摘 要:人脸识别系统以人脸识别技术为核心,是一项新兴的生物识别技术,是当今比较热门的一项安全认证技术。它涉及人脸图像采集、人脸定位、人脸识别预处理、身份确认以及身份查找等功能技术。本系统基于Matlab进行开发,可以通过摄像头实时采集视频数据,从环境中中找出人脸,并对其进行分析,以达到人脸识别的目的,并可以自由设定参照的人脸。
关键词:视频采集;人脸定位;人脸特征处理
1 引言
脸识别是一项热门的计算机技术研究领域,它属于生物特征识别技术,是对生物体(一般特指人)本身的生物特征来区分生物体个体。由于人脸具有不可复制特性、采集方便、不需要被拍者的配合而深受欢迎。人脸识别系统具有广泛的应用:人脸识别出入管理系统、人脸识别门禁考勤系统、人脸识别监控管理、人脸识别电脑安全防范、人脸识别照片搜索、人脸识别来防登记等等。
人脸识别技术的基本原理是是基于人的脸部特征,对输入的人脸图象或者视频流 . 首先判断其是否存在人脸,如果存在人脸,则进一步的给出每个脸的位置、大小和各个主要面部器官的位置信息。并依据这些信息,进一步提取每个人脸中所蕴涵的身份特征,并将其与已知的人脸进行对比,从而识别每个人脸的身份。
通过学习和查阅资料,我们总结出的人脸识别算法主要有:
(1)、基于模板匹配的方法:模板分为二维模板和三维模板,核心思想是利用人的脸部特征规律建立一个立体可调的模型框架,在定位出人的脸部位置后用模型框架定位和调整人的脸部特征部位,解决人脸识别过程中的观察角度、遮挡和表情变化等因素影响。
(2)、基于奇异值特征方法:人脸图像矩阵的奇异值特征反映了图像的本质属性,可以利用它来进行分类识别。
(3)、子空间分析法:因其具有描述性强、计算代价小、易实现及可分性好等特点,被广泛地应用于人脸特征提取,成为了当前人脸识别的主流方法之一。
(4)、其他方法:弹性匹配方法、特征脸法(基于K-L变换)、人工神经网络法、支持向量机法、基于积分图像特征法(adaboost学习)、基于概率模型法等。
由于本学期的数字图像处理教材中出现了关于K-L变换和特征脸提取的相关知识,通过自学已基本掌握,所以本程序的人脸处理部分采用基于K-L变换的特征脸算法来实现。
虽然名为人脸识别登录系统,但本程序的重点在人脸识别部分,因此关于安全加密的部分做了简化,本程序旨在更好地理解人脸识别的全过程,将所学知识用于实践。
2 程序的设计与实现
2.1 程序架构简述
根据人脸识别技术所需要的人脸图像采