人脸识别算法
The Design and Implementation
of Algorithms for Human Face Recognition
1-i
人脸识别算法
摘要
人脸自动识别是模式识别领域的一项热门研究课题，有着十分广泛的应用前景。本文对人脸位置矫正，人脸的特征提取和识别这些方面进行了研究，并提出了相应的实现算法。
人脸位置矫正作为人脸检测定位的一个环节，在计算机人脸识别中具有重要的意义。本文第二章提出了一种基于单人脸灰度图像中眼睛定位的人脸位置矫正方法，它是针对人眼灰度变化特点、人眼几何形状特征及双眼的轴对称性而设计的。实验结果表明，该方法对于双眼可见单人脸灰度图像能实现快速有效矫正，并能在矫正结果中精确给出双眼瞳孔位置。
本文第三章提出了一种基于神经网络的主元分析人脸图像识别方法。该方法利用非线性主元分析神经网络对人脸图像提取人脸特征（矢量），并在BP神经网络上实现了对人脸图像的识别。实验结果证明了该方法的有效性和稳定性。
关键词
1-ii
人脸位置矫正，人脸特征提取，人脸识别，神经网络，灰度图像，图像块纵向复杂度，主元分析法，
1-iii
The Design and Implementation of Algorithms for Human Face Recognition Student: Yangbo Gu Advisor: Dr. Wenming Cao
Department of Computer Science and Technology
College of Information Engineering
Zhejiang University of Technology
Abstract
The automatic recognition of human faces is a hot spot in the field of pattern recognition , which has a wide range of potential applications . As the results of our in-depth research ,two algorithms are proposed : one for face pose adjustment , the other for facial feature extraction and face identification .
Face pose adjustment , as a loop of human face location, is very important in computer face recognition. Chapter 2 of this thesis presents a new approach to automatic face pose adjustment on gray-scale static images with a single face . In a first stage , the right positions of eyes are precisely detected according to several designed parameters which well characterize the complex changes of the gray parameter in and around eyes and the geometrical shape of eyes . During the second stage , based on the location and the symmetry feature of eyes , the inclination angle is calculated and the face position is redressed . The experimentation shows that the algorithm performs very well both in terms of rate and of efficiency . What’s more , due to the precise location of eyes , the apples of the eyes are detected .
1-iv
In chapter 3, a novel approach to human face image recognition based on principal component analysis and neural networks has been proposed . By using BP neural networks , human face images are successfully classified and recognized according to the output of BPNN whose input is the eigenvector extracted from the human face images via nonlinear principal component analysis of a single layer neural network . Simulation results demonstrate the effectiveness and stability of the approach .
Keywords
Face Pose Adjustment, Facial Feature Extraction , Human Face Recognition , Neural Networks , Gray-scale Static Image , Vertical-complexity of Image Block, Principal Component Analysis
