基于Labview_Matlab的人脸识别系统设计与实现
基于matlab程序实现人脸识别
基于matlab程序实现人脸识别
人脸识别已经成为一个广泛被应用的技术，例如手机的解锁方式，安全系统等等。
它是一种基于人脸图像进行身份验证或身份识别的技术，也是近年来计算机视觉和模式识别领域研究的热点方向之一。
在这篇文档中，我们将介绍如何使用matlab编写一个简单的人脸识别程序。
人脸识别是什么？
人脸识别可以被定义为一个过程，旨在使用数字算法识别和验证图像或视频中
人脸身份。
在计算机科学的领域中，这项技术可以被描述为一种模式识别技术，
旨在通过在人脸图像上提取可识别特征来确定身份验证。
通俗易懂地理解，就是计算机能够识别人脸的特征，并将其与已知的数据匹配，从而确定人物身份。
人脸识别程序的开发流程
以下是本文介绍的基本程序开发流程：
1.数据集导入和预处理
2.特征提取和脸部对齐
3.模型训练和分类器设计
4.模型评估和测试
数据集导入和预处理
考虑到一个好的项目，我们需要一个良好的数据集。
在这里，我们可以使用来
自orl人脸数据集的数据。
该数据集中包含的有40个人的400幅灰度图像，每个
人有10个不同的示例。
您可以从该网站下载并使用这些数据来测试您的算法。
在这个过程中，我们需要使用matlab中的imread函数将数据读取为数字矩阵，然后将数据分为训练集和测试集。
这个过程旨在将原始的数据转换为我们算法能
够处理的数字矩阵，并将数据划分为训练集和测试集。
``` % 读取数据集 dataFolderPath =。
基于MATLAB的人脸识别系统的研究毕业论文
长沙民政职业技术学院毕业实践报告 题目:基于MATLAB 勺人脸识别系统的研扌旨导老师： ______ 谭刚林 ______________________ 系 另寸： 电子信息工程系 __________________ 班 级： ______________ 电子1133 ____________学号：1119013333 1119013334 1119013335 姓 名： 刘盼符思遥樊阳辉类型:2014年5月5日基于MATLAB勺人脸识别系统的研究符思遥、刘盼、樊阳辉指导老师：谭刚林苏宏艮马勇赞【摘要】人脸检测与识别技术是计算机视觉和模式识别等学科的研究热点之一，是进行身份认证最友好直接的手段，在出入境安全检查、内容检索、证件验证、门禁系统等领域都具有十分广泛的应用前景。
多年来，人脸识别技术中的很多问题都被深入地研究，而且大量的算法已经成功应用于人脸识别。
本文在研究了人脸检测和身份识别的关键技术和相关理论的基础上，重点讨论了在光照和背景不同的条件下，彩色静止图像的人脸检测和身份识别问题，它包括基于肤色分割的人脸粗检测、基于人眼检测的几何归一化和基于二维主成分分析法(2DPCA的身份识别。
本文主要工作如下：首先对彩色图像进行光照补偿，其次通过肤色检测获得可能的脸部区域并二值化，再用形态学开闭运算对图像进行滤波处理并通过一定规则确定人脸区域，然后运用水平垂直投影定位人眼坐标以此对人脸进行几何归一化，识别部分运用2DPCA勺图像映射方法对灰度图进行特征匹配，最后输出识别结果并进行语音播报。
实验结果表明，结合肤色和面部几何特征的算法能够对人脸进行较快速和准确的定位，同时2DPCAT法运用于身份识别也能达到较高的识别率。
本毕业设计对实际应用具有一定的参考价值，该系统的操作流程和输入输出方式是以实际应用为出发点，可应用于公安机关证件验证以及日常家庭的自动门禁系统等。
【关键词】人脸检测；肤色分割；人眼检测；2DPCA特征提取1绪论 (1)1.1选题的背景 (1)1.2人脸识别系统 (2)1.3人脸识别的典型方法 (2)2基于YCbCr颜色空间的肤色分割 (3)2.1三种色彩空间 (3)2.1.1 RGB色彩空间 (3)3基于2DPCA特征提取的身份识别 (4)3.1 2DPCA算法实验结果与分析 (5)3.1.1实验用数据库 (5)3.1.2实验结果与分析 (5)3.1.3 结论 (7)4人脸检测与识别系统设计与实现 (7)4.1系统环境 (7)4.2人脸检测与识别系统框图 (7)4.3系统功能模块 (8)4.4实验结果分析 (9)5总结与展望 (10)5.1总结 (10)5.2展望 (10)参考文献 (12)1绪论1.1选题的背景近年来随着计算机技术和互联网的发展，信息技术的安全变得越来越重要，生物特征识别技术得到广泛研究与开发，如人脸识别、指纹识别、掌形识别等。
