人脸识别点名

来源:用户上传      作者:

　　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;最后利用图像识别技术来使用matlab处理图像。通过人脸图像识别与匹配，找出最佳的匹配对象，最终确定身份，从而达到节省时间和提高效率的目的。
　　关键词：人脸识别系统;数据分析;matlab;PCA方法;LDA方法
　　中图分类号：TP391.41      文献标志码：A         文章编号：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
　　在大学，老师对学生的管教没有以前那样严格，更多的要求学生自觉学习。然而就出现一个问题，上课的到课率并不是很高。大部分的高校老师，花费课前的几分钟用来记录按时来到课堂的学生。这种点名方式存在众多弊端，比如有些逃课的学生可能被遗漏掉，有时候有各种突发情况会耽误课上的时间等。随着时代的进步，更加高效，省时的点名方式层出不穷。人工智能技术的高速发展和人类视觉研究的进步，使人们逐渐对机器识别产生了极大的热情，并形成了人脸图像识别的研究領域，这具有重要的理论价值和实用价值。像指纹一样，脸也是独特的，也可以用来识别一个人的身份。所以可以通过人脸识别建立一个有效的快速点名模型，就可以帮助教师解决点名问题。
　　人脸识别技术包括人脸检测、人脸跟踪和人脸比较三个部分，具体如下：（1）人脸检测是指在具有复杂背景的动态场景中判断是否有人脸，并像这样孤立人脸。一般来说，有以下几种方法：参考模板法、人脸规则法、样本学习法、肤色模型法。（2）人脸跟踪是指对检测到的动态目标跟踪，基于模型和基于运动与模型相结合的方法。然后将人脸模型进行一系列的预处理。（3）人脸的比较是为了确定此人的身份，就是在库中进行目标搜索，这实际上意味着对人脸图像的采样和对人脸图像的清点，以此匹配最佳对象。
　　数据处理的过程可以归纳为四个步骤，即收集、引入、预处理和分析。本文通过对人脸数据进行采集和导入，然后对人脸数据进行预处理。最后基于各种算法对人脸数据进行对比、分析和匹配。
　　2 基于matlab的图像处理模型
　　2.1 存入数据库
　　对人脸数据进行采集。每个班级的成员不同，所要采集的人脸数据不同，利用图像识别技术和大数据分析理论，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。
　　2.1.1 数据库设计原则
　　计算机数据库的设计，可以说是按照数据库逻辑优化和数据库系统的物理结构及其应用，提高数据存储效率和数据管理效率，以满足信息存储和数据的需要。数据库的设计目标是为在操作系统上的用户建立和使用良好的工作环境，以实现对数据的有效管理和利用。在本课题中我们要建立一个存放高校学生头像的数据库。
　　2.1.2 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。
　　2.2 人脸识别系统的组成
　　2.2.1 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。
　　2.2.2 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。 　　2.2.3 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。
　　2.2.4 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。
　　2.3 人脸图像的转化与处理
　　2.3.1 转换为灰度图像
　　MATLAB7.0有许多不同类型的功能，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。
　　2.3.2 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。
　　2.3.3 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。
　　2.3.4 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数或二阶导数，以检测其邻域图像中每个像素的灰度变化。我们选择的边缘函数edge（）在MATLAB7.0工具箱实现边缘检测。同时，我们还可以根据需要选择合适的“算子”及其参数。（常用的算子有梯度算子，罗伯茨算子，智能算子，对数算子，canny算子），我们用canny算子来检测图像的边缘。
　　2.4 人脸图像识别与比对
　　人脸图像识别是一个非常复杂的过程，我们在课题分析中已经做了一系列说明。它大致包括以下几个步骤：首先是人脸图像采集，对采集人脸图像人脸检测，得到有人脸的结果，然后是对人脸图像进行预处理处理;其次是人脸跟踪，找到人脸的位置并将特征分离出来;接着是人脸识别，利用PCA对人脸图像进行降维，然后利用LDA寻找最佳投影矢量。最后进行人脸比较，将采集到的人脸图像特征与数据库中预存的人脸图像特征进行比较，找到最佳匹配对象，最后确定身份。
　　2.4.1 PCA方法
　　主成分分析（PCA）方法是用于人脸识别技术中的一维特征提取方法。主成分分析的主要步骤是：利用K-L变换提取人脸的主要成分，形成特征空间，将识别出来的图像投影到空间，得到与人脸图像相比较的一组投影系数。这实质上是一种对坐标变换的方法以此来达到去相关的目的。这种方法可以在压缩前后得到最小均方误差（MSE），在低维空间变换后具有良好的分辨率。通过变换PCA算法，得到了低维矩阵，它对人脸的低维矩阵有很好的表达。
　　3 结论
　　本文通过图像识别技术结合大数据分析理论等，设计出了具体的方案，給出了数学模型，对班级的学生进行人脸图像采集，识别，匹配。在教室门口安装摄像头及其他硬件设施，学生会在上课前的不同时段进入，在学生进入教室的同时对其进行扫描，与数据库中图像进行匹配，根据我们设计的方案，计算出所用时间判断其身份，这样，就不会占用任何课上时间，而且消耗的时间极少，相对于教师在课堂上拍照就节省了很多时间，教师就可以节省大量时间，同时也可以准确无误地检验到班级实到人员，实现高校课堂的点名。
　　现在的金融、公安、教育、住宅、工厂以及更多公共服务事业越来越多的应用了人脸识别系统。随着人脸识别技术的成熟，会应用到越来越多的领域。比如公司可以利用人脸识别考勤制度，住宅的人脸防盗门，利用人脸系统和网络在全国范围内抓捕罪犯，电子身份证、驾驶证以及各类电子证件的验证，电子银行的验证，在招生系统中的应用。人脸识别技术可以大大的缩减我们工作的时间，提高我们的工作效率。
　　参考文献：
　　[1]罗鑫，赵永进，柳长春，等.基于PCA算法人脸识别的matlab实现[J].黑龙江科技信息，2013（02）：103-104.
　　[2]赵来元，高鸿彬，李媛.基于主成分分析（PCA）的人脸识别算法研究[J].电子世界，2017（02）：116-117.
　　[3]乔志敏，杨慧刚.基于图像处理的人脸识别系统[J].山西电子技术，2017（06）：50-52.
　　[4]蔡羽，徐朝阳，范金龙.适于人脸识别的PCA算法应用研究[J].信息技术，2017（11）：129-132.
转载注明来源:https://www.xzbu.com/1/view-14871837.htm