1-v
致谢
首先要感谢我的毕业设计导师曹文明教授，他是我在人脸识别领域研究的启蒙老师。在整个毕业设计的过程中，他给了我各方面的悉心指导，他严谨求实的作风和渊博深厚的学识深深的感染了我。
感谢中科院王守觉院士在毕业设计阶段对我的课题研究工作给予的关注和支持，这给了我极大的鼓舞。
还要感谢沈珠俊同学和6-309寝室的全体成员，他们对待毕业设计的认真态度给了我很大的教育，同时也感谢他们随时随地的无私帮助。
毕业设计任务的如期完成离不开我自己的刻苦钻研和辛勤耕耘，但也离不开老师的指导和同学的帮助。这里，再次对他们表示感谢。
1-vi
目录
中文摘要 (i)
ABSTRACT ............................................................ i i 致谢 ................................................................ i v 目录 ................................................................ v i 第一章绪论 (1)
1.1人脸识别技术研究的背景和意义 (1)
1.2人脸识别技术简介 (2)
1.2.1 人脸识别的研究范围 (2)
1.2.2 主要的人脸识别技术 (2)
1.3人脸识别系统的构成 (4)
1.4论文內容概述 (4)
第二章人脸位置矫正算法 (5)
2.1人脸位置矫正问题的引入 (5)
2.2算法的设计思路 (6)
2.3算法的基本实现步骤 (6)
2.4算法参数设计和算法基本实现步骤的清晰化 (6)
2.4.1 垂直方差投影 (6)
2.4.2 水平积分投影 (7)
2.4.3 图像块纵向复杂度 (7)
2.4.4 眼睛黑斑模型 (7)
2.5基于眼睛定位的人脸位置矫正算法 (8)
2.5.1 灰度人脸区域（人眼搜索区域）的确定 (8)
2.5.2 人眼位置的确定 (10)
2.5.2.1 搜索复杂度最大的图像块 (10)
2.5.2.2 利用人眼黑斑模型精确定位人眼 (11)
1-vii
2.5.3 依据人脸图像的轴对称性矫正人脸位置 (12)
2.6算法实验结果分析 (13)
2.7结论 (14)
第三章人脸特征提取与识别算法 (15)
3.1特征提取需遵循的原则 (15)
3.2主元分析算法 (15)
3.3人工神经网络简介及BP神经网络训练算法的数学描述 (16)
3.3.1 人工神经网络及其特性介绍 (16)
3.3.2 BP神经网络训练算法的数学描述 (17)
3.4基于神经网络的主元分析人脸识别方法 (19)
3.4.1 利用非线性神经网络提取主元特征 (20)
3.4.2 特征数据的归一化和BP神经网络识别 (2)
3.5算法实验结果及分析 (22)
3.6总结 (22)
第四章人脸识别系统结构 (23)
4.1人脸识别系统的目标 (23)
4.2本文的人脸识别系统结构 (23)
第五章总结与展望 (24)
5.1本文完成的工作 (24)
5.2目前系统存在的不足之处 (24)
5.3目前系统改进计划和今后努力方向 (24)
参考文献 (25)
附录A 毕业设计期间发表论文 (26)
附录B 人脸识别系统（软件）使用说明书
1-viii
1-ix
第一章绪论
网络信息化时代的一大特征就是身份的数字化和隐性化,如何准确鉴定一个人的身份，保护信息安全是当今信息化时代必须解决的一个关键社会问题。正在悄然兴起的人脸识别技术正好可以解决这一问题。
人脸识别技术是最近20年在全球范围内迅速发展起来的计算机安全技术，是人体生物特征识别技术的一种。它根据人脸固有的生物特征信息，利用图像处理和模式识别技术对个人身份进行鉴定。
1.1人脸识别技术研究的背景和意义
鉴别人的身份是一个非常困难的问题，传统的身份鉴别方法把这个问题转化为鉴别一些标识个人身份的事物，这包括两个方面：①身份标识物品，比如钥匙、证件、ATM卡等；②身份标识知识，比如用户名和密码。在一些安全性要求严格的系统中，可以将这两者结合起来，比如ATM机要求用户同时提供ATM卡和密码。这些传统的身份鉴别方法存在明显的缺点：个人拥有的物品容易丢失或被伪造，个人的密码容易遗忘或记错。更为严重的是这些系统无法区分真正的拥有者和取得身份标识物的冒充者，一旦他人获得了这些身份标识事物，就可以拥有相同
的权力。
与传统的身份鉴定手段相比，基于人脸生物特征信息的身份鉴定技术具有以下优点：
●用户易接受：简单易用，对用户无特殊要求。
●防伪性能好：不易伪造或被盗。
●“随身携带”：不用担心遗漏或丢失，随时随地可用。
除此之外，人脸识别技术还有主动性好，精确性高，性能/成本比高，自学习功能强等优点。
鉴于人脸识别技术在个人身份鉴定方面的众多优点，这项技术可以在很多领域得到应用：
●国家安全领域。协助公安，海关等国家安全机构加强对可疑人物、罪犯、恐怖分子的
追踪、监控和识别。
●公众安全领域。加强交通管制；确认身份证、护照等证件的真伪；验证各类信用卡的
持卡人身份。
●计算机交互领域。根据计算机使用者人脸特征确定身份，提供个性化服务。
●家庭娱乐领域等等。
人脸识别技术在这些领域的充分利用，对于有效地鉴定个人的身份，防止犯罪和诈骗、提高
R-1
办公效率、节约资源有着重大的社会和经济意义。
1.2 人脸识别技术简介
1.2.1 人脸识别的研究范围
“人脸识别(Face Recognition)”的研究范围广义上讲大致包括以下5个方面的内容]1[ (1) 人脸检测(Face Detection)：即从各种不同的背景条件下检测出人脸的存在并确定其位置.这一任务主要受光照、噪声、面部倾斜度以及各种各样遮挡的影响.
