人脸识别点名.doc

人脸识别点名
摘 要:随着课堂学生人数的增多,在大学课堂中记录学生出勤十分费时费力,因此针对高校课堂的点名问题设计一种高效的算法是必要的。文章首先根据大数据分析理论,对人脸数据进行采集,导入,预处理,统计分析,存放到数据库中校学生头像的数据库。
数据库概念设计
数据库的概念设计主要是设计ER图(实体属性图),它包括实体名称和实体属性,用户可以清楚、直接、全面地理解实体。ER图是一种概念模型,它连接着真实世界与信息世界,它将现实世界的实体之间的关系在抽象的ER图中建模。大学课堂人脸识别系统包括学生姓名、人脸信息、班级信息、假期记录、考勤记录等其他实体。
人脸识别系统的组成
人脸数据的采集和检测
人脸数据可以通过摄像机导入来采集,如不同的位置、不同的表情、静态和动态图形的精确采集等。当人脸在摄像机的范围内时,摄像机会自动搜索和获取目标人脸。能够识别人的面部的特征有很多,如结构特征、直方图和颜色特征等。人脸检测就是要提取有用信息,然后利用这些信息识别出是否为人脸,最后采集下来。
人脸数据的预处理
基于人脸检测结果,对人脸进行数据处理,最后应用于人脸特征提取。该系统获取原始人脸数据时,由于各种干扰条件和限制,基本上不能直接使用,所以必须对它进行图像预处理。对于人脸数据,预处理主要包括灰度变换、直方图均衡化、归一化和锐化处理。 人脸数据特征提取
提取人脸特征,是对人脸特征进行数学建模的过程。人脸特征提取可以分为两类:一类是基于统计学习或代数特征表示,另一类是基于知识表示。
人脸数据的匹配和识别
在提取图像的数据特征后,搜索在数据库中存放的现有模板特征,取定一个范围,当相似度超过该范围时,匹配结果输出。人脸识别是在数据库模板中识别人脸的面部特征,根据相似度确定人脸图像信息的同一性。
人脸图像的转化与处理
转换为灰度图像
,图像可以被转换,如通过rgb2gray()函数对人脸的图像转换为灰度图像,通过mat2gray()函数转换为灰度图像特征函数。下一个操作是基于灰度图像,而原图像是RGB图像,因此我们要将图像转为灰度图像。
对图像的增强
图像增强是为了提高人脸的视觉程度,或者使人脸图像更容易被人或机器处理。通过图像增强,减少了图像中的噪声,背景中的人脸更加突出。使细节在图像增强中发挥作用。例如:改善图像的非均匀光照,突出人脸的边缘等。然后再采用直方图变换的方法,即直方图均衡化。我们使用函数histep()实现直方图均衡化。我们使用函数imhist()来计算和显示图像的直方图。将原始图像和直方图均衡图像比较,人脸变得更清晰,直方图均衡化后的形状比原始直方图效果更好。
灰度图像的平滑与锐化处理
本文使用系统预先定义的高斯滤波器方法来锐化脸部图像。中值滤波的基本原理是利用二维模板矩阵对待滤波的图像像素进行排序,形成单一的数据序列,然后用公式滤波。
图像的边缘检测
边缘检测是人脸图像识别中提取图像特征的关键。检测图像边缘的方法是计算一阶导