| 标题 | 基于图像处理的人脸识别算法实现 |
| 范文 | 方雨馨 摘要：随着现代社会科学技术水平不断发展，越来越多的智能化技術及手段得以应用，而人脸识别算法就是其中比较重要的一种，在实际生活及工作中均有着十分广泛的应用。在当前人脸识别算法实际应用过程中，为能够使其得以更好实现，需要在利用图像处理技术的基础上合理进行系统设计，从而使系统功能及作用得以更好实现，促使其能够实现更加理想的应用。本文就基于图像处理的人脸识别算法实现进行分析。 关键词：人脸识别算法；图像处理；系统设计；实现 中图分类号：TP311 文献标识码：A 文章编号：1009-3044（2018）27-0176-02 人脸识别算法在现代信息认证方面属于一种现代化技术手段，并且其应用范围也越来越广泛，在实际实际应用过程中表现出的优势也越来越明显，因而更好实现人脸识别算法具有重要作用及意义。为能够使人脸识别算法对实现，需要以图像处理为基础实行系统设计，以便使人脸识别系统功能得以更好实现，促使人脸识别算法得以更好应用及发展，为人们生活及工作更好服务。 1 人脸识别技术及有关算法 对于人脸识别而言，其具体功能主要包括两种类型，分别为人脸检测与人脸识别。其中，人脸检测所指的就是对静态图像或者视频帧进行检查，以判断其中是否有人脸存在，若确定包含人脸则对人脸位置及大小进行计算；人脸识别所指的就是识别或者判断检测出的有关对象。就目前实际情况而言，这两个部分技术算法均表现出自身优点与缺点，大体上包括以下几个方面内容。首先，在人脸检测方面，其主要就是以Adaboost算法、支持向量机算法及神经网络算法为基础的相关检测算法；其次，在人脸特征判断及提取方面，其所运用的主要就是以人脸集合特征为基础的相关特征提取方法，还包括以主成分特征为基础的相关特征提取方法，同时包括2D及3D形变模型方法等有关内容；第三，线性降维方法所选择的主要就是PCA方法及LDA方法。就目前实际情况而言，对于人脸识别的研究虽然不断深入，然而在人脸识别算法实际应用中由于实际环境影响，仍不具备能够广泛利用的相关人脸识别算法[1]。 2 常见图像处理技术 在当前图像处理法法方面，应用比较广泛的方法主要包括光线补偿、高斯平滑以及相似度计算与边缘检测方法等内容，通过对这些图像处理算法进行利用，可使人脸识别得以实现。其中，关于光线补偿，对于不同光线而言，对于摄像头所采集头像会产生一定影响，在实践应用过程中，只需要适当调整亮度，也就能够对图像实现光线补偿。关于高斯平滑，对图像保存过程中，由于对图像全部内容无法进行完整保存，在存储时会导致相关数据出现丢失情况，为能够使这一问题得以较好解决，需要通过高斯平滑使噪声得以消除，在此基础上使图像完整性能够得到较好保障。关于相似度计算，图像相似度主要就是评估两幅图像，观察两者之间是否由相似之处存在。比如，对于A与B两幅图像，分别对两幅图像直方图进行计算，而后对两个直方图归一化相关系数实行计算等相关内容。依据数学中向量计算之间差异，对图像相似程度进行估计，即图像均衡直方图，其能够较好归一化。对于两幅不同分辨率图像，可通过直接计算直方图对相似度进行计算，其计算量相对而言比较小。关于二值化，对于图像二值化所指即对于像素点灰度值，依据阈值将其设置成为255或者0，从而使整体图像能够表现出较明显黑白视觉效果。关于边缘检测，边缘检测的主要目的就是对数字图像中具有较明显亮度变化点，通过较明显变化使图像中图形变化得以反映[1-2]。 3 人脸识别算法中图像处理的应用 依据人体器官构造出生物面部特点，依据面部特点中的灰度分布峰谷以及频率特点，对面部特点中最明显特点进行计算，如眼睛、鼻子及嘴巴等，利用这些较明显面部特点，也就能够确定人脸的大致位置。在此基础上可提供出初始参数，也就能够使算法速度及精度得以较大程度提升，在此基础上对处理后图片实行人脸定位，首先需要标记出较明显面部特点，如眼睛、鼻子及嘴巴，从而与其他图片之间进行较好对比，之后需要由图片中对不同特征值进行提取，与后台数据库中相关数据实行比较，从而可得到相关识别结果。 