(2) 人脸表征(Face Representation)：即采取某种表示方式表示检测出的人脸和数据的已
知
人脸.通常的表示法包括几何特征(如欧氏距离、曲率、角度)、代数特征(如矩阵特征矢量)、固定特征模板、特征脸、云纹图等.
(3) 人脸鉴别(Face Identification)(通常所说的“人脸识别”)：即将待识别的人脸与数据库中的已知人脸比较,得出相关信息.这一过程的核心是选择适当的人脸的表征方式与匹配策略,系统的构造与人脸的表征方式密切相关.
(4) 表情/姿态分析(Expression/Gesture Analysis):即对待识别人脸的表情或姿态信息进行分析,并对其加以归类.
(5) 生理分类(Physical Classification):即对待识别人脸的生理特征进行分析,得出其年龄、性别等相关信息。
从人的角度来看，他们之间并没有一个十分清晰和绝对的界限，实现其中之一往往也就同时实现了其他方面，他们之间存在着相互依赖的关系。不过，为了便于计算机自动处理，我们还是将整个人脸识别研究的范围理解划分成以上5个部分。
1.2.2 主要的人脸识别技术
通常,人类进行人脸识别依靠的感觉器官包括视觉,听觉,嗅觉,触觉等,一般人脸的识别可以用单个感官完成,也可以是多感官相配合来存储和检索人脸,而计算机的人脸识别所利用的则主要是视觉数据]2[——人脸图像。
人脸识别的输入图象通常有3种情况：正面、倾斜、侧面。但由于实际情况的要求，人们对人脸识别技术的研究以正面模式居多，它的发展大致经历三个阶段：人工识别阶段（识别过程完全依赖于操作人员），人机交互式识别阶段，机器自动识别阶段。
近十余年来，随着高速度高性能计算机的发展，人脸模式识别技术有了较大的突破，提出了多种机器全自动识别系统。根据人脸表征方式的不同，我们通常将人脸正面自动模式识
R-2
别技术分成三类]1[：基于几何特征的识别方法、基于代数特征的识别方法和基于连接机制的识别方法。（1）基于几何特征的人脸识别方法
这类识别法将人脸用一个几何特征矢量表示,用模式识别中层次聚类的思想设计分类器达到识别目的.这就要求选取的几何特征矢量具有一定的独特性,能够反映不同人脸之间的差别,同时又具有一定的弹性,以消除时间跨度、光照等的影响.几何特征矢量是以人脸器官的形状和几何关系为基础的特征矢量,其分量通常包括人脸指定两点间的欧氏距离、曲率、角度等.例如,Poggio和Brunelli用改进的积分投影法提取出用欧氏距离表征的35维人脸特征矢量用于模式分类。这种方法是比较直观的，侧重于人脸面部器官的轮廓和特征点的寻找，还需利用人脸结构的先验知识（人脸器官的几何位置，形状特征等），达到了一定的识别效果。但这种方法往往是以少数特征点代替整个人脸二维图像，忽略了人脸器官和其他部位上的纹理信息。
(2)基于代数特征的人脸正面自动识别方法
这类识别法仍然是将人脸用特征矢量表示,只不过用的是代数特征矢量:即人脸图象在由“特征脸”张成的降维子空间上的投影。Sirovich和Kirby]3[首先将K-L变换用于人脸图象的最优表示.Turk和Pentland]4[进一步提出了“特征脸”方法，该方法以训练样本集的总体散布矩阵为产生矩阵,经K-L变换后得到相应的一组特征矢量,称作“特征脸”。这样,就产生了一个由“特征脸”矢量张成的子空间,每一幅人脸图像向其投影都可以获得一组坐标系数,这组坐标系数表明了人脸在子空间中的位置,实验表明其具有较强的稳定性,可以作为人脸识别的依据。但研究表明,特征脸的方法随着光线、角度及人脸的尺寸等因素的引入,识别率急剧下降。虽然可通过采用同一人的训练样本的平均来计算类间散布矩阵,但也只能在一定程度上纠正这个缺点。由于对KL变换而言,外在因素带来的图象差异和人脸本身带来的差异是不加任何区分的,因此,不管如何选择正交基,也不能根本解决问题。其改善的一个思路是针对干扰所在,对输入图象作规范化处理,其中包括将输入图的均值方差归一化、人脸尺寸归一化等。此外，由于提取人脸特征时要用到一些复杂的代数运算，此方法运算量较大，不太适合实时性要求较高的场合。
