摘? 要：人臉識(shí)別是身份驗(yàn)證中最為關(guān)鍵的一步，因此基于MATLAB軟件對(duì)人臉識(shí)別的各個(gè)流程及具體實(shí)現(xiàn)方法進(jìn)行了研究。通過(guò)對(duì)所獲取的圖像進(jìn)行灰度、均衡化以及中值濾波去噪預(yù)處理，去除圖像中存在的干擾和噪聲，得到更為清晰的圖像之后基于膚色對(duì)待識(shí)別對(duì)象的臉部進(jìn)行定位，同時(shí)利用灰度積分提取其眼睛部位，將測(cè)試圖像導(dǎo)入GUI界面，與系統(tǒng)中提前錄入的圖像進(jìn)行直方圖對(duì)比，在匹配成功后顯示最終的匹配識(shí)別結(jié)果。程序仿真結(jié)果表明，所研究的方法可以很好地完成各部分功能，提高系統(tǒng)識(shí)別的準(zhǔn)確程度，達(dá)到有效識(shí)別人臉的目的。

關(guān)鍵詞：人臉識(shí)別；MATLAB；圖像處理

中圖分類(lèi)號(hào)：TP391.4? ? 文獻(xiàn)標(biāo)識(shí)碼：A? 文章編號(hào)：2096-4706（2023）05-0068-06

Research on Face Recognition Based on MATLAB

ZHANG Lifang

（Shandong Huayu University of Technology， Dezhou? 253034， China）

Abstract： Face recognition is the most critical step in identity verification， so the various processes and specific implementation methods of face recognition are studied based on MATLAB software. The obtained image is pretreated by grayscale， equalization and median filtering to remove the interference and noise in the image. After obtaining a clearer image， the face of the object to be recognized is located based on the skin color. At the same time， the eye part is extracted by grayscale integration. The test image is imported into the GUI interface and compared with the histogram of the image entered in advance in the system， the final matching recognition result is displayed after the matching is successful. The simulation results show that the proposed method can complete all functions well， improve the accuracy of system recognition， and achieve the purpose of effective face recognition.

Keywords： face recognition; MATLAB; image processing

0? 引? 言

人臉識(shí)別作為模式識(shí)別和圖像處理等學(xué)科的一個(gè)熱門(mén)課題，被廣泛應(yīng)用于身份驗(yàn)證、犯罪偵查、智能機(jī)器以及醫(yī)療等領(lǐng)域，具備很高的社會(huì)價(jià)值和商業(yè)意義。隨著社會(huì)經(jīng)濟(jì)的迅速發(fā)展，信息技術(shù)水平越來(lái)越高，各種高新產(chǎn)品層出不窮，尤其是在身份驗(yàn)證方面表現(xiàn)得更為突出。目前有大部分場(chǎng)所采取身份驗(yàn)證的方式替代人工核查身份，尤其是在企業(yè)中應(yīng)用得更多。由于企業(yè)在不斷地?cái)U(kuò)大自身的發(fā)展規(guī)模，企業(yè)中的員工數(shù)量也越來(lái)越多，信息化的到來(lái)又使得企業(yè)開(kāi)始引入各式各樣的科技系統(tǒng)來(lái)滿(mǎn)足自身的發(fā)展需要，以此簡(jiǎn)化管理模式，提高工作效率。而人臉識(shí)別就是身份驗(yàn)證系統(tǒng)中最為關(guān)鍵的一步，目前主流的生物特征識(shí)別已經(jīng)廣泛地應(yīng)用于考勤系統(tǒng)中，正在逐步擴(kuò)展至身份驗(yàn)證的場(chǎng)合。

1? 人臉識(shí)別基本理論

人臉識(shí)別技術(shù)是指利用電子計(jì)算機(jī)技術(shù)來(lái)識(shí)別人臉。該技術(shù)屬于生物特征識(shí)別技術(shù)的一種，具有工作效率高、性能穩(wěn)定、獲取信息方便且不需要人工接觸等特點(diǎn)，主要是基于人的面部特征進(jìn)行人臉識(shí)別，其技術(shù)流程包括五個(gè)部分[1]，如圖1所示。

