图像处理技术在人脸识别技术中的应用

图像处理技术在人脸识别技术中的应用

作者：梁子越 张帆

来源：《数码设计》2017年第11期

摘要：近些年随着图像处理技术迅速发展，人脸识别技术也逐渐得到了成熟化的发展及应用。人脸识别如今作为防入侵方式，被广泛的应用于防盗与保密设备中。相较于虹膜、掌纹、指纹等识别系统，人脸识别更加方便、友好与直接。本文介绍人脸识别过程，分析图像处理技术在人脸识别中的应用，希望帮助更多人了解图像处理的基础，帮助人们理解图像处理如何运用于人脸识别，引起人们对图像处理技术的兴趣，从而推动人脸识别技术的进一步发展。 关键词：图像处理技术；人脸识别

中图分类号：TP391.41 文献标识码：A 文章编号：1672-9129（2017）11-0017-01 Abstract：with the rapid development of image processing technology in recent years， face recognition technology has been gradually developed and applied. Face recognition is now widely used in anti-theft and security equipment as an intrusion prevention method. Compared with iris， palm print and fingerprint identification system， face recognition is more convenient， friendly and direct. Face recognition process are summarized in this paper， the analysis of the image processing technology in the application of face recognition， hope to help more people understand the basis of image processing， help people understand how to use in face recognition， image processing aroused people's interest in image processing technology， so as to promote the further development of face recognition technology.

Key words： image processing technology； Face recognition 前言：

人脸识别作为近些年图像处理、神经网络、机器视觉的热点课题，得到全社会的广泛关注。人脸识别依靠摄像头获取人脸图像资料，之后通过算法分析并计算面部特征，通过与数据库信息对比，实现人脸识别与用户身份判断的目的，是一项对图像处理技术要求较高的技术。 1 人脸识别过程

人脸识别流程大致如下：首先摄像头会将对象的脸部面貌进行摄制与记录。之后传输至图像处理模块，通过人脸定位与检测，提取人脸特征，与数据库信息资料对别与识别。最终获得图像识别结果。在这一过程中对人脸识别效率影响最大的便是表情、角度、尺寸、和光照因素。所以人脸识别技术着重加强了这些因素的考虑。 2 人脸识别主要应用图像技术

龙源期刊网 http://www.qikan.com.cn

2.1 灰度化处理

在初步采集后得到的人脸图像一般为灰度图像与彩色图像。灰度化处理即将原本为彩色的图像转化为灰度的图像。由于彩色图像识别时，会受到背景影响，限制识别效果，所以灰度处理是识别人脸图像的重要步骤。灰度图像相较于彩色图像而言，处理更加简单。所以人脸识别均将灰度图像作为唯一的研究对象。彩色图像在转化为灰度图像时，先对彩色图像做灰度化处理。一个像素一个颜色，一般从黑色开始（0，0，0）到白色结束（255，255，255）这一灰度。像素点RGB变化范围为0至255。这样会使后续图像处理与计算简化，更容易达到人脸识别的目的。灰度图像反映的是图像的整体与局部色度与亮度的分布与特征。根据图像的RGB分量关系式进行转换，使彩色图像变成灰度图像。 2.2 中值滤波

虽然彩色图像在转换成灰度图像后，像素点的计算更加方便，不过由于彩色图像存在噪声，而噪声是影响图像质量的重大因素，所以不处理图像噪声，则无法得到高质量的图像画面。中值滤波是处理噪音的有效技术。中值滤波的基本思想是对一个窗口内的所有像素的灰度进行排序，取排序结果的中间值作为原窗口中心点处的像素灰度值。这项技术除了能够去掉孤点噪音，还可以保持良好的图像边缘特性。此外中值滤波还能有效处理线性滤波图像处理时的细节模糊问题，解决滤波脉冲干扰及扫描噪声。 2.3 灰度归一化

这项技术运用光照补偿实现直方图均衡化。这项技术最重要的应用为直图像均衡化，非常容易实现与高效，应用比较广泛。像素灰度化范围为随机分布，图像为高低不齐的方式分布。所谓直方图均衡，就是把一个已知灰度概率分布的图像，变换成具有均匀概率分布的新图像的过程。图像动态范围得到了扩大，但实际上只不过是减少了量化的级别，从而扩大了量化之间的间隔。所以在经过处理以后的像素，从原本不同的灰度可能会变得一样。用直方图均衡化方式，能够将像素较多的灰度级展宽，将像素数较少的灰度级缩减，从而让像素灰度分布更加均衡，最终便可以得到清晰的图像。 2.4 几何归一化

录制原图像时，因光照强度、被摄人位置等因素都会导致人像的位置、大小不尽相同。在图像处理时所用到的图像为整幅图像，若不处理原始图像，人脸识别效率必会大大降低。因此必须进行图像几何归一化，从而将人脸的重要部位实现对调，保持人脸图像在处理以后大小相同、位置相同。几何归一化包括图像缩放、图像平移、图像镜像、图像旋转。 2.5 小波转换

以上处理得到的图像信源许多情况下还是非平稳的，不能用一种确定的数学模型来描述，而小波的多分辨率分析特性使之既可高效地描述图像的平坦区域，又可有效地表示图像信号的

龙源期刊网 http://www.qikan.com.cn

局部突变（即人脸的边缘轮廓部分）使之能够聚焦到图像的任意细节，相当于一个具有放大和平移功能的“数学显微镜”，因此小波转换非常适合于图像处理，可以很好的应用于人脸识别中。经过小波转换后的图像，能够使人脸姿势与表情保持不变，具有良好的稳定性能，成为低频图像。经过二级小波处理，图像仍是光滑的，此时的图像向量维数变得更低，而图像效果则更模糊。在不断增加变换级数以后，这种影响会越来越大。所以适当小波转换对于推向算法与识别具有重要意义。 3 结语：

现如今在科技越发成熟，人脸识别得到了广泛的推广与应用。人脸识别已经成为生活常见的技术手段。本文针对人脸识别常用图像技术进行了分析，考虑到尺寸、光照对识别带来的影响，实现了图像几何归一化与灰度归一化，借助于小波转换，可以很好地将图像处理技术精确应用到人脸识别中，使人脸识别技术更容易理解，更完善，更精确。 参考文献：

[1]郭元戎.图像处理与识别技术的发展应用[J].电子技术与软件工程，2018（01）：58-59. [2]陈海英.图像处理在人脸识别系统中的应用[J].现代职业教育，2015（28）：98-99. [3]李俊山.李旭辉.数字图像处理（第二版）清华大学出版社.

[4]郭乐.杨立波等.图像处理技术在人脸识别中的应用.科技创新导报2015.01.01