(3)基于连接机制（神经网络）的人脸正面自动识别方法
这类识别法将人脸直接用灰度图(二维矩阵)表征,利用了神经网络的学习能力及分类能力。这种方法的优势在于保存了人脸图象中的材质信息及细微的形状信息,同时避免了较为复杂的特征提取工作。而且,由于图象被整体输入,符合心理学中对人类识别能力的解释。但同时也由于图像被整体输入，存在着输入结点过高的问题，由此引发了网络训练时间长，计算量大，不利于人工神经网络收敛等问题。改善的方法之一就是在不影响网络分类识别能力的
R-3
基础上，采取一定的措施对输入图像进行降维处理。
当然，还有一种常见的观点]2[是将人脸识技术分为基于整体人脸特征的识别技术（特征脸方法和神经网络方法）和基于人脸组成部件（眼睛等）特征的识别技术.
1.3 人脸识别系统的构成
人脸识别系统包括]6[两个主要技术环节(如图1-1所示):首先是人脸的检测和定位,即从输入图像中找到人脸及人脸存在的位置,并将人脸从背景中分割出来,然后才是对归一化的人脸图像进行特征提取与识别。这里需要说明的一点就是，人脸位置矫正也属于人脸检测定位的范畴，并对后续的人脸特征提取和识别具有积极影响。
图1-1：人脸识别系统的基本结构
1.4 论文内容概述
本文对人脸识别算法的研究主要集中在以下两个方面：①人脸位置矫正算法；②人脸特征提取和识别算法。以这两个算法的设计与实现为中心，论文的内容作了如下安排：第1章是对人脸识别的研究意义和人脸识别技术、人脸识别系统等背景知识的介绍。第2章借鉴了文献[7]的想法，设计并实现了一种新的基于眼睛定位的人脸位置矫正算法。第3章提出了利用主元分析法和BP神经网络实现的人脸特征提取与识别算法。第4章提出了基于第2，3章算法的人脸识别系统结构。第5章是对本文的总结与展望。
R-4
第二章人脸位置矫正算法
本章针对大部分人脸识别系统建模中存在的不足，将人脸位置矫正问题引入思考，并根据人脸图像特点设计实现了一种新的基于眼睛定位的人脸位置矫正算法。（为方便叙述起见，我们称人脸在竖直平面内的倾斜角度为平面旋转角度，而称人脸在水平面内的倾斜角度为深度旋转角度。本文中出现的人脸位置矫正说法都是针对平面旋转角度而言的。）
2.1 人脸位置矫正问题的引入
作为人类智能的重要体现和个人身份鉴定的重要手段，人脸识别技术具有广泛的应用前景，已成为一项热门研究课题。人脸识别的关键技术之一就是人脸的检测定位。在一个完整的人脸识别系统中，能否对人脸进行正确的检测定位将对整个人脸识别系统的性能优劣产生极其重要的影响，而影响人脸检测定位的一个重要因素就是人脸在图像中的姿势。
实际中，由于受到人的行为习惯，生理特征以及图像采集环境等诸多因素的影响，人脸在采集到的人脸图像中的姿势往往并不是完全正立的，而是在水平和竖直平面内都存在一定的倾斜角度（即深度旋转角度和平面旋转角度）。但是大部分的人脸识别系统都是针对正立的正面人脸图像而设计的]8[，没有考虑到人脸图像可能存在的倾斜问题，致使这些人脸识别系统从人脸倾斜的图像中提取的特征数据在一定程度上失效，并有可能进一步导致人脸识别系统在最终识别结果中产生误判。
针对这一情况，我们可以采取两种措施加以解决。其一，研究新的适用于非完全正立人脸图像的特征检测方法并对人脸特征的提取作相应的调整,这种解决方法在文献[9]已有所尝试；其二，沿用现有的人脸识别系统，但在人脸图像送识别系统进行特征提取和识别之前（即在人脸检测和定位阶段），先进行人脸位置矫正的工作,这种方法在文献[10]中也已有所研究，并取得了较好的效果。
文献[7]也是在人脸检测和定位阶段进行人脸位置矫正的方法之一，该方法存在两个明显的不足之处：①对于最关键的眼睛定位问题，由于仅仅考虑了眼睛所在图像块的纵向灰度变
R-5