首先，進(jìn)行人臉圖像的采集及檢測(cè)。圖像采集是指通過(guò)設(shè)備捕捉用戶(hù)的面部圖像，得到用戶(hù)的面部信息，并將其記錄到數(shù)據(jù)集中；圖像檢測(cè)是指對(duì)前期采集到的圖像進(jìn)行人臉位置的標(biāo)定，在圖像中將其標(biāo)注出來(lái)，并利用這些信息完成后續(xù)過(guò)程。

其次，進(jìn)行人臉圖像預(yù)處理。圖像預(yù)處理是人臉識(shí)別的關(guān)鍵步驟，鑒于人臉圖像提取流程的復(fù)雜性，對(duì)其進(jìn)行了相應(yīng)的預(yù)處理，比如光線(xiàn)會(huì)影響圖像的品質(zhì)，提取設(shè)備的質(zhì)量也會(huì)影響圖像成型的效果，隨著識(shí)別對(duì)象年齡的增加其面孔顏色及姿勢(shì)也會(huì)出現(xiàn)變化等，這些情況都會(huì)對(duì)人臉識(shí)別產(chǎn)生一定的負(fù)面影響，因此采用預(yù)處理技術(shù)對(duì)人臉圖片做出相應(yīng)的調(diào)整。

再次，進(jìn)行人臉圖像特征提取[2]。特征提取是針對(duì)人臉的某個(gè)特定部位而進(jìn)行的，通過(guò)對(duì)人臉特征器官的定位與標(biāo)記即可判斷出人臉圖片中具有特征點(diǎn)的部位?；趯?duì)人臉特征點(diǎn)定位與標(biāo)定的結(jié)果，對(duì)人臉進(jìn)行建模，提取特征器官信號(hào)，并縮小比對(duì)區(qū)域，獲取匹配識(shí)別的關(guān)鍵特征。

最后，進(jìn)行人臉圖像匹配與識(shí)別。從給定的圖像中提取器官特征，將該特征與提前錄入到圖像中的器官特征進(jìn)行比對(duì)，設(shè)置好相應(yīng)閾值，根據(jù)比對(duì)的數(shù)值進(jìn)行判斷[3]，如果達(dá)到或超過(guò)預(yù)設(shè)的相似值，表示匹配成功，反之則表示匹配失敗。

2? 人臉識(shí)別的方法研究

2.1? 人臉圖像預(yù)處理過(guò)程

人臉圖像可以使用攝像機(jī)的鏡頭來(lái)獲取，但所獲取的人臉圖像可能存在模糊、不清晰等問(wèn)題，因此，這里選用灰度轉(zhuǎn)換、直方圖均衡、中值濾波三種方法，依次對(duì)圖像進(jìn)行預(yù)處理。

2.1.1? 灰度變換預(yù)處理

根據(jù)圖像的顏色，可將圖像分為灰度圖像和彩色圖像，圖像的每個(gè)像素都有顏色和位置兩種屬性。在彩色圖像中，每個(gè)像素由紅、綠、藍(lán)三個(gè)字節(jié)組成，每個(gè)字節(jié)有八位，可以表示0至255的所有亮度值[4]。由于彩色圖像不僅有位置信息，還有顏色信息，巨大的信息量不僅會(huì)對(duì)人臉檢測(cè)造成很大的干擾，還會(huì)降低工作效率，因此對(duì)圖像進(jìn)行灰度預(yù)處理能夠減少位置信息之外的干擾因素。常見(jiàn)的灰度變換方法有函數(shù)法、分量法、最大值法、平均值法和加權(quán)平均法五種。

本文選取加權(quán)平均法對(duì)人臉圖像進(jìn)行灰度化處理，利用式（1）獲得較為合理的灰度圖像。

（1）

變換過(guò)程如圖2所示。

2.1.2? 直方圖均衡化預(yù)處理

在對(duì)人臉圖片進(jìn)行灰度預(yù)處理之后，灰度分布會(huì)聚集在一個(gè)面積極小的區(qū)域里，因此對(duì)比度較弱，圖片的細(xì)節(jié)也不夠清晰，此時(shí)就可通過(guò)直方圖均衡化的方式進(jìn)行第二次預(yù)處理，使灰度分布趨于一致，圖像的灰度間隔增大，進(jìn)而增強(qiáng)了圖片的對(duì)比度，提高了視覺(jué)效果，從而實(shí)現(xiàn)了圖像質(zhì)量增強(qiáng)的目的[5]。具體步驟如下：

