人臉識別點名

來源:用戶上傳      作者:

　　摘  要：隨著課堂學生人數的增多，在大學課堂中記錄學生出勤十分費時費力，因此針對高校課堂的點名問題設計一種高效的算法是必要的。文章首先根據大數據分析理論，對人臉數據進行采集，導入，預處理，統計分析，存放到數據庫中;最后利用圖像識別技術來使用matlab處理圖像。通過人臉圖像識別與匹配，找出最佳的匹配對象，最終確定身份，從而達到節省時間和提高效率的目的。
　　關鍵詞：人臉識別系統;數據分析;matlab;PCA方法;LDA方法
　　中圖分類號：TP391.41      文獻標志碼：A         文章編號：2095-2945（2019）15-0024-03
　　Abstract： With the increase of the number of students in the classroom， it is very time-consuming and laborious to record the attendance of students in the university classroom， so it is necessary to design an efficient algorithm for the roll call problem in the university classroom. In this paper， according to big data analysis theory， face data acquisition， import， preprocessing， statistical analysis， stored in the database; finally， the use of image recognition technology to use Matlab to process images. Through face image recognition and matching， find out the best matching object， and finally determine the identity， so as to achieve the purpose of saving time and improving efficiency.
　　Keywords： face recognition system; data analysis; matlab; PCA method; LDA method
　　1 概述
　　在大學，老師對學生的管教沒有以前那樣嚴格，更多的要求學生自覺學習。然而就出現一個問題，上課的到課率并不是很高。大部分的高校老師，花費課前的幾分鐘用來記錄按時來到課堂的學生。這種點名方式存在眾多弊端，比如有些逃課的學生可能被遺漏掉，有時候有各種突發情況會耽誤課上的時間等。隨著時代的進步，更加高效，省時的點名方式層出不窮。人工智能技術的高速發展和人類視覺研究的進步，使人們逐漸對機器識別產生了極大的熱情，并形成了人臉圖像識別的研究領域，這具有重要的理論價值和實用價值。像指紋一樣，臉也是獨特的，也可以用來識別一個人的身份。所以可以通過人臉識別建立一個有效的快速點名模型，就可以幫助教師解決點名問題。
　　人臉識別技術包括人臉檢測、人臉跟蹤和人臉比較三個部分，具體如下：（1）人臉檢測是指在具有復雜背景的動態場景中判斷是否有人臉，并像這樣孤立人臉。一般來說，有以下幾種方法：參考模板法、人臉規則法、樣本學習法、膚色模型法。（2）人臉跟蹤是指對檢測到的動態目標跟蹤，基于模型和基于運動與模型相結合的方法。然后將人臉模型進行一系列的預處理。（3）人臉的比較是為了確定此人的身份，就是在庫中進行目標搜索，這實際上意味著對人臉圖像的采樣和對人臉圖像的清點，以此匹配最佳對象。
　　數據處理的過程可以歸納為四個步驟，即收集、引入、預處理和分析。本文通過對人臉數據進行采集和導入，然后對人臉數據進行預處理。最后基于各種算法對人臉數據進行對比、分析和匹配。
　　2 基于matlab的圖像處理模型
　　2.1 存入數據庫
　　對人臉數據進行采集。每個班級的成員不同，所要采集的人臉數據不同，利用圖像識別技術和大數據分析理論，對人臉數據進行采集，導入，預處理，統計分析，存放到數據庫中。
　　2.1.1 數據庫設計原則
　　計算機數據庫的設計，可以說是按照數據庫邏輯優化和數據庫系統的物理結構及其應用，提高數據存儲效率和數據管理效率，以滿足信息存儲和數據的需要。數據庫的設計目標是為在操作系統上的用戶建立和使用良好的工作環境，以實現對數據的有效管理和利用。在本課題中我們要建立一個存放高校學生頭像的數據庫。
　　2.1.2 數據庫概念設計
　　數據庫的概念設計主要是設計ER圖（實體屬性圖），它包括實體名稱和實體屬性，用戶可以清楚、直接、全面地理解實體。ER圖是一種概念模型，它連接著真實世界與信息世界，它將現實世界的實體之間的關系在抽象的ER圖中建模。大學課堂人臉識別系統包括學生姓名、人臉信息、班級信息、假期記錄、考勤記錄等其他實體。
　　2.2 人臉識別系統的組成
　　2.2.1 人臉數據的采集和檢測
　　人臉數據可以通過攝像機導入來采集，如不同的位置、不同的表情、靜態和動態圖形的精確采集等。當人臉在攝像機的范圍內時，攝像機會自動搜索和獲取目標人臉。能夠識別人的面部的特征有很多，如結構特征、直方圖和顏色特征等。人臉檢測就是要提取有用信息，然后利用這些信息識別出是否為人臉，最后采集下來。