如何使用Matlab进行人脸检测和人脸识别
如何使用Matlab进行人脸检测和人脸识别人脸检测和人脸识别是计算机视觉领域中的重要技术应用，可以广泛用于人脸识别系统、人脸支付、安全监控等众多领域。
本文将介绍如何使用Matlab进行人脸检测和人脸识别。
1. 背景介绍人脸检测和人脸识别技术的出现，为计算机系统实现对人脸的自动分析和识别提供了可能。
人脸检测是指从一幅图像或视频序列中确定是否存在人脸，并找出人脸的位置和大小。
而人脸识别则是在检测到的人脸图像上进行特征提取和模式匹配，以实现对人脸的身份识别。
2. 人脸检测在Matlab中，可以使用Viola-Jones算法进行人脸检测。
该算法通过构造Haar特征与Adaboost集成学习算法相结合，能够在较短的时间内实现高效的人脸检测。
具体操作如下：2.1 加载图像首先，在Matlab中加载需要进行人脸检测的图像。
可以使用imread函数进行图像加载，并将其转换为灰度图像进行处理。
例如：```Matlabimage = imread('face.jpg');gray_image = rgb2gray(image);```2.2 构建人脸检测器在Matlab中，可以使用vision.CascadeObjectDetector对象构建人脸检测器。
该对象可以通过Viola-Jones算法进行人脸检测。
具体代码如下：```MatlabfaceDetector = vision.CascadeObjectDetector();bbox = step(faceDetector, gray_image);```2.3 显示检测结果最后，可以使用insertObjectAnnotation函数将检测到的人脸位置在原始图像上标记出来。
代码示例如下：```Matlabdetected_image = insertObjectAnnotation(image, 'rectangle', bbox, 'Face');imshow(detected_image);```3. 人脸识别在Matlab中，可以使用基于人脸特征的Eigenface、Fisherface和LBPH等算法进行人脸识别。
人脸识别核心算法及MATLAB代码
人脸识别核心算法在检测到人脸并定位面部关键特征点之后，主要的人脸区域就可以被裁剪出来，经过预处理之后，馈入后端的识别算法。
识别算法要完成人脸特征的提取，并与库存的已知人脸进行比对，完成最终的分类。
我们在这方面的主要工作包括：∙基于LGBP的人脸识别方法问题：统计学习目前已经成为人脸识别领域的主流方法，但实践表明，基于统计学习的方法往往会存在“推广能力弱”的问题，尤其在待识别图像“属性”未知的情况下，更难以确定采用什么样的训练图像来训练人脸模型。
鉴于此，在对统计学习方法进行研究的同时，我们还考虑了非统计模式识别的一类方法。
思路：对于给定的人脸图像，LGBP方法首先将其与多个不同尺度和方向的Gabor滤波器卷积(卷积结果称为Gabor特征图谱)获得多分辨率的变换图像。
然后将每个Gabor特征图谱划分成若干互不相交的局部空间区域，对每个区域提取局部邻域像素的亮度变化模式，并在每个局部空间区域内提取这些变化模式的空间区域直方图，所有Gabor特征图谱的、所有区域的直方图串接为一高维特征直方图来编码人脸图像。
并通过直方图之间的相似度匹配技术（如直方图交运算）来实现最终的人脸识别。
在FERET四个人脸图像测试集合上与FERET97的结果对比情况见下表。
由此可见，该方法具有良好的识别性能。
而且LGBP方法具有计算速度快、无需大样本学习、推广能力强的优点。
参见ICCV2005表.LGBP方法与FERET'97最佳结果的对比情况∙基于AdaBoost的Gabor特征选择及判别分析方法问题：人脸描述是人脸识别的核心问题之一，人脸识别的研究实践表明：在人脸三维形状信息难以准确获取的条件下，从图像数据中提取多方向、多尺度的Gabor特征是一种合适的选择。
