类型,但在某些图像操作中,对图像
13、的类型有要求,所以要涉及到对图像类型进行转换。5.2.5图像增强图像增强的目的是为了改善图像的视觉效果,提高图像的清晰度和工艺的适应性,以及便于人与计算机的分析和处理,以满足图像复制或再现的要求。图像增强的方法分为空域法和频域法两大类,空域法主要是对图像中的各个像素点进行操作;而频域法是在图像的某个变换域内对整个图像进行操作,并修改变换后的系数,如傅立叶变换、DCT变换等的系数,然后再进行反变换,便可得到处理后的图像。下面以空域增强法的几种方法加以说明。(1).灰度变换增强有多种方法可以实现图像的灰度变换,其中最常用的就是直方图变换的方法,即直方图的均衡化。这种方法是一种使输出图像直方图近似服
14、从均匀分布的变换算法。Matlab图像处理工具箱中提供了图像直方图均衡化的具体函数histeq(),同时我们可以用函数imhist()函数来计算和显示图像的直方图。(2).空域滤波增强空域滤波按照空域滤波器的功能又可分为平滑滤波器和锐化滤波器。平滑滤波器可以用低通滤波实现,目的在于模糊图像或消除噪声;锐化滤波器是用高通滤波来实现,目的在于强调图像被模糊的细节。在Matlab中,各种滤波方法都是在空间域中通过不同的滤波算子实现,可用fspecial()函数来创建预定义的滤波算子,然后可以使用imfilter()或filter2()函数调用创建好的滤波器对图像进行滤波。(3)边缘检测数字图像的边缘
15、检测是图像分割、目标区域识别、区域形状提取等图像分析领域十分重要的基础,也是图像识别中提取图像特征的一个重要属性。边缘检测算子可以检查每个像素的邻域并对灰度变化率进行量化,也包括对方向的确定,其中大多数是基于方向导数掩模求卷积的方法。常用的有Sobel算子,Prewitt算子,Roberts算子,Log算子等5.2.6图像处理功能的Matlab实现实例本文通过运用图像处理工具箱的有关函数对一人脸的彩色图像进行处理。1)图像类型的转换因后面的图像增强,边缘检测都是针对灰度图像进行的,而我们的原图是RGB图像,所以首先我们要对原图类型进行转换。效果图5.2.1 2)图像增强(1)灰度图像直方图均衡化通过比较原图和直方图均衡化后的图像可见,图像变得更清晰,而且均衡化后的直方图比原直方图的形状更理想。执行后的效果图如图2.2和图2.3: 图5.2.2均衡化后的灰度图像 图5.2.3均衡化的直方图(2)灰度图像平滑与锐化处理平滑滤波器的目的在于模糊图像或消除噪声,Matlab图像处理工具箱提供了medfilter2()函数用于实现中值滤波,wiener2()实现对图像噪声的自适应滤波。在本文实例中,为了使滤波效果更明显,我们事先为图像认为增加滤波,然后用自适应滤波方法对图像进行滤波。锐化处理的目的在于强调图像被模糊的细节,在本实例中采用了预定义高斯
