基于MATLAB的肤色分割和匹配的人脸识别研究毕业设计论文.docx

《基于MATLAB的肤色分割和匹配的人脸识别研究毕业设计论文.docx》由会员分享，可在线阅读，更多相关《基于MATLAB的肤色分割和匹配的人脸识别研究毕业设计论文.docx（58页珍藏版）》请在第一文库网上搜索。

1、基于肤色分割和匹配的人脸识别算法研究摘要：人脸识别技术是生物特征识别技术中应用最广的一项技术，也是计算机视觉和模式识别领域研究得最多的一个课题。随着科技的发展，传统的身份验证已很难适应人们的需求。基于虹膜和指纹的生物特征验证对采集条件要求高，很难大范围推广。同其他生物特征识别技术相比（比如虹膜、指纹），人脸识别技术具有操作简单、结果直观、隐蔽性好的优越性。因此，人脸识别技术在信息安全、刑事侦破、公共事业等领域具有广泛的应用前景。人脸识别技术就是通过计算机提取人脸的特征，并根据这些特征进行身份验证的一种技术。它涉及模式识别、图像处理、计算机视觉、生理学、心理学等诸多学科的知识，是当前研究的热点之

2、一。本文提出了一种基于肤色与模板匹配的人脸识别算法O本文首先利用颜色空间特性，对人脸肤色的聚类特性进行了研究，基于不同的颜色空间肤色聚类结果的对比，本文选择YCbCr颜色模型来进行肤色分割。依据人的肤色信息，在YCbCr空间进行肤色映射生成二值图像，然后根据人脸的形状特征确定人脸所在位置。并对灰度图象进行剪切提取，为后续识别做好准备。其次，文章研究了滤波器，填空处理，图像重构和边缘检测从而实现基于肤色分割和匹配的人脸识别算法。关键词：人脸识别，肤色分割，模板匹配指导老师签名:Researchonfacerecognitiona1gorithmbasedonskinco1orsegmentati

3、onandmatchingStudentname:ZhangChongC1ass:0982042Supervisor:1iZhongminAbstract:Facerecognitionisoneofthemostwide1yusedTechno1ogiesinthefie1dofbiometricsrecognition,anditisThefamoustopicincomputervisionandpatternrecognition.Thebio1ogiccharacteristicbasedidentityrecognitionsuchasirisanddacty1ogramneeds

4、verystrictinformationco11ectionconditions,whichmakesitdifficu1ttobeusedpractica11y.Comparedtootherbiometrics(suchasiris,fingerprint),facerecognitiontechniqueissimp1er,moreintuitive,andhavingmorehiddencapabi1ity.Therefore,facerecognitionhavegreatpotentia1inawiderangeofapp1icationsininformationsecurit

5、y,crimina1investigation,pub1icuti1itiesandotherfie1ds.Thefacerecognitionisatechniquethatextractsvisua1features,anddistinguishesonefacefromanotherbasedonthesefeatures.Itisaresearchareaspanningsevera1discip1inessuchasimageprocessing,patternrecognition,computervision,physio1ogyandpsycho1ogy.Nowitisoneo

6、fthekeyissues.Thispaperpresentsana1gorithmforfacerecognitionusingskinco1orandtemp1atematching.First,westudiedthec1usteringcharacteristicsoffaceskinco1orundersomeco1orspaces,andthenwechooseoneofthemname1yYCbCramongthemode1sforskinsegmentation.Bythestudy,getafacebasedontheskinco1orandtheshapefeature.T

7、henpick-upthefaceareasfromthegrayimage,prepareforfacerecognition.Thispapera1soresearchesthefi1ter,fi11intheb1ankprocessing,imagereconstructionandedgedetectionsoastorea1izethefacerecognitiona1gorithmbasedonskinco1orsegmentationandmatching.Keywords：facerecognitionskinco1orsegmentationtemp1atematchingS

8、ignatureofSupervisor:1绪论1.1研究背景与意义112国内外研究现状21.2. 1人脸识别的发展过程21.2.2目前的主流识别方法212.3尚待解决的问题41. 3本文的研究重点及内容安排42算法理论与实现原理2. 1常见色彩空间比较62.1.1RGB空间72.1.2HSI空间82.1.3CMY/CMYK彩色空间102.1.4Y1Q色彩空间122.1.5YUV彩色空间122.1.6YCbCr色彩空间132.2肤色分割理论132. 3常见肤色模型比较142. 3.1区域模型143. 3.2简单高斯模型144. 3.3混合高斯模型145. 3.4直方图模型156. 3.5YCb

9、Cr空间肤色模型153系统设计7. 1系统流程173. 2基于肤色的人脸检测算法173. 2.1肤色建模183. 2.2肤色模型在人脸检测的后期验证中的应用193. 3数学形态学操作193. 4系统的概要设计213. 5具体算法设计233. 5.1相似度计算233. 5.2二值化算法243. 5.3灰度均衡243 .6建立YCbCr肤色模型254 .7肤色分割步骤263. 8图象的边缘检测和锐化处理273. 9人脸检测294基于MAT1AB的实现步骤及分析4. 1将RGB空间转换为YCbCr空间314.2将彩色图像转换为灰度图像314.3消除噪声324.4对图像做填孔处理334.5图像重构34