使用Gabor特征进行人脸识别的典型方法包括弹性图匹配方法（EGM）和Gabor特征判别分类法（GFC）。
EGM在实用中需要解决关键特征点的定位问题，而且其速度也很难提高；而GFC则直接对下采样的Gabor特征用PCA降维并进行判别分析，尽管这避免了精确定位关键特征点的难题，但下采样的特征维数仍然偏高，而且简单的下采样策略很可能遗漏了非常多的有用特征。
基于Matlab的人体指纹识别程序设计(课程设计)
等级: 课 程 设 计课程名称课题名称 基于Matlab的人体指纹识别程序设计专 业班 级学 号姓 名指导老师年 月 日课程设计任务书课题名称 基于Matlab的人体指纹识别程序设计姓 名 专业 班级 学号指导老师课程设计时间教研室意见 意见： 审核人：一、任务及要求1）根据所学的知识和能力，利用Matlab软件设计程序实现根据指纹的大小、形状等特征，识别出不同的指纹；2）利用按键标志当前指纹识别的状态，例如录入状态、识别状态、清楚状态。
设计要求：1）对指纹识别的过程进行分析，掌握指纹识别系统算法的工作原理；2）进行指纹识别程序的方案设计；3）进行指纹识别程序的模块设计；4）要有必要的算法设计说明；5）写出课程设计报告。
报告中应包括原理框图、参数曲线分析、操作方法、算法分析、软件调试等，调试过程中遇到的问题，改进方法和总结体会；6）答辩。
二、进度安排周一：集中布置课程设计任务和相关事宜，查资料确定指纹识别程序设计总体方案。
周二～周五：完成人体指纹识别程序设计及仿真。
周六～周日：设计报告撰写，周日进行答辩和设计结果检查。
三、参考资料目 录1第1章 绪论............................................................................11.1 Matlab介绍 ......................................................................11.2 Matlab优势特点 ..................................................................11.3 指纹识别.........................................................................11.4 指纹识别技术的主要优点...........................................................2第2章 设计任务及要求...................................................................22.1 设计任务.........................................................................22.2 设计要求.........................................................................第3章 系统方案设计.....................................................................333.1 系统方案设计.....................................................................33.2 系统框图.........................................................................4第4章 系统软件设计.....................................................................44.1 主函数...........................................................................54.2 归一化和切割.....................................................................4.3 