首先統(tǒng)計(jì)原始圖像的直方圖，利用式（2）進(jìn)行計(jì)算：

（2）

利用式（3）計(jì)算直方圖累積分布曲線(xiàn)：

（3）

采用累積分布函數(shù)作為變換函數(shù)進(jìn)行圖像灰度變換。根據(jù)計(jì)算得出的原圖像直方圖數(shù)值，對(duì)比歸一化灰度級(jí)得出新的累積分布曲線(xiàn)，得出原圖像和均衡后圖像之間灰度級(jí)的對(duì)應(yīng)關(guān)系[6]。也就是說(shuō)，累積分布曲線(xiàn)被重新定位。

2.1.3? 中值濾波預(yù)處理

經(jīng)過(guò)前兩次的預(yù)處理，人臉圖像由于環(huán)境條件、傳輸?shù)纫蛩乜赡軙?huì)存在一定的失真，因此需要通過(guò)濾波、平滑等方法來(lái)抑制圖像噪聲，獲得一幅較為清晰的人臉圖像。本文采用中值濾波的方法進(jìn)行第三次預(yù)處理。中值濾波的基本原理是將數(shù)字圖像或數(shù)字序列中的像素點(diǎn)按照從小到大的順序排列，將中間位置的值作為濾波后的結(jié)果[7]，從而使周?chē)膱D像數(shù)值逼近于真實(shí)值，以便減少孤立的噪聲點(diǎn)。采用中值濾波不會(huì)造成圖像內(nèi)容的失真，可以保留更多的細(xì)節(jié)特征。

2.2? 人臉定位

本文選用基于膚色的人臉定位技術(shù)，該技術(shù)的研究需要選擇膚色空間，建立膚色模型。目前的硬件設(shè)備均在RGB顏色空間中捕獲圖像，但RGB顏色空間不適合膚色的差異，因此有必要將RGB顏色空間轉(zhuǎn)換為YCbCr顏色空間。YCbCr顏色空間主要用于區(qū)分對(duì)比度和飽和度，適用于膚色對(duì)比度差值遠(yuǎn)小于飽和度差值的圖像，有利于膚色區(qū)域的明暗分離[8]。RGB顏色空間可以根據(jù)它們之間的關(guān)系直接轉(zhuǎn)換為YCbCr顏色空間。

在實(shí)現(xiàn)圖像顏色空間轉(zhuǎn)換后，建立高斯膚色模型。由于高斯膚色模型具有統(tǒng)計(jì)顯著性，可以認(rèn)為符合正態(tài)分布的隨機(jī)樣本也符合高斯模型。高斯函數(shù)的公式為：

（4）

其中，Cb和Cr分別表示藍(lán)色和紅色的濃度偏移量成份，x=[Cb，Cr]T表示樣本像素在YCbCr空間的值；m=E（x）=[E（Cb）， E（Cr）]T表示YCbCr空間的樣本均值；C=E[（x-m）（x-m）T]表示膚色相似度的2×2協(xié)方差矩陣。

將YCbCr空間中樣本每個(gè)點(diǎn)的值引入高斯函數(shù)，使第i個(gè)點(diǎn)的相似度值為：

（5）

因?yàn)镾（i）的取值范圍為[0， 255]，根據(jù)膚色相似度所對(duì)應(yīng)的值就可以確認(rèn)膚色。通過(guò)高斯膚色模型，判斷每個(gè)像素的膚色相似度，并生成一個(gè)黑白區(qū)域，其中膚色點(diǎn)為白色，非膚色點(diǎn)為黑色。然后對(duì)黑白圖像進(jìn)行形態(tài)學(xué)處理，以連接面部區(qū)域。

