图像检测与识别技术,图像识别检测
1引言人脸识别作为一种重要的个人身份识别方法，可广泛应用于证件验证、公安追逃、信用卡验证、自动柜员机(ATM)等.与使用诸如指纹、手掌、视网膜、虹膜等其他人类生物特征的个人识别方法相比，人脸识别具有直接、友好、方便的特点。一个完整的人脸识别系统包括人脸检测、特征提取和匹配识别。人脸检测是人脸识别系统的第一步，也是重要的一步。研究了基于K-L算法和奇异值分解的自动人脸检测方法，并提出了一种工程化的方法。该方法自动选择适合指定‘检测精度’的特征面数，排除特征面空间中能量值小的特征轴，降低特征面空间中能量集中轴的选择难度。首先，基于K-L展开的特征提取，利用输入样本中每个人和所有人的平均样本，形成一个类间离散矩阵，作为K-L变换的生成矩阵，对这个矩阵进行奇异值分解，得到特征人脸空间。同时得到训练样本在该空间的一组投影系数，即代数特征。其次，将待测图像投影到这个空间，得到待测图像的代数特征。然后，比较待测图像和训练样本的代数特征。在比较过程中，根据指定的精度，选择合适数量的特征脸对应的训练样本的代数特征的数量，从待测图像的代数特征计算欧氏距离。根据该距离，可以检测出待测图像是否是人脸。从实验结果可以看出，本文提出的方法具有一定的鲁棒性，能够适应训练样本数量变化较大的环境。同时能有效排除特征面空间中能量值较小的特征轴。在训练样本较多的情况下，可以有效减少在特征脸空间中选择能量值集中的轴的工作量，获得尽可能少且最具代表性的特征脸子空间。
2部分代码%版本：4.1
%作者：奥米德博纳克达尔萨基
函数IMVECTOR=im2vec (W27x18)
%{
该函数的输入是一个27x18的窗口。首先，函数进行调整
窗口的直方图。然后用Gabor卷积窗口
滤波器，频域中的窗口将乘以gabor滤波器
Gabor滤镜存储在gabor.mat中。为了节省时间，他们被救了
之前在频域中。
%}
加载gabor%正在加载Gabor过滤器
%调整窗口直方图，用试错法设置参数
w27x 18=adaptehisteq(w27x 18， Numtiles ，[8 ^ 3])；
Features135x144=cell(5，8)；
对于s=1:5
对于j=1:8
Features135x144{s，j}=ifft2(G{s，j})。*fft2(double(W27x18)，32，32)，27，18)；
目标
目标
% Features135x144是包含卷积结果的单元格数组
%使用40个gabor过滤器中的每一个过滤窗口。这些矩阵将
%串联起来形成一个大的135x144的复数矩阵/
%我们只需要结果的大小，这就是使用abs的原因。
features 135 x 144=ABS(cell 2mat(features 135 x 144))；
% 135x144做网络的输入是很痛苦的。它有19400个
%像素。这意味着网络的输入向量应该有19，400
%像素，这意味着大量的计算和时间浪费。
%所以我们把矩阵的大小减少到原来的三分之一。
%有很多方法可以减少矩阵的大小，比如使用PCA，使用
%每个3x3像素的中间值或删除行和列
%删除不是最好的方法，但是它比
%其他人
Features135x144 (3:3:end，)=[]；
Features135x144 (2:2:end，)=[]；
Features135x144(:3:3:end)=[]；
Features135x144(:2:2:end)=[]；
%网络输入向量中的数字应该在-1，1之间
%和下面的一行将实现这个概念。
features 45 x48=prem nmx(features 135 x 144)；
%将矩阵转换为向量
im vector=shape(features 45 x48，[2160 1])；
%~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
%注意：这个功能非常关键。考虑到我们有一个大的
%照片显示为400x300。你能说出我们有多少个27x18窗口吗？
%如果我们不预处理照片来预测人脸的位置
%我们为照片的每个像素都设置了一个窗口，这意味着
% 120，000个窗口(因为边框的原因稍微少一点)。每个像素
%是新窗口的中心。
%如果执行此功能需要0.4秒，则整张照片将需要
%大约13个小时，仅用于网络预处理。
%所以这个函数中任何不必要的行都可能成为整体的地狱
%进程，我们应该尽可能优化这个函数。
3运行结果
4参考文献[1]闫隆。基于K-L变换的人脸检测[D].四川大学，2004。
博主：擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机、雷达通信、无线传感器等领域的Matlab仿真。相关matlab代码问题可以私信交流。有些理论引用自网络文献。如有侵权，联系博主删除。
郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。