二值化...........................................................................794.4 细化.............................................................................4.5 中心点提取.......................................................................4.6 求特征点.........................................................................14164.7 指纹匹配.........................................................................17第5章 系统仿真及调试...................................................................20总 结..................................................................................错误!未定义书签。
LabVIEW中的人脸识别和指纹识别技术
LabVIEW中的人脸识别和指纹识别技术LabVIEW是一种流行的可视化编程环境，广泛应用于科学、工程和控制领域。
它具有强大的数据处理和图像处理功能，因此在人脸识别和指纹识别等生物特征识别技术中也得到了广泛的应用。
一、LabVIEW中的人脸识别技术人脸识别技术是一种通过计算机对人脸图像进行分析和识别的技术。
在LabVIEW中，可以利用图像处理模块和模式识别算法来实现人脸识别功能。
1. 图像采集和前处理在LabVIEW中，可以使用摄像头模块或者图像采集卡来获取人脸图像。
通过图像前处理算法，如灰度化、归一化和直方图均衡化等，可以提高图像质量和增强人脸特征。
2. 特征提取和比对LabVIEW中提供了丰富的图像处理函数和工具箱，可以用于人脸特征提取，如基于Haar特征的级联分类器、主成分分析(PCA)等。
通过将提取到的人脸特征与预先存储的模板进行比对，可以实现人脸的识别与认证。
3. 人脸跟踪和识别LabVIEW中的人脸跟踪算法可以实时地在视频流中检测和跟踪人脸，并将其与已知的人脸模板进行匹配。
通过跟踪和识别技术，可以实现实时的人脸监控和识别系统。
二、LabVIEW中的指纹识别技术指纹识别技术是一种通过对指纹图像进行特征提取和比对来识别个体身份的技术。
在LabVIEW中，可以利用图像处理函数和指纹识别算法来实现指纹识别功能。
1. 指纹图像采集和增强通过指纹传感器或者图像采集卡，可以在LabVIEW中获取指纹图像。
采集到的指纹图像可能包含噪声和失真，需要通过图像增强算法来提高图像质量和清晰度。
2. 特征提取和匹配LabVIEW中的指纹识别算法可以实现指纹特征的提取和匹配。
特征提取算法通常采用形状上下文、方向梯度直方图(OGH)和奇偶检测等方法。
通过将提取到的指纹特征与已知的指纹模板进行比对，可以实现指纹的识别与认证。
3. 指纹模板的存储和管理LabVIEW中可以使用数据库或者文本文件来存储和管理已知的指纹模板。
基于MATLAB的人脸识别考勤系统
电子技术‖77‖基于MATLAB的人脸识别考勤系统◆杨天成本文的主要研究内容是人脸识别技术。
在研究中了解人脸识别技术在国内外的研究现状及发展前景，掌握了部分MA TLAB 的图像处理功能，并按照人脸图像采集、图像预处理、人脸特征提取与识别这条技术路线开发实现了一个简易人脸识别系统。
本次设计中的核心部分是人脸的检测与识别，此人脸识别可应用于企业员工考勤签到上。
本设计分为图像采集、数据库信息存储与显示、人脸识别、数据库信息清除、退出程序几部分组成。
采集图像模块的目的就是采集所要存储的人脸图片，将其存入数据库中，为后面的人脸识别算法提供相应的训练素材。
