人脸识别系统中的特征提取
时间：2025-03-09
人脸识别系统中的特征提取
图像处理
人脸识别系统中的特征提取
ＦｅａｔｕｒｅＥｘｔｒａｃｔｉｏｎｉｎＨｕｍａｎＦａｃｅＲｅｃｏｇｎｉｔｉｏｎＳｙｓｔｅｍ
（中国矿业大学（北京））王聃贾云伟林福严
Ｗａｎｇ，ＤａｎＪｉａ，Ｙｕｎｗｅｉ
摘要：人脸识别是模式识别和机器视觉领域中的一个重要课题．其中，特征提取是人脸识别中的一个重要部分。本文利用边缘检测、积分投影及模板匹配等相结合的方法，比较准确的获得了人脸各个特征部位的数据。关键词：特征提取。边缘检测，积分投影，模板匹配
中图分类号：ＴＰ３９１
Ｌｉｎ，Ｆｕｙａｎ
峰波谷点，就能得到包括额头、眉毛、眼睛、鼻子、嘴巴和下巴的Ｙ轴坐标值；也可通过类似方法求出眼睛、鼻子和嘴巴的ｘ轴坐标。
２．２边缘检测边缘检测我们选用罗伯特梯度算法。首先，设图像为ｆ（ｘ，Ｙ），定义ｆ（ｘ，ｙ）在点（ｘ，ｙ）处的梯度矢量为Ｇ’
文献标识码：Ｂ
文章编号：ｌ∞８—０５７０（２００５）０７—３一００５３一０３
Ａｂｓｔｒａｃｔ：ＦａｃｅＲｅｃｏｇｎｉｔｉｏｎｉｓｏｆｉｓ
ｐａｔｔｅｒｎｒｅｃｏｇｎｉｔｉｏｎａｎｄ
ａｌｌ
ａｎ
ｉｍｐｏｒｔａｎｔｐｒｏｂｌｅｍｉｎ
ｔｈｅｆｉｅｌｄ
Ｅｘｔｒａｃｔｉｏｎｄｅｔｅｃｔｉｏｎ，ｔｈｅｄａｔｅｓ
［ｆ（Ｘ，ｙ）】，且Ｇ７［ｆ（Ｘ，ｙ）】－豢／等，梯度有两个重要的
性质：
ｒｏｂｏｔｖｉｓｉｏｎ．ＡｎｄＦｅａｔｕｒｅ
ｐａｐｅｒ，ｗｅｍａｔｃｈｉｎｇ
ａ
ｕｓｅ
ｉｍｐｏｒｔａｎｔｐａｒｔ
ｏｆｉｔ．Ｉｎｔｈｉｓ
ｔｅｍｐｌａｔｅ
ｅｄｇｅ
（１）梯度的方向就是函数ｆ（ｘ，ｙ）最大变化率的方
向。
ｉｎｔｅｇｒａｌｏｆｔｈｅ
ｐｒｏｊｅｃｔｉｏｎ
ａｎｄｔｏ
ｃｏｍｐｕｔｅ
ｆａｃｅｆｅａｔｕｒｅ，ａｎｄｈａｖｅａｃｑｕｉｒｅｄ
ｈｉｇｈｅｒｖｅｒａｃｉｔｙ．
Ｋｅｙｗｏｒｄｓ：ｆｅａｔｕｒｅｅｘｔｒａｃｔｉｏｎ；ｅｄｇｅｄｅｔｅｃｔｉｏｎ；ｉｎｔｅｇｒａｌｐｒｏ－
（２）梯度的幅度用Ｇ［ｆ（ｘ，ｙ）］表示，其计算公式为：
ｊｅｃｔｉｏｎ；ｔｅｍｐｌａｔｅｍａｔｃｈｉｎｇ
Ｇ［ｆ（ｘ，ｙ）］－（（娑）ｚ＋（娑）ｚ）ｉ
（１）
万方数据１引言
人脸识别是模式识别和机器视觉领域中的一个
重要研究课题．它在保安系统、罪犯识别及海关检查等领域均具有广泛的应用前景，而特征提取是人脸识别中的一个重要环节，对人脸识别的成功与否起着至关重要的作用。本文利用先验知识，先对图片进行归一化处理，再进行特征提取，从而快速有效的提取了人脸几何特征。
由此式可以得出这样的结论：梯度的数值就是“ｘ，ｙ）在其最大变化率方向上的单位距离所增加的量。
对于离散的数字图像上式可以写为：
Ｇ［“ｉ＇ｊ）］＝（［ｆ（ｉ，ｊ）一ｆ（ｉ＋１’ｊ）】２＋［“ｉ，ｊ）一ｆ（ｉ，ｊ＋１）］）ｎ５式：
Ｇ［ｆ（ｉ，ｊ）】一Ｉｆ（ｉ，ｊ）一ｆ（ｉ＋ｌ，ｊ）ｌ＋ｌｆ（ｉ，ｊ）－ｆ（ｉ，ｊ＋１）ｌ
即：
（２）
为了计算方便，也可以采用下面的近似计算公
（３）
Ｉ▲ｆ（ｉ，ｊ）４－◆ｆ（ｉ，ｊ＋１）
ｌ◆ｆ（ｉ＋ｌ，ｊ）
通常也可以用下面的近似计算公式：Ｇ［“ｉ，ｊ）］一Ｉｆ（ｉ，ｊ）一“ｉ＋１，ｊ＋１）ｌ＋“ｉ＋１，ｊ）一ｆ（ｉ，ｊ＋１）Ｉ
即：
ｆ（ｉ，ｊ）
ｆ（ｉ，ｊ＋１）
２方法简介
本文所采用的是大小为２００ｘ３００，灰度级为２５６色的人脸正面图片，所用到的主要方法有积分投影法、边缘检测法、模板匹配法和图像二值化法。
２．１积分投影
灰度图是指只含亮度信息而不含色彩信息的图片。这种图片是由一个个像素点构成的，而每个像素点都具有灰度值．其范围从０—２５５，灰度值越小该像素点就越暗，其中０代表黑色，２５５代表白色。一张２００ｘ３００的图片其实是一个２００ｘ３００的像素点阵列组成的集合。把每一行的所有像素点的灰度值相加，如果其值比较小，则说明这一行灰度值较小的像素点比较多。也就是暗的点比较多。利用这种方法，我们把每一行像素点的灰度值之和作为ｘ轴坐标，该行所在行数作为Ｙ轴坐标划出一条曲线，通过判断这条曲线的波王聃：硕士研究生
（４）
ｆ（ｉ＋ｌ，ｊ∥
弋
≯
＼ｆ（ｉ＋ｌ，ｊ＋１）
通过判断Ｇ［ｆ（ｉ，ｊ）】是否大于阈值斗，来判断点ｆ（ｘ，ｙ）是否为边缘点，即：
Ｇ［ｆ（ｉ，ｊ）ｌ＞ｔｘｆ（ｉ，ｊ）为边缘点
（５）Ｇ［ｆ（ｉ，ｊ）ｌ＜ｉｘｆ（ｉ，ｊ）不为边缘点
本文所采用的计算公式为公式（４）和公式（５）。２．３模板匹配
模板匹配法是指在一定范围内，按照一定的顺序，将模板区域像素点的灰度值进行相加，并比较各
／？、
人脸识别系统中的特征提取.doc
将本文的Word文档下载到电脑
下一篇：新护士岗前培训课件