第一，在光线补偿方面。对于图像中所有像素，依据其亮度由高到底实行排列，选择前5%像素，而后将其线性放大，使这些像素亮度平均能够达到255，其实质就是对图片像素调整RGB值。第二，在图像灰度化方面。所谓图像灰度化所指的就是对于具有颜色的一些图片，通过彩色转变、灰度比例转变以及线性转变与线性截断及灰度取反等相关操作，使图像转变成为灰色。第三，在高斯平滑方面。对于不规则随机噪声而言，其对于图像质量会产生一定影响，因而通过图像的高斯平滑可使噪声得以消除，使图像质量能够得以有效提升。第四，在相似度计算方面。对于相似度计算，为属于一种维度剥削，对集合之间相似程度进行计算，简而言之就是对图像进行切割分区，而后通过图像直方图对图片曝光程度进行表示，对于垂直直方图，由上及下表示图片中由上及下黑白程度。第五，在二值化方面。对于所采集到的相关图像，首先需实行多层次灰度图像处理，使其转变成为二值化图像，而后依据阈值将图像中像素点灰度设置成为0或者255，从而整体图像能够表现出较显著黑白视觉效果[2]。 4 人脸识别系统整体设计及实现 4.1 人脸识别系统整体设计 对于人脸识别系统，依据功能差异可将分为几个不同模块，分别为面部图像获取模块、面部检测提取模块、噪声处理模块以及算法实现模块与面部数据库模块，还包括面部图像对比识别模块以及个人信息输出模块，其具体结构如下图所示。 由上图中具体结构可知在系统实际运行过程中，首先需要获取相关图像，在此基础上利用图像预处理算法对图像事项光照补偿及椒盐滤液等相关处理，而后通过面部识别算法对图像关注区域实行面部提取，并提取面部特征值，从而得到单位面部特征图像，而后利用面部匹配算法使所得到面部特征图像对比数据中所存储的相关单位特征脸图像，将能够匹配的面部图像获取，若无法匹配到则需要继续获取图像事项对比，一直到完成匹配，最终在人机界面可显示成功识别之后的相关个人信息，使人脸识别得以完成。 4.2 人脸识别系统实现 对于人脸识别系统实现而言，其主要包括以下几个方面内容，即系统启动、系统运行以及实现系统操作，还有实现特征提取算法与识别算法，其具体流程如下图所示。 由上图中具体流程可以看出，在系统实际运行过程中，首先由视频文件或者摄像头中将图像获取，而后利用图像预处理算法对图像实行光照补偿，并且实行椒盐滤波等相关处理，而后对于图像有效区域，利用面部识别算法，实行面部提取及面部特征提取，在此基础上将单位面部特征图像获取。在完成以上操作之后，利用面部对比算法，将所获取面部特征值与数据库中所存储数值实行对比识别，最终得到相匹配图像，使人脸识别算法真正实现[2-3]。 5 结束语 人脸识别算法属于当前十分重要的一种信息识别方式，在社会上很多领域及专业内均有着十分广泛的应用，并且所发挥的作用及优势也越来越明显，因而更好实现人脸识别算法也就具有十分重要的作用及意义。在人脸识别算法实现方面，图像处理属于十分重要的一种技术手段，对于人脸识别的实现具有一定决定作用，需要相关人员在结合图像处理技术应用的基础上实行人脸识别系统设计及实现，以更好发挥其作用。 参考文献： [1] 郭乐，杨立波，郭欢，等.图像处理技术在人脸识别中的应用[J].科技创新导报，2015，12（1）：22+24. [2] 韩增锟.人脸识别中面部图像处理算法研究[J].计算机与数字工程，2012，40（4）：87-89. [3] 吴玲.人脸识别中的图像处理技术[J].科技信息，2010（4）：246. [通联编辑：光文玲] |
| 随便看 |
|
科学优质学术资源、百科知识分享平台，免费提供知识科普、生活经验分享、中外学术论文、各类范文、学术文献、教学资料、学术期刊、会议、报纸、杂志、工具书等各类资源检索、在线阅读和软件app下载服务。