模块代码如下：if chos==1， clc ；[namefile ，pathname]=uigetfile （'*.pgm'，'Select image'）；%读取.pgm 文件 if name fi le~=0[img ，map]=imread （strcat （pathname ，name fi le ））；imshow （img ）； elsewarndlg （'放入的图片必须是已采集的'，' Warning '） end end其中的name fl ie ，和pathname 分别指的是文件名和查找文件的路径。
当点击“采集图像”时，系统会根据操作指令弹出要采集的图片，选择确定后，会将这个图片的路径以及图片名相关信息保存到变量pathname 和name fi le 里。
当采集到图片后要将采集的图片保存到数据库中，此目的是为了给后期人脸识别时提供相应的训练素材。
但是需要注意的是在进行保存图片时要对保存的图片划分类别，同一个人的不同照片要划分到同一类中。
设第一个人的所有图片组成的类别为1，第二个人的所有图片组成的类别就为2，由此以此类推。
每一类的图片种类越多，越能保证后期识别的成功率。
同时为了能够保证录入的信息正确，可以点击“数据库信息”就会显示出数据库中存入了多少张照片以及分了多少类别。
基于Labview_Matlab的人脸识别系统设计与实现
超浅埋段长。隧道通过金家街小学操场 及教学楼和简易房。Ｋ０＋４９．９７－ Ｋ０＋２５３， 地表杂填土厚 ０．９～４．８ｍ，基岩顶面距隧道顶 部 １．５～６．２ｍ。 ２．４ 地面建筑及危房覆盖率高
在 Ｋ０＋１７３～Ｋ０＋２５３ 里程上，沿隧道轴 线宽 ８０ｍ 范围内居民密集，地面建筑多为 １－６ 层砖混结构旧房及简易平房砌筑结构，为七十 年代初期建筑。
（２）爆破后沿岩体的切割面（或称爆裂面）应 具有一定的平整度，并能保持原岩体自身的稳 定性， 从而保证爆破效果及隧道内的安全， 即 光面和稳定控制爆破。 ３．２ 控制爆破基准
根据《爆破安全规程》（ Ｇ Ｂ ６ ７ ２ ２ － ８ ６ ） 对
（１ｌ） 其中 为混合成分的比例因子，即用高斯 混合模型来对概率分布矩阵 Ｂ 建模 和 分 别为高斯混合模型的均值和协方差矩阵
图像。
２．４ 特征提取
首先对合法人员进行图像采集建立以每
人 ５ 幅不同表情像的归一化图像为标准的图
像库， 再对库进行 Ｈ Ｍ Ｍ 训练， 就是要为每个
类别确定一组经过优化的 Ｈ Ｍ Ｍ 参数， 每个模
型可以用单幅或多幅图像进行训练，训练步骤
如下：
（１）对人脸进行Ｇａｂｏｒ小波变换，求出特征
结，并将其作为观测向量，即
１ 引言
随着城市交通及地铁隧道的大量修建，穿 越密集建筑物（住宅区）进行小净距浅埋隧道施 工已成为建筑施工企业和工程技术人员亟待 攻克的科技难题。大连市椒金山新建隧道采 用暗挖法施工， 通过优化控制爆破方案， 合理 选择爆破参数对获取理想震动效果，控制地面 沉降，减少围岩扰动及地表建筑物影响起到了 关键作用。该隧道的控制爆破施工是在交通 不中断、相邻隧道净间距小、洞顶覆盖层薄 的困难条件下进行的，本项目控制爆破技术的 成功应用标志着我国超长小净距隧道控制爆 破施工的一个重大突破。
MATLAB中的人脸检测与人脸关键点定位技术
MATLAB中的人脸检测与人脸关键点定位技术人脸检测与人脸关键点定位是计算机视觉中一个重要的课题，它在许多应用领域都有着广泛的应用，如人脸识别、人机交互、表情分析等。
MATLAB作为一种非常强大的科学计算软件，也提供了丰富的工具和函数来实现这些功能。
在本文中，将探讨MATLAB中的人脸检测与人脸关键点定位技术，并介绍其原理和具体实现方式。
一、人脸检测技术人脸检测是计算机视觉中的一项基础任务，其目标是在给定的图像中准确地识别出人脸的位置。
在MATLAB中，人脸检测通常基于基于统计模型的方法，如Haar特征和级联分类器。
1. Haar特征Haar特征是一种用于物体检测的特征描述方法，它通过计算图像中不同区域的灰度差异来表示目标物体的特征。
在人脸检测中，Haar特征可以用来检测人脸的各种细节，如眼睛、鼻子、嘴巴等。
MATLAB提供了一系列函数和工具箱来计算和提取Haar特征，以及构建Haar特征分类器。
2. 级联分类器级联分类器是一种常用的目标检测方法，它通过级联多个简单的分类器来实现对复杂目标的检测。
在人脸检测中，级联分类器可以用来筛选候选区域，并排除一些不可能是人脸的区域，从而提高检测的准确率。