化特点，结构居中度操作只能保证眼睛结构相对于图像块在竖直方向上居中，而无法保证水平方向上的眼睛结构居中；②基于图像块灰度统计特征的眼睛匹配算法对于图像块光照条件过于敏感，匹配处理后的眼睛最终定位结果不佳。尽管如此，文献[7]中利用图像块纵向复杂度搜索眼睛大致位置的方法和利用人脸结构对称性进行人脸位置矫正的思想是值得借鉴的。
本文借鉴[7]的想法，提出了一种新的基于眼睛定位的人脸位置矫正方法，它适用于背景较简单的单人脸灰度图像。
2.2 算法的设计思路
在介绍人脸位置矫正算法设计思路之前，先对人脸的主要特点作一分析。人脸是一个典型的形变体，其特点是：人脸模型已知；人脸特征器官的分布具有对称性，例如眼睛等等；复杂的，高度相似的形变体。
基于对人脸特点的深入了解，我们得到了下面的设计思路：
(1) 由于实验背景较简单，人脸在采集到的人脸图像中表现为一块复杂的灰度图像。这就提
示
我们可以利用某种较简单的图像灰度分析曲线将人脸区域从人脸灰度图像中检测出来。
(2) 人脸具有对称性，人脸的特征器官分布也具有这种对称性，这就提示我们可以通过准确
定
位人脸的某种特征器官，利用人脸图像的对称性对人脸图像位置加以矫正。
(3)人脸区域纵向、横向灰度变化复杂，特别是眼睛周围，灰度变化尤为显著。这就提示我们
可以利用人脸区域的灰度变化特点实现对眼睛的定位。
(4)眼睛的平面几何形状基本呈圆形或椭圆形，这就提示我们可以将眼睛及其周围灰度变化特点和眼睛的几何形状结合考虑，实现对眼睛的准确定位。
2.3 算法的基本实现步骤
根据2.2节的设计思路，本节给出了基于眼睛定位的人脸位置矫正算法的基本实现步骤：(1) 灰度人脸区域（人眼搜索区域）的确定。这一步主要完成对人脸左右、上下边界的确定,
为眼睛的粗略定位作准备。
(2) 人眼位置的确定。这一步实现了眼睛位置由粗到细的定位。
(3) 根据双眼的定位结果以及人脸的对称性实现人脸位置矫正。
2.4 算法参数设计和算法基本实现步骤的清晰化
R-6
R-7
灰度变化是表征人脸特征的主要指标。在单人脸灰度图中，相对于简单背景而言，灰度人脸区域表现为一块复杂图形；而在灰度人脸中，相对于脸部其他器官而言，眼睛与周围皮肤的灰度差异最为显著。较脸部其他器官而言，眼睛的平面几何形状也很有特点，基本上呈圆形或椭圆形，且双眼关于人脸对称轴对称。根据上述分析，为具体实现基于眼睛定位的人脸位置矫正算法，本节为横向N 个像素，纵向M 个像素的图像块（其灰度矩阵为MxN G
，第i 行
第j 列像素的灰度值表示为j i B ,）设计了下面这些参数。
2.4.1 垂直方差投影 2V σ
2V σ表征了图像内在的纵向灰度值间变化的显著程度，其表达式为： )(2
j V σ=∑=-M i j i j V B
M 12,)]([1 (1)
其中，V 为图像块的垂直积分投影，可以由公式
∑==M i j i B M
j V 1,1)( (2) 得到。
2.4.2 水平积分投影 H H 表征了图像在垂直方向上的灰度变化情况，其表达式为： ∑==N
j j i B N i H 1
,1)( (3) 2.4.3 图像块纵向复杂度 C ]7[
C 是针对人眼较其他面部器官纵向灰度变化更明显的特点而设计的，其表达式定义为：
∑∑-==+-=111,,1||M i N
j j i j i B B C (4)
2.4.4 眼睛黑斑模型 F
F 是针对人眼的几何形状近似为圆形或椭圆形的特点以及人眼与周围肤色灰度值差异而设计的，它的值体现了图像块内部的图像与眼睛图像的匹配程度，用于人眼的精确定位。其表达式定义如下： F = min (∑∑-==+-1212
1,1,)(M i N j j i j i B B x )2(
i M - + ∑∑=-=+-2112
11,,)(M i N j j i j i B B α x )2(j N -,
R-8
∑∑-=+=+-12112
,1,)(M i N N j j i j i B B x )2(i M - + ∑∑=-+=+-21112,1,)(M i N N j j i j i B B α x )2(N j -,