2.3? 特征提取

本文選擇了人眼這個(gè)部位來(lái)進(jìn)行提取。由于兩只眼睛相隔一定的距離，不受光照和面部表情等因素的干擾，特征更為突出，比較容易提取，利用眼睛進(jìn)行定位可以提高判斷的準(zhǔn)確率。根據(jù)人眼的特性，本設(shè)計(jì)選擇基于膚色分割的算法來(lái)實(shí)現(xiàn)人眼的定位。

2.3.1? 膚色提取

由于膚色是臉部的主要特征，與面部的細(xì)節(jié)變化無(wú)關(guān)，擁有較高的穩(wěn)定性。同時(shí)膚色能與大多數(shù)的干擾物分離，具有較強(qiáng)的魯棒性，但膚色在色度上過(guò)于集中，相鄰區(qū)域的區(qū)別不夠明顯，所以需要將圖像從RGB彩色空間映射到Y(jié)CbCr彩色空間進(jìn)行處理。根據(jù)特性建立膚色模型，將圖像的類(lèi)膚色區(qū)域標(biāo)記為255，其他區(qū)域標(biāo)記為0，轉(zhuǎn)化為二值圖像。

2.3.2? 形態(tài)學(xué)濾波

生成的二值圖像具有大量的白色像素塊及部分噪聲，形態(tài)學(xué)處理能夠消除噪聲，切分單獨(dú)的圖像元素以及連通相近的元素，然后進(jìn)行人臉?lè)指睢V波之后的圖像去除手部、腿部以及其他非人臉區(qū)域?；谙闰?yàn)知識(shí)，使用連通域標(biāo)記和分析法，首先標(biāo)記二值圖像中的白色像素塊，依次計(jì)算每個(gè)白色像素塊的幾何屬性。通過(guò)計(jì)算外接矩形的長(zhǎng)寬比和面積，判斷該區(qū)域是否存在人臉。

2.3.3? 人眼定位

圖像中每一個(gè)像素點(diǎn)的灰度代表該點(diǎn)的顏色深度，灰度越大，意味著該像素點(diǎn)的顏色越深。人眼最主要的特征就是其灰度會(huì)比周?chē)鷧^(qū)域低，由此就能大致確定眼睛的水平位置，將垂直灰度積分曲線(xiàn)中獲得的人眼值與黑洞區(qū)域的水平值進(jìn)行對(duì)比，包含該值的黑洞區(qū)域即為人眼區(qū)域，以連通域的質(zhì)心作為眼睛中心進(jìn)行標(biāo)注，得到眼睛的準(zhǔn)確位置。

2.4? 匹配識(shí)別

該部分采用灰度直方圖的對(duì)比來(lái)實(shí)現(xiàn)，將所獲取圖像與數(shù)據(jù)庫(kù)圖像的直方圖進(jìn)行對(duì)比，如果二者一致，匹配成功，反之則失敗。利用灰度直方圖增強(qiáng)圖像對(duì)比度是基于圖像灰度進(jìn)行統(tǒng)計(jì)的一種重要方法。它基于概率論，常用的實(shí)現(xiàn)算法有直方圖均衡化和直方圖規(guī)格化。

直方圖均衡化主要用來(lái)提高動(dòng)態(tài)范圍較小圖像的對(duì)比度。其基本思路是將原始圖像的直方圖轉(zhuǎn)變?yōu)榫鶆蚍植嫉男螤睿⒁源藬U(kuò)大圖像灰階值的動(dòng)態(tài)范圍，進(jìn)而提高圖像的整體對(duì)比度[9]。直方圖均衡化的好處是能夠自動(dòng)提高整體圖像的對(duì)比度，但由于其特定的增強(qiáng)效應(yīng)而不易控制，處理結(jié)果總是得到全局均衡的直方圖。在處理實(shí)際問(wèn)題時(shí)，需要根據(jù)實(shí)際情況對(duì)直方圖進(jìn)行相應(yīng)的改變，把它變成我們需要的形狀，便于在特定灰度范圍內(nèi)選擇增強(qiáng)特定部分的對(duì)比度，從而使圖像的灰度值分布滿(mǎn)足實(shí)際需求。