MATLAB中的人脸检测函数通常会使用级联分类器进行初步筛选，以减少计算量。
二、人脸关键点定位技术人脸关键点定位是在检测到人脸后，进一步定位人脸的关键特征点，如眼睛、眉毛、鼻子、嘴巴等。
在MATLAB中，人脸关键点定位主要基于形状模型和特征点回归方法。
1. 形状模型形状模型是一种用于描述人脸形状变化的数学模型，它通过学习和建模一组训练数据的形状变化，从而能够对新的输入数据进行形状预测。
在人脸关键点定位中，形状模型可以用来对给定的人脸进行局部形状的估计，从而进一步定位关键点。
MATLAB提供了一些函数和工具箱来实现形状模型的训练和预测。
2. 特征点回归特征点回归是一种常用的人脸关键点定位方法，它通过学习一个回归函数，将图像中的像素坐标映射到关键点的位置坐标。
《基于MATLAB的人脸识别算法的研究》范文
《基于MATLAB的人脸识别算法的研究》篇一一、引言人脸识别技术是近年来计算机视觉领域研究的热点之一，其应用范围广泛，包括安全监控、身份认证、人机交互等。
MATLAB作为一种强大的数学计算软件，为研究人员提供了丰富的工具和函数，使得人脸识别算法的研究和实现变得更加便捷。
本文将介绍基于MATLAB的人脸识别算法的研究，包括算法原理、实现方法、实验结果及分析等方面。
二、人脸识别算法原理人脸识别算法主要基于计算机视觉和模式识别技术，通过对人脸特征进行提取和匹配，实现身份识别。
常见的人脸识别算法包括特征提取、特征匹配等步骤。
其中，特征提取是关键步骤，需要从人脸图像中提取出有效的特征，如纹理、形状、颜色等。
特征匹配则是将提取出的特征与人脸库中的特征进行比对，找出最匹配的人脸。
三、基于MATLAB的人脸识别算法实现1. 预处理在人脸识别算法的实现中，首先需要对人脸图像进行预处理，包括灰度化、归一化、降噪等操作。
这些操作可以有效地提高图像的质量，为后续的特征提取和匹配提供更好的基础。
2. 特征提取特征提取是人脸识别算法的核心步骤之一。
在MATLAB中，可以使用各种算法进行特征提取，如主成分分析（PCA）、局部二值模式（LBP）、方向梯度直方图（HOG）等。
本文采用PCA 算法进行特征提取，通过降维的方式将高维的人脸图像数据转化为低维的特征向量。
3. 特征匹配特征匹配是将提取出的特征与人脸库中的特征进行比对的过程。
在MATLAB中，可以使用各种相似度度量方法进行特征匹配，如欧氏距离、余弦相似度等。
本文采用欧氏距离作为相似度度量方法，通过计算特征向量之间的欧氏距离来找出最匹配的人脸。
四、实验结果及分析为了验证基于MATLAB的人脸识别算法的有效性，我们进行了多组实验。
实验数据集包括ORL人脸库、Yale人脸库等。
在实验中，我们使用了不同的特征提取和匹配方法，对算法的性能进行了评估。
实验结果表明，基于PCA算法的特征提取方法和欧氏距离相似度度量方法在人脸识别中具有较好的性能。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
它反映了图像在水平方向上的灰度变化． 水平灰度投影函数定义为：
它反映了图像在垂直方向上的灰度变化．
（２）在以上基础上作进一步处理剔除背景、
头发等对人脸识别无用或造成干扰的冗余信
息，对图像进行剪裁。
（３）因为照相距离的远近、人脸大小的不
同所得人脸图像也不同，在不改变比例的情况
下本系统对人脸进缩放，统一成 １２０ × １００ 的
部分系统的实际运行效果如图 ３ 所示。
４ 结语
本系统完成后先对 ５０ 个人的正面人脸图 像进行了实验， 实验显示除了个别脸部遮挡、 鬼脸外， 其他情况都能够有效识别出， 而且实 时性很好； 之后再对不同光照、光线及不同 背景等情况经性实验，除个别条件太差的如背 景太接近肤色或光线太强图像，识别率能达到 ９５％ 以上。再加上本系统的安装简单、携带 方便的特点，使得它适合于在小部门或个人的 门禁、身份验证等方面。
现在大型的人脸识别在国内公安、奥运 会、机场等场合相继使用， 人们对人脸识别 的研究水平也在不断提高，相信不久的将来人
脸识别系统也会像指纹识别一样得到一个广 泛的普及成为我们日常生活的一部分。
参考文献
