一种人脸图像识别仿真系统及方法

摘要

本发明公开了一种人脸图像识别仿真系统及方法，该系统包括采用一种基于MATLAB的主成份分析人脸图像识别仿真系统及方法，主要包括人脸图像采集和定位、图像预处理、图像特征提取、人脸识别四大部分；该方法可以解决不与目标相接触就取得样本图像、利用人脸图像来进行身份验证的问题，可以解决国家安全系统人脸数据库和逃犯数据库之间的识别匹配，可以解决各类证件如驾照、护照等与实际持证人的身份核对，可以解决各类银行卡、金融卡、信用卡、储蓄卡的持卡人的身份验证、社会保险人的身份验证，可以解决在家庭娱乐领域,智能玩具、家政机器人对主人身份的识别。

主权项

一种人脸图像识别仿真系统，其特征在于：采用一种基于MATLAB的主成份分析人脸图像识别仿真系统，主要包括人脸图像采集和定位、图像预处理、图像特征提取、人脸识别四大部分；所述人脸图像采集一般是通过摄像头摄取，但摄取的图像是真人，或者是人脸的图片，或者不考虑通过摄像头来摄取头像，而是直接给定要识别的图像；所述定位过程是从图片中确定是否有人脸，若存在人脸，给出其在图像中的坐标位置、人脸区域大小的信息；所述图像的预处理主要是对人脸图像在识别前进行各方面的处理来增强人脸特征；主要的预处理方法有灰度变换、直方图修正、图像的锐化与平滑以及图像的几何校正；所述人脸特征提取主要是提取表示人脸信息的关键特征；如何能够提取有效的特征是人脸识别的关键所在；人脸的代数特征是将人脸看成一个数据矩阵,提取这个数据矩阵的一些特性进行人脸比对；一张人脸图像的维数是非常高的,处理起来的计算量是很大，不利于图像的处理和区分；为了区分出人脸图像，引入主成份分析,即将高位空间中的主要信息提取出来，以此解决维数过高的计算量以及数据冗余问题；基于主成分分析的人脸识别算法,首先应用K‑L变换,求出训练人脸空间的特征值,对特征值进行一定的取舍,然后构成一个新的低维正交基空间,将所有的人脸投影在这个低维空间中,然后计算与待测图像的人脸最近的人脸图像,最后完成人脸识别；所述人脸识别:主要是比较待识别的人脸与预存数据库中的人脸在特征脸空间的距离,找出距离最小的人脸图像,然后输出达到身份验证的作用；分为三个主要步骤：(1)用预存人脸数据库的中的图像数据构建特征脸空间，假设人脸图像的像素为M*N,将每张人脸图像列相接构成一个列矩阵D；D是人脸图像的维数也是图像空间的维数；为了减少计算量即减少维数，舍掉一部分特征值,保留较大的特征值，得到一个由特征脸组成的特征脸空间,每一张预存人脸数据库的图像都能进行投影并获得唯一表示的一组坐标,这组坐标就代表在特征脸空间中的人脸图像,有了坐标后就能计算出最近的人脸图像；(2)预存人脸图像的特征提取，主成分分析的人脸识别算法主要利用K‑L变换来提取特征，基本原理是在人脸空间中找出一组m个正交矢量,这组正交矢量要能最大限度的表示人脸数据的方差；然后将原始矢量从n维空间投影到新的正交矢量构成的m维特征脸空间，从而完成数据的映射与压缩；(3)人脸识别，将预存人脸数据库中的每张人脸照片和待识别照片投影到特征脸空间,每张人脸图片在特征脸空间中得到唯一的一组坐标；通过计算待识别照片的坐标与预存数据库中的每张人脸的坐标的距离值,距离最小的坐标所代表的人脸就是识别了的人脸图像；人脸间的距离采用欧氏距离公式来计算；$d(x,y)=\left|\right|x-y\left|\right|={\left[\underset{i=1}{\overset{n}{\Sigma }}{(x_i-y_i)}^2\right]}^{\frac{1}{2}}.$