3? 人臉識(shí)別的實(shí)現(xiàn)

將人臉圖像引入MATLAB中進(jìn)行匹配識(shí)別，從而獲得匹配人臉的效果，對(duì)此過(guò)程進(jìn)行研究。通過(guò)MATLAB的運(yùn)行結(jié)果分析此方法與傳統(tǒng)方法在識(shí)別上的差異性，最終得出實(shí)驗(yàn)結(jié)論。

3.1? 實(shí)現(xiàn)方案

為進(jìn)一步展現(xiàn)匹配的最終效果，按照如圖3所示的步驟進(jìn)行仿真。

選取圖像作為實(shí)驗(yàn)測(cè)試的原始圖像，開(kāi)發(fā)環(huán)境為MATLAB軟件。本次實(shí)驗(yàn)主要討論的議題是本文所選用的研究方法能否最終實(shí)現(xiàn)人臉匹配的效果，同時(shí)根據(jù)仿真結(jié)果分析本研究存在的不足，以此得出實(shí)驗(yàn)結(jié)論。

3.2? 對(duì)圖像進(jìn)行預(yù)處理實(shí)驗(yàn)

3.2.1? 算法實(shí)現(xiàn)

對(duì)原始圖像進(jìn)行灰度和均衡化處理形成灰度圖。將下面所寫(xiě)的程序代碼放入MATLAB中運(yùn)行，顯示預(yù)處理后的仿真效果。

clc

clear %清理工作空間

I=imread（'C：＼Users＼Admin＼Desktop＼img41.png'）; %讀取圖像

figure，imshow（I）; %顯示原圖像

I1=rgb2gray（I）; %將原圖進(jìn)行灰度處理，得到灰度圖像

BW=im2bw（I1）; %轉(zhuǎn)換為二值圖像

figure，imshow（BW） %顯示二值圖像

[n1 n2]=size（BW）;

r=floor（n1/10）; %取最近的較小整數(shù)

c=floor（n2/10）;

x1=1;

x2=r;

s=r*c;

for i=1：10

y1=1;

y2=c;

for j=1：10

if（（y2<=c|y2>=9*c）|（x1==1|x2==r*10）） %判斷目的是將圖像最外圍全部歸零

loc=find（BW（x1：x2，y1：y2）==0）; %查找矩陣中滿(mǎn)足條件的位置

[o p]=size（loc）;

pr=o*100/s;

if pr<=100

BW（x1：x2，y1：y2）=0;

r1=x1;r2=x2;s1=y1;s2=y2;

pr1=0;

end

imshow（BW）;

end

y1=y1+c;

y2=y2+c;

end

x1=x1+r;

x2=x2+r;

end

figure，imshow（BW） %顯示均衡化后的圖像

3.2.2? 實(shí)驗(yàn)結(jié)果

上述工作完成后，將會(huì)得到以下仿真結(jié)果。其中，如圖4所示為預(yù)處理前的效果，如圖5所示為灰度處理后的效果，如圖6所示為均衡化后的效果。

3.3? 對(duì)圖像進(jìn)行人臉定位實(shí)驗(yàn)

3.3.1? 算法實(shí)現(xiàn)

對(duì)預(yù)處理形成的灰度圖進(jìn)行人臉定位。在MATLAB中編寫(xiě)并運(yùn)行如下定位人臉區(qū)域的程序，以獲得人臉定位后的仿真效果圖。

L=bwlabel（BW，8）; %找到連通區(qū)域，定義為8連通

BB=regionprops（L，'BoundingBox'）; %區(qū)域特征

BB1=struct2cell（BB）;

BB2=cell2mat（BB1）;

[s1 s2]=size（BB2）;

mx=0; %最大連通區(qū)域，初值為0

for k=3：4：s2-1

p=BB2（1，k）*BB2（1，k+1）; %求取連通區(qū)域的面積

if （p>mx & （BB2（1，k）/BB2（1，k+1））<1.8） %選取長(zhǎng)寬比大于1.8的最大連通區(qū)域

mx=p;

j=k;

end

end

figure，imshow（I1）; %顯示灰度圖

hold on; %始終保持顯示

rectangle（'Position'，[BB2（1，j-2），BB2（1，j-1），BB2（1，j），BB2（1，j+1）]，'EdgeColor'，'r'）