［１］ ＣＨＡＩＤ，ＮＧＡＮＫＮ．Ｌｏｃａｔｉｎｇ ｆａｃｉａｌ ｒｅ－ ｇｉｏｎ ｏｆ ａｈｅａｄ ａｎｄ ｓｈｏｕｌｄｅｒｓ ｃｏｌｏｒ ｉｍａｇｅ［Ｃ］／／ Ｐｒｏｃ ３ｒｄ ＩＥＥＥ Ｉｎｔｅｒｎａ－ ｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ａｕｔｏｍａｔｉｃ Ｆａｃｅ ａｎｄ Ｇｅｓｔｕｒｅ Ｒｅｃｏｇｎｉｔｉｏｎ Ｎａｒａ，Ｊａｐａｎ． １９９８：１２４－１２９．
（１２）
（１３）
其中 是均匀分割后，状态 ｊ 的第 ｋ 个混
合成分对应的序列长度， 为相应的观测向
量。
（４）用Ｖｉｔｅｒｂｉ分割取代均匀分割［４］，并利用
分段 Ｋ 均值聚类方法［４］求出高斯混合模型的参
数， 迭代调整初始模型参数。
（５）采用 Ｂａｕｍ－Ｗｅｌｃｈ 算法［４］对参数进行
重新估计，并用最后得到的模型优化参数表示
人脸数据库中的某个类别。
经过以上步骤形成人脸库并得到各类人
脸模型， 以待下一步进行识别。
２．５ 人脸识别
在人脸识别阶段，首先要对待识别的人脸
图像 ｋ 进行 Ｇａｂｏｒ 变换，计算它的特征结，形
成观测序列 ，然后使用前项—后项算法［４］计
算每个训练模型产生该序列的概率
图２ 图３
科技资讯 ＳＣＩＥＮＣＥ ＆ ＴＥＣＨＮＯＬＯＧＹ ＩＮＦＯＲＭＡＴＩＯＮ
１５
科技资讯 ２００７ ＮＯ．１７ ＳＣＩＥＮＣＥ ＆ ＴＥＣＨＮＯＬＯＧＹ ＩＮＦＯＲＭＡＴＩＯＮ 城市小净距浅埋隧道控制爆破技术
工 业 技 术
周凤亮 （中铁十三局集团第一工程有限公司）
摘 要：在城市小净距浅埋隧道施工中，可以采用微震控制爆破技术，以获取理想的震动效应，减少对围岩及地表建筑物的影响。本文介
［２］ 贾云得．机器视觉［Ｍ］．北京：科学出版社， ２０００．
［３］ Ｓａｍａｒｉａ Ｆ．Ｆａｃｅ ｒｅｃｏｇｎｉｔｉｏｎ ｕｓｉｎｇ ｈｉｄ－ ｄｅｎ Ｍａｒｋｏｖ ｍｏｄｅｌ［Ｄ／Ｄ］．Ｃａｍｂｒｉｄｇｅ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｃａｍｂｒｉｄｇｅ， １９９４： ２７－ ８２．
［４］ Ｒａｂｉｎｅｒ Ｌ．Ａ ｔｕｔｏｒｉａｌ ｏｎ ｈｉｄｄｅｎ Ｍａｒｋｏｖ ｍｏｄｅｌｓ ａｎｄ ｓｅｌｅｃｔｅｄ ａｐｌａｃａｔｉｏｎ ｉｎ ｓｐｅｅｃｈ ｒｅｃｏｇｎｉｔｉｏｎ［Ｊ］．Ｐｒｏｃｅ．ＩＥＥＥ １９８９，７７（２）： ２５７－２８６．
隧道超近间距。新隧道与两条既有隧道 中心线的距离均为 １７．５ｍ，相邻隧道衬砌间的 最小净距仅为 ５ｍ。
超浅埋段长。隧道通过金家街小学操场 及教学楼和简易房。Ｋ０＋４９．９７－ Ｋ０＋２５３， 地表杂填土厚 ０．９～４．８ｍ，基岩顶面距隧道顶 部 １．５～６．２ｍ。 ２．４ 地面建筑及危房覆盖率高
在 Ｋ０＋１７３～Ｋ０＋２５３ 里程上，沿隧道轴 线宽 ８０ｍ 范围内居民密集，地面建筑多为 １－６ 层砖混结构旧房及简易平房砌筑结构，为七十 年代初期建筑。
程序开发环境，采用图形化编程语言和流程图 的形式开发应用程序。Ｌａｂｖｉｅｗ 提供大量完 成信号产生、信号处理、信号分析及滤波器 设计的子程序，结合普通的ｕｓｂ摄像头，可方便 实现人脸图像采集分析与处理功能。
（３）ｍａｔｌａｂ ７．０ 语言编译平台 Ｍａｔｌａｂ 是一种面向科学与工程计算的高 级语言，目前已发展成为国际上先进的科技应 用软件之一。它拥有强大的科学计算功能、完
２．５ 对地表沉降要求严 教学楼地表沉降必须控制在 ０ ． ５ ｃ ｍ 以
下。 ２．６ 对旧隧道稳定性及新旧隧道结构安全度要 求高
新隧道施工时不能影响既有隧道的正常 交通。
３ 爆破震动控制指标的确定
３．１ 控制爆破设计的目的 （１）降低爆破地震波的破坏作用，保证洞顶
地表建筑物和隧道两侧既有隧道行车安全，即 减震控制爆破。
１ 引言
随着城市交通及地铁隧道的大量修建，穿 越密集建筑物（住宅区）进行小净距浅埋隧道施 工已成为建筑施工企业和工程技术人员亟待 攻克的科技难题。大连市椒金山新建隧道采 用暗挖法施工， 通过优化控制爆破方案， 合理 选择爆破参数对获取理想震动效果，控制地面 沉降，减少围岩扰动及地表建筑物影响起到了 关键作用。该隧道的控制爆破施工是在交通 不中断、相邻隧道净间距小、洞顶覆盖层薄 的困难条件下进行的，本项目控制爆破技术的 成功应用标志着我国超长小净距隧道控制爆 破施工的一个重大突破。