　　2.2.2 人臉數據的預處理
　　基于人臉檢測結果，對人臉進行數據處理，最后應用于人臉特征提取。該系統獲取原始人臉數據時，由于各種干擾條件和限制，基本上不能直接使用，所以必須對它進行圖像預處理。對于人臉數據，預處理主要包括灰度變換、直方圖均衡化、歸一化和銳化處理。 　　2.2.3 人臉數據特征提取
　　提取人臉特征，是對人臉特征進行數學建模的過程。人臉特征提取可以分為兩類：一類是基于統計學習或代數特征表示，另一類是基于知識表示。
　　2.2.4 人臉數據的匹配和識別
　　在提取圖像的數據特征后，搜索在數據庫中存放的現有模板特征，取定一個范圍，當相似度超過該范圍時，匹配結果輸出。人臉識別是在數據庫模板中識別人臉的面部特征，根據相似度確定人臉圖像信息的同一性。
　　2.3 人臉圖像的轉化與處理
　　2.3.1 轉換為灰度圖像
　　MATLAB7.0有許多不同類型的功能，圖像可以被轉換，如通過rgb2gray（）函數對人臉的圖像轉換為灰度圖像，通過mat2gray（）函數轉換為灰度圖像特征函數。下一個操作是基于灰度圖像，而原圖像是RGB圖像，因此我們要將圖像轉為灰度圖像。
　　2.3.2 對圖像的增強
　　圖像增強是為了提高人臉的視覺程度，或者使人臉圖像更容易被人或機器處理。通過圖像增強，減少了圖像中的噪聲，背景中的人臉更加突出。使細節在圖像增強中發揮作用。例如：改善圖像的非均勻光照，突出人臉的邊緣等。然后再采用直方圖變換的方法，即直方圖均衡化。我們使用函數histep（）實現直方圖均衡化。我們使用函數imhist（）來計算和顯示圖像的直方圖。將原始圖像和直方圖均衡圖像比較，人臉變得更清晰，直方圖均衡化后的形狀比原始直方圖效果更好。
　　2.3.3 灰度圖像的平滑與銳化處理
　　本文使用系統預先定義的高斯濾波器方法來銳化臉部圖像。中值濾波的基本原理是利用二維模板矩陣對待濾波的圖像像素進行排序，形成單一的數據序列，然后用公式濾波。
　　2.3.4 圖像的邊緣檢測
　　邊緣檢測是人臉圖像識別中提取圖像特征的關鍵。檢測圖像邊緣的方法是計算一階導數或二階導數，以檢測其鄰域圖像中每個像素的灰度變化。我們選擇的邊緣函數edge（）在MATLAB7.0工具箱實現邊緣檢測。同時，我們還可以根據需要選擇合適的“算子”及其參數。（常用的算子有梯度算子，羅伯茨算子，智能算子，對數算子，canny算子），我們用canny算子來檢測圖像的邊緣。
　　2.4 人臉圖像識別與比對
　　人臉圖像識別是一個非常復雜的過程，我們在課題分析中已經做了一系列說明。它大致包括以下幾個步驟：首先是人臉圖像采集，對采集人臉圖像人臉檢測，得到有人臉的結果，然后是對人臉圖像進行預處理處理;其次是人臉跟蹤，找到人臉的位置并將特征分離出來;接著是人臉識別，利用PCA對人臉圖像進行降維，然后利用LDA尋找最佳投影矢量。最后進行人臉比較，將采集到的人臉圖像特征與數據庫中預存的人臉圖像特征進行比較，找到最佳匹配對象，最后確定身份。
　　2.4.1 PCA方法
　　主成分分析（PCA）方法是用于人臉識別技術中的一維特征提取方法。主成分分析的主要步驟是：利用K-L變換提取人臉的主要成分，形成特征空間，將識別出來的圖像投影到空間，得到與人臉圖像相比較的一組投影系數。這實質上是一種對坐標變換的方法以此來達到去相關的目的。這種方法可以在壓縮前后得到最小均方誤差（MSE），在低維空間變換后具有良好的分辨率。通過變換PCA算法，得到了低維矩陣，它對人臉的低維矩陣有很好的表達。
　　3 結論
　　本文通過圖像識別技術結合大數據分析理論等，設計出了具體的方案，給出了數學模型，對班級的學生進行人臉圖像采集，識別，匹配。在教室門口安裝攝像頭及其他硬件設施，學生會在上課前的不同時段進入，在學生進入教室的同時對其進行掃描，與數據庫中圖像進行匹配，根據我們設計的方案，計算出所用時間判斷其身份，這樣，就不會占用任何課上時間，而且消耗的時間極少，相對于教師在課堂上拍照就節省了很多時間，教師就可以節省大量時間，同時也可以準確無誤地檢驗到班級實到人員，實現高校課堂的點名。
　　現在的金融、公安、教育、住宅、工廠以及更多公共服務事業越來越多的應用了人臉識別系統。隨著人臉識別技術的成熟，會應用到越來越多的領域。比如公司可以利用人臉識別考勤制度，住宅的人臉防盜門，利用人臉系統和網絡在全國范圍內抓捕罪犯，電子身份證、駕駛證以及各類電子證件的驗證，電子銀行的驗證，在招生系統中的應用。人臉識別技術可以大大的縮減我們工作的時間，提高我們的工作效率。
　　參考文獻：
　　[1]羅鑫，趙永進，柳長春，等.基于PCA算法人臉識別的matlab實現[J].黑龍江科技信息，2013（02）：103-104.
　　[2]趙來元，高鴻彬，李媛.基于主成分分析（PCA）的人臉識別算法研究[J].電子世界，2017（02）：116-117.
　　[3]喬志敏，楊慧剛.基于圖像處理的人臉識別系統[J].山西電子技術，2017（06）：50-52.
　　[4]蔡羽，徐朝陽，范金龍.適于人臉識別的PCA算法應用研究[J].信息技術，2017（11）：129-132.
轉載注明來源:http://www.hailuomaifang.com/1/view-14871837.htm