%使用該函數(shù)繪制一個(gè)矩形將人臉位置框出

3.3.2? 實(shí)驗(yàn)結(jié)果

上述工作完成后，得到如圖7所示的人臉定位仿真結(jié)果圖。

3.4? 對(duì)圖像進(jìn)行人眼提取實(shí)驗(yàn)

3.4.1? 算法實(shí)現(xiàn)

在人臉定位所得到的區(qū)域中進(jìn)行人眼部位的提取，并在圖像中標(biāo)注出人眼的位置。在MATLAB中編寫(xiě)并運(yùn)行如下定位人眼區(qū)域的程序，以獲得人眼定位后的仿真效果圖。

detector=vision.CascadeObjectDetector（'LeftEyeCART'）;

input_image=imread（'img3.jpg'）;

figure（）;imshow（input_image）;title（'原圖'）;

gauss_image=imgaussfilt（input_image，1）;

eyes=step（detector，gauss_image）;

size_eyes=size（eyes）;

hold on;

for i=1：size_eyes（1）;2

eyes_final=eyes（i，1：2）;

image=imcrop（gauss_image，eyes（i，：））;

rectangle（'Position'，eyes（i，：），'edgeColor'，'b'）;

image=rgb2gray（image）;

image=im2double（image）;

[grad_x，grad_y]=gradient（image）;%計(jì)算梯度

g=grad_x.*grad_x + grad_y.*grad_y;

g=sqrt（g）;%眼睛區(qū)域的梯度圖

std_g=std（g（：））;%計(jì)算標(biāo)準(zhǔn)差

mean_g=mean（g（：））;%計(jì)算平均值

g_1=g;

g_1（g_1 < mean_g + 0.5*std_g）=0;

g_2=g;

g_2（g_2 > mean_g - 0.5*std_g）=0;

g=g_1 + g_2;

temp_g=g;

w=1-image;

temp_g（temp_g～=0）=1;

grad_x=grad_x.*temp_g;

grad_y=grad_y.*temp_g;

size_img=size（image）;

Dx=repmat（1：size_img（2），size_img（1），1）;

Dy=repmat（transpose（1：size_img（1）），1，size_img（2））;%轉(zhuǎn)置

C_max=0;

X=0;

Y=0;

for x=1：size_img（2）

for y=1：size_img（1）

D_x=Dx-x;

D_y=Dy-y;

D_t=D_x.*D_x+D_y.*D_y;

E=sqrt（D_t）;

D_x=D_x./E;

D_y=D_y./E;

C_x=D_x.*grad_x;

C_y=D_y.*grad_y;

C=w（y，x）*（C_x+C_y）;

C（C<0）=0;

ind=find（isnan（C））;

C（ind）=0;

total_C=sum（sum（C））;

If （total_C>C_max）

C_max=total_C;

X=x;

Y=y;

end

end

end

plot（X+eyes_final（1），Y+eyes_final（2），'r+'，'MarkerSize'，10）;

p（i，1）=X+eyes_final（1）;

p（i，2）=Y+eyes_final（2）;

end

3.4.2? 實(shí)驗(yàn)結(jié)果

上述工作完成后，將會(huì)得到如圖8所示的人眼定位仿真結(jié)果圖。

3.5? 對(duì)圖像進(jìn)行匹配識(shí)別實(shí)驗(yàn)

繪制如圖9所示的GUI界面，通過(guò)Training按鍵對(duì)仿真系統(tǒng)進(jìn)行訓(xùn)練，通過(guò)Input Image按鍵輸入給定的圖像，通過(guò)Testing按鍵與數(shù)據(jù)集中的圖像進(jìn)行比對(duì)，顯示匹配結(jié)果。上述工作完成后，將會(huì)得到如圖10所示的仿真結(jié)果圖。

匹配成功后，會(huì)按照匹配的人臉圖像在MATLAB中顯示該圖像所對(duì)應(yīng)的身份信息，完成人臉識(shí)別的工作。仿真實(shí)驗(yàn)中，通過(guò)在程序中編寫(xiě)“Correctly Recognized”字樣語(yǔ)句來(lái)顯示識(shí)別結(jié)果。