人脸图像归一化就是将以上得到的人脸 图像通过图像预处理的手段使图像成为便于 运算的标准图像。其主要工作步骤如下：
（１）对图像用以上检测人脸时相同的积分 投影方法定位眼睛后根据眼球连线的走向进 行头像倾斜调整。
设原始图像的大小为 Ｍ × Ｎ，各点象素值
为 Ｉ（ｘ，ｙ），则垂直灰度投影［２］函数定义为：
现技术。该系统以人像识别技术为核心，采用简单的单机模式，建立和维护了一个含有人像特征的综合数据库，从而能够在即时采集人脸
图像时， 迅速地查询出最接近于已采集到的的已登记人员的身份信息。
关键词：人脸识别 人脸检测 Ｌａｂｖｉｅｗ Ｍａｔｌａｂ
中图分类号：ＴＰ３９１．４
文献标识码： Ａ
文章编号：１６７２－３７９１（２００７）０６（ｂ）－００１５－０２
整的数字信号处理和图形图像工具箱支持，使 系统的即时性和准确性得到有力的保证。 １．３ 系统结构框图
系统结构框图如图 １ 所示。
２ 系统设计
２．１ 图像的实时采集 采用通用的ｕｓｂ２．０普通摄像头，在该机安
装摄像头驱动程序，使用 ｍａｔｌａｂ 的 Ｉｍａｇｅ Ａｃｑ ｕｉｓｉｔｉｏｎ Ｔｏｏｌｂｏｘ中的函数构成对摄像头进行 设置、驱动、以及图像的预览的模块，将图像 送入 ｌａｂｖｉｅｗ 的图像预处理模块。 ２．２ 图像中的人脸检测
（２）建立一个通用的模型
，确
定模型的状态数，允许的状态转移和高斯混合
概率成分的个数。
（３）将训练数据均匀分割，与Ｎ１个状态对应，
计算模型的初始参数。对于状态转移矩阵
可以使
，当 ｊ＞ｉ 或 ｊ＞ｉ＋１。对于初
始概率分布，
可以使
，
即 Ｈ Ｍ Ｍ 从第一个状态开始［３］概率分布矩阵
可依据下面的公式计算：
图１
（２）爆破后沿岩体的切割面（或称爆裂面）应 具有一定的平整度，并能保持原岩体自身的稳 定性， 从而保证爆破效果及隧道内的安全， 即 光面和稳定控制爆破。 ３．２ 控制爆破基准
根据《爆破ቤተ መጻሕፍቲ ባይዱ全规程》（ Ｇ Ｂ ６ ７ ２ ２ － ８ ６ ） 对
（１ｌ） 其中 为混合成分的比例因子，即用高斯 混合模型来对概率分布矩阵 Ｂ 建模 和 分 别为高斯混合模型的均值和协方差矩阵
１ 系统结构
１．１ 系统的硬件组成 （１）性能良好的普通个人台式机或笔记本
电脑，要求带有 ｕｓｂ２．０ 接口。 （２）成像良好的普通 ｕｓｂ２．０ 电脑摄像头。
１．２ 系统软件开发平台 （１）ｗｉｎｄｏｗｓ ｘｐ 操作系统 （２）ｌａｂｖｉｅｗ ８．０ 程序开发软件 Ｌａｂｖｉｅｗ是美国国家仪器公司提供的一种
，
最大值所对应的模型就是待识别人脸所属的
类别，可以用公式表达为：
（１４）
即：如果第 ｎ 模型 产生序列 的概率最 大且概率满足判断决策，则将图像 ｋ 归入第 ｎ 类认为是该类所表示的人。
识别流程图如图 ２ 所示。
３ 系统实现
本系统采用将ｍａｔｌａｂ程序嵌入ｌａｂｖｉｅｗ实 现，因为 ｌａｂｖｉｅｗ 结构清晰、数据传输快捷、 编程方便、界面美观等特点，系统用 ｌａｂｖｉｅｗ 构建系统的主要框架、界面以及数据库操 作，而 ｍａｔｌａｂ 则发挥它的科学计算强的特点， 在本系统中繁杂的特征提取算法和识别算法 由ｍａｔｌａｂ模块来完成，当然这样的优点还在于 本系统核心是识别算法，这样的实现可以在不 改动其他模块代码的情况下，迅速应用新的识 别算法。
图像。
２．４ 特征提取
首先对合法人员进行图像采集建立以每
人 ５ 幅不同表情像的归一化图像为标准的图
像库， 再对库进行 Ｈ Ｍ Ｍ 训练， 就是要为每个
类别确定一组经过优化的 Ｈ Ｍ Ｍ 参数， 每个模
型可以用单幅或多幅图像进行训练，训练步骤
如下：
（１）对人脸进行Ｇａｂｏｒ小波变换，求出特征
结，并将其作为观测向量，即
工 业 技 术
科技资讯 ２００７ ＮＯ．１７
ＳＣＩＥＮＣＥ ＆ ＴＥＣＨＮＯＬＯＧＹ ＩＮＦＯＲＭＡＴＩＯＮ
基于 Ｌａｂｖｉｅｗ／Ｍａｔｌａｂ 的人脸识别系统设计与实现
马永强 华宇宁 （沈阳理工大学信息学院 沈阳 １１０１６８）
摘 要：基于 Ｌａｂｖｉｅｗ／Ｍａｔｌａｂ、ｕｓｂ 摄像头软硬件等设备，设计出人脸识别系统。文章着重介绍了人脸自动识别系统的设计思想和实