论文部分内容阅读
本文的主要研究的是基于Matlab的人脸性别识别实现过程。如何利用计算科学的方法进行对人脸的识别一直以来都被认为是模式识别领域中很具有挑战意义的一项研究，对人机交际化同时对信息采集有着很好的效果，将会是热门的研究方向。人脸识别，是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部的一系列相关技术，通常也叫做人像识别、面部识别。人脸识别主要用于身份识别。由于视频监控正在快速普及，众多的视频监控应用迫切需要一种远距离、用户非配合状态下的快速身份识别技术，以求远距离快速确认人员身份，实现智能预警。人脸识别技术无疑是最佳的选择，采用快速人脸检测技术可以从监控视频图象中实时查找人脸，并与人脸数据库进行实时比对，从而实现快速身份识别。人脸图像预处理是人脸检测和识别的基础，在正常情况下，从各种干扰和限制的客观环境的原始图像的采集，如光源的位置，成像的角度，都是不确定的；另外，成像的工具以及存储传输系统等，也会给图像带来不必要噪声。受这些因素的影响，我们得到的图像数据都有不同程度的降质，或者称为劣化，例如较差的对比度，图像边缘模糊等。一般来说，人脸识别系统包括图像摄取、人脸定位、图像预处理、以及人脸识别（身份确认或者身份查找）。系统输入一般是一张或者一系列含有未确定身份的人脸图像，以及人脸数据库中的若干已知身份的人脸图象或者相应的编码，而其输出则是一系列相似度得分，表明待识别的人脸的身份。本文利用了被称为第四代计算机语言的MATLAB环境，详细介绍了在该环境下如何进行图像预处理、人脸检测和性别分类三方面的分析过程，在这三个方面分别进行研究和创新：（1）首先要将彩色图像灰度化，利用图像滤波祛除噪声，然后对图像进行灰度变换，采用直方图均衡化的方法对图像进行增强，这种方法的处理过程有很多种变换形式，在本文采用连续均值量化变换增强灰度图像。（2）在图像的人脸检测和定位研究中，已有很多特征提取的方法，这些提取的方法因适用的范围和难度不同，并非都能应用到本文的研究中来。本文主要研究了主成分分析（PCA）算法，线性判别分析（LDA）和小波变换，根据分析和所需要得到的检测结果，提出了基于facefind函数的人脸检测。（3）在人脸性别分类方法的研究中，首先进行面部性别特征的提取，本文利用灰度几分投影定位人眼，然后分别提取鼻子、嘴等性别相关特征。