∑∑-+==+-112
21,,1)(M M i N
j j i j i B B x )2(M i - + ∑∑+=-=+-M M i N j j i j i B B 121211,,)(α x )2(j N -, ∑∑-+=+=+-11212,,1)(M M i N N j j i j i B B x )2(M i - + ∑∑+=-+=+-M M i N N j j i j i B B 12112,1,)(αx )2(N j -
) (5) 其中，α为常数，用于调整横向灰度变化对眼睛黑斑模型的作用大小。
将这些参数应用于算法的基本实现步骤，可以得到较清晰的实现步骤。首先，利用对图像灰度的垂直方差投影曲线以及水平积分投影曲线的处理确定灰度人脸区域（或称为人眼搜索区域）；然后，利用图像块的纵向复杂度和眼睛黑斑模型确定人眼位置；最后，根据所确定的人眼位置及双眼的轴对称性，计算人脸倾斜角度并矫正。
2.5 基于眼睛定位的人脸位置矫正算法的具体实现
2.5.1 灰度人脸区域（人眼搜索区域）的确定
基于2V σ和H 的灰度人脸区域检测算法步骤描述如下：
(1) 对单人脸灰度图像样本集中灰度人脸大致位置进行分析，指定灰度人脸搜索区域（见图2-1）。这一步工作可以提高区域定位速度，减小冗余信息（主要指服装）对区域准确定位造成的干扰。
图2-1：指定的灰度人脸搜索区域 图2-2：垂直方差投影曲线与人脸的关系
R-9
图2-3：垂直方差投影曲线变换后的曲线 图2-4：人脸左右边界定位情况
(2) 对灰度人脸搜索区域的垂直方差投影曲线作平滑处理，分析平滑后曲线，取凸峰的上升沿梯度值最大的点作为灰度人脸区域的左边界，取凸峰下降沿梯度值最小的点作为灰度人脸区域的右边界。文献[11]中快速人脸检测的方法是垂直灰度投影法，该文对彩色图像的红色分量作垂直灰度投影，直接使用最大和最小梯度值作为界定人脸左右边界的条件，但该法在人脸倾斜度较大、面部光照强度变化较大（特别当背景也较亮且横向灰度变化明显）等情况下往往会造成误判。这是由于垂直灰度投影反映的仅仅是图像在水平方向上的灰度变化，它无法解释图像内在的纵向灰度值变化的显著程度。故本文采用垂直方差投影作为界定灰度人脸左右边界的基础，该投影曲线不仅能保留灰度人脸这一复杂图形（相对于较简单背景而言）纵向灰度值变化明显的信息（以凸峰表示），而且能十分有效将灰度人脸与背景加以区分（如图2-2所示)。为改善曲线凸峰形状，以利于按梯度最大最小值定位灰度人脸左右边界，减少误判发生，本文引入函数 )1)}({max )(lg()(02120+?=≤≤j j b a j f V N
j V σσ （6） 对垂直方差投影曲线进行变换，a,b 是为调整曲线形状而引入的参数。变换后的曲线如图2-3所示，由图可知，这种变换可以使凸峰区域内部的梯度变化得以弱化，凸峰区域边缘（即灰度人脸与背景的分界处）的梯度变化得以加强，从而更加有利于依据变换后曲线梯度最大最小值定位灰度人脸的左右边界。人脸左右边界的定位情况如图2-4所示。
(3) 定位左右边界后的狭长区域，自下而上大致又分为三个小区域；面部灰度区，头发灰度区，背景灰度区。对该狭长区域作水平灰度投影，根据该曲线所反映的垂直灰度变化情况确定面部灰度区与头发灰度区的边界，并将其作为灰度人脸区域的上边界。确定上边界的算法描述如下：
/* 狭长区域大小为M x N，比例系数β的初始值要预先设置，α为比例系数增大的步长，H(i)为第i行像素的水平灰度投影值，Hmax为水平灰度投影最大值 */ Do
Begin
Hmax :=0;
For I := 1 to M /* 自下而上读取当前行的水平灰度投影值 */
Begin
If H(i)> Hmax
Then Hmax=H(i)
If H(i)< β·Hmax
Then 将 i 作为灰度人脸的上边界，算法结束.