4? 結(jié)? 論

根據(jù)企業(yè)在身份識(shí)別方面的社會(huì)需求，總結(jié)了人臉識(shí)別在身份驗(yàn)證領(lǐng)域的主要應(yīng)用，并對(duì)具體方法進(jìn)行了研究，為仿真實(shí)驗(yàn)做好準(zhǔn)備。由于在獲取人臉圖像時(shí)存在一定的干擾因素，故介紹三種預(yù)處理方法，可以更好地解決亮度、姿勢(shì)等方面的問(wèn)題，為后續(xù)的人臉定位做好準(zhǔn)備，提高定位的準(zhǔn)確度。深入研究了人臉定位算法，并根據(jù)實(shí)際情況選取了基于膚色的顯式特征方法；詳細(xì)論述了該方法的使用過(guò)程，并結(jié)合實(shí)例說(shuō)明該方法的適用性和有效性。從特征點(diǎn)定位角度出發(fā)，深入研究了人眼定位算法，總結(jié)人眼定位過(guò)程，實(shí)現(xiàn)特征提取的功能。在各個(gè)功能模塊中均采用實(shí)際示例進(jìn)行模擬測(cè)試，測(cè)試結(jié)果表明，該算法具有良好的實(shí)用性，可在一定范圍內(nèi)推廣使用。

參考文獻(xiàn)：

[1] 楊三永.基于機(jī)器人手眼協(xié)調(diào)的運(yùn)動(dòng)物體抓取方法研究 [D].廣州：廣東工業(yè)大學(xué)，2020.

[2] 陳順成.基于移動(dòng)互聯(lián)網(wǎng)的高速小行程激光雕刻機(jī)研究與開(kāi)發(fā) [D].廣州：廣東工業(yè)大學(xué)，2020.

[3] HU X Y，CHEN Q，YE X H，et al. Research on the Region-Growing and Segmentation Technology of Micro-Particle Microscopic Images Based on Color Features [J/OL].Symmetry，2021，13（12）：[2022-09-12].https：//www.mdpi.com/2073-8994/13/12/2325.

[4] 周品.基于機(jī)器學(xué)習(xí)的人臉識(shí)別算法研究與考勤系統(tǒng)設(shè)計(jì) [D].佛山：佛山科學(xué)技術(shù)學(xué)院，2020.

[5] 汪嘉明，趙發(fā)友.利用Matlab實(shí)現(xiàn)人臉檢測(cè)與人臉馬賽克 [J].安慶師范大學(xué)學(xué)報(bào)：自然科學(xué)版，2019，25（2）：62-65.

[6] 任杰，熊黎麗，李國(guó)勇.基于人臉識(shí)別技術(shù)的智慧課堂平臺(tái)設(shè)計(jì)及應(yīng)用 [J].自動(dòng)化與儀器儀表，2021（5）：121-122+127.

[7] 汪嘉明，趙發(fā)友.利用Matlab實(shí)現(xiàn)人臉檢測(cè)與人臉馬賽克 [J].安慶師范大學(xué)學(xué)報(bào)：自然科學(xué)版，2019，25（2）：62-65.

[8] 韓笑，張晶，李月龍.基于手勢(shì)幾何分布特征的手勢(shì)識(shí)別 [J].計(jì)算機(jī)科學(xué)，2019，46（S1）：246-249+262.

[9] 牛曉程.智能變電站視頻監(jiān)控中運(yùn)動(dòng)物體的識(shí)別 [D].沈陽(yáng)：沈陽(yáng)農(nóng)業(yè)大學(xué)，2018.

作者簡(jiǎn)介：張麗芳（1988—），女，漢族，山西朔州人，講師，碩士研究生，研究方向：圖像處理。

收稿日期：2022-10-02

基金項(xiàng)目：2021年山東華宇工學(xué)院科技計(jì)劃項(xiàng)目（2021KJ12）；2021年度教學(xué)改革研究項(xiàng)目（2021JG01）