10、4.6相关匹配354.7断开连接处理364.8设计模板374.9边缘检测394. 10系统GU1设计414. 10.1导入图像文件及处理415总结与展望5. 1总结436. 2展望43参考文献44致谢46附录471绪论1.1研究背景与意义人脸识别技术是一种生物识别技术。生物识别技术，就是指通过获取和分析人的身体或行为特征来实现身份的自动鉴别或验证，这些特征包括先天遗传的生理特征，如指纹、虹膜等，也包括后天习惯形成的行为特征，如手写签名、步态等。人脸识别技术，就是通过计算机获取人脸的特征，然后根据这些特征进行身份识别或验证的一种技术。人脸识别技术涉及到图像处理技术、计算机视觉技术、模式识别技术等

11、众多领域。相较与其它基于生物特征的识别方法,它具有它特有的优势。首先，人脸识别采用的是非接触性采集,方法友好而方便,使用者不会有任何心理障碍,亦不会造成任何侵犯性,容易被人们所接受。其次,人脸识别的结果可以提供许多其它识别方法不能提供的信息,如性别、表情、年龄等,这一特点也大大地扩展了人脸识别的应用前景。随着计算机技术的飞速发展,人脸识别技术飞速发展也扩散到了各个领域。如计算机安全、机器视觉、门禁系统、医学诊断系统、智能监控系统以及三维动画等。其中最为常见的应用有：（1）视频监控。在银行、公园、停车场等许多公共场到处都装有视频监控,当有异常情况或有陌生人闯入时，需要实时跟踪、监控、识别和报警等

12、。（2）证件验证。在海关、机场等场所,都需要检验人的身份。一般身份证和护照上都会有持有人的照片,使用人脸识别,就可以由机器代替人来完成验证识别的工作,实现自动化的智能管理。（3）刑侦破案。通常情况下公安部门的系统里存储有嫌疑犯的照片，当通过作案现场或其他途径获得嫌疑犯的照片或其面部特征描述之后，可以从数据库中迅速查找确认,大大提高刑侦破案的准确性的效率。（4）入口控制。入口控制的范围比较广,包括楼宇、住宅等入口处的安全检查,也包括了进入计算机系统或情况系统前的身份验证等。（5）表情分析。人脸识别可以判断出人脸图像中的面部变化特征,识别和分析人的情感状态,如高兴、生气等。此外,人脸识别技术还在医

13、学、档案管理、人脸动画、人脸建模、视频会议等方面有着巨大的应用前景。由此看出，计算机人脸识别技术的应用将带来显著的社会效益和经济效益。因此,进行计算机人脸识别方法和技术的研究对社会生活具有重大意义。12国内外研究现状1.2.1人脸识别的发展过程人脸识别的研究已经有很长的历史，最早可以追溯到上个世纪法国人GaItOn的工作，但真正有发展还是近40年的事。1973年KanaCIe的工作起至今，大多数人脸识别研究工作的对象为正面或接近正面的人脸图像。国内外对于人脸识别的研究发展，技术趋势分别经历了三个阶段:传统的人机交互式阶段、机器自动识别初级阶段、机器自动识别高级阶段。第一阶段是以Bert1ioi

14、n为代表的传统人机交互式阶段，主要研究人脸识别所需要的面部特征，该阶段的识别依赖于人的操作。这些人脸识别方法都需要利用操作员的某些先验知识，仍然摆脱不了人的干预。第二阶段主要是自动识别初级阶段，其采用机器自动识别的手段进行识别，20世纪90年代以来，随着高速度高性能计算机的出现，人脸识别方法有了重大突破，进入了真正的机器自动识别阶段，人脸识别研究也得到了前所未有的重视。国外有很多大学在此方面取得了很大进展，他们研究涉及的领域很广，其中有从感知和心理学角度探索人类识别人脸机理的，如美国TXeaSDaIIaS大学的Abdi和TOO1e小组，主要研究人类感知人脸的规律，如漫画效应、性别识别与人脸识别

15、的关系、种族效应等;由Srti1nig大学的Bruce教授和G1asgow大学的Burton教授合作领导的小组，主要是研究人类大脑在人脸认知中的作用，并在此基础上建立了人脸认知的两大功能模型，他们对熟悉和陌生人脸的识别规律以及图像序列的人脸识别规律也进行了研究。也有从视觉机理角度进行研究的，如英国Aberdeen大学的CarW小组，主要研窕人脸视觉表征方法，他们对空间频率在人脸识别中的作用也进行了分析;荷兰Groningne大学的Pektov小组，主要研究人类视觉系统的神经生理学机理并在此基础上发展了并行模式识别方法。更多的学者则从事利用输入图像进行计算机人脸识别的研究工作。国内关于人脸识别的研究始于20世纪80年代，主要是在国际上流行方法基础上作了发展性工作。中国科技大学杨光正等提出一种基于镶嵌图的人脸自动识别方法，清华大学张长水等对特征脸的方法做了进一步发展，南京理工大学杨静宇等主要是采用奇异值分解方法进行人脸识别研究，上海交通大学李介谷等则专门研究了人脸斜视图像的集合特征提取与恢复，东南大学何振亚等，采用对称主元分析神经网络，用去冗余和权值正交相结合的方法对人脸进行特征提取和识别，与此同时还有许多科研院校及科研机构也进行人脸识别的研究，并取得了一些成果。但相比之下，国内对人脸识别的研究和重视程度很不够，研究成果与国际还有一定的差距。第三阶段