End
β:= β+α;
End
While(true)
(4)以左右边界及上边界所在的正方形区域作为灰度人脸搜索的最终结果。事实上，人眼一般位于该正方形区域的上半部分，出于对眼睛检测速度，运算量的考虑，还可以将下边界适当往上抬（见图2-5）。
图2-5：灰度人脸区域的最终定位情况
2.5.2 人眼位置的确定
人眼位置的确定又可以分为搜索复杂度最大的图像块和利用人眼黑斑模型准确定位人眼两部分。
R-10
2.5.2.1 搜索复杂度最大的图像块
首先，将3.1得到的人眼搜索区域平均分割成竖长小图像块。小图像块的宽为人眼搜索区域宽度的1/10，略宽于单人脸灰度图中黑色眼珠的宽度；小图像块的高为人眼搜索区域宽度的1/5。然后，根据2.3图像块纵向复杂度的定义，计算并记录所有小图像块的纵向复杂度。再将所有小图像块分别向右平移1/2单位宽度，向上平移1/2单位高度，计算并记录平移后各小图
图2-6：纵向复杂度最大的10个小块图2-7：按纵向复杂度二次微调后的余下的小块
像块的纵向复杂度。对上述实验步骤中得到的纵向复杂度值从大到小排列，找出纵向复杂度最
的10个小块。
实验发现，如图2-6所示，这些小图像块一般集中在眼睛，眉毛，刘海，鬓角这些灰度变化显著的区域，且这10个小图像块相互邻接重叠的块数较多。对于同一高度上邻接重叠的那些小块，仅保留纵向复杂度最大的小图像块，删除其余小块。对余下的小图像块在上、下、左、右小范围内微调，以使每个小图像块的纵向复杂度在其周围小范围内达到最大，再按保留灰度值大的小块的原则，删除有部分重叠的小块。此时，如图2-7所示，余下的小图像数量已很少，但必定会有两块都同时包含眼睛和眉毛。
2.5.2.2 利用人眼黑斑模型准确定位人眼
眼睛黑斑模型F是针对人眼的几何形状特征和灰度变化特点而设计的，该模型为图像块中纵向横向灰度变化赋予了方向权值，加强了图像块边缘的灰度变化对该参数模型的影响，从而使得那些只有准确包含人眼黑色眼珠且黑色眼珠位置居中的图像块才具有很大的计算值，用于实现人眼的准确定位。
R-11
机器学习概述课程设计报告题目：MATLAB人脸识别系统 姓名：** 学号：** 专业：** 时间：2015/8/7
目录 一、课程设计的目的............................................................................... 二、设计的内容与要求........................................................................... 三、详细设计........................................................................................... 四、课程设计的总结............................................................................... 五、参考文献...........................................................................................
一.课程设计的目的 人脸识别作为一项新兴的科学研究项目，有着广泛的应用前景，而且随着计算机技术的更新发展，它的科学研究价值也越发凸显。经过几十年的研发探讨，世界各大研究结构的研发人员的不断努力下，人脸识别技术一已取得丰硕的成果，可在一定限制条件下完成人脸的自动识别。这些成果的取得更促进了人们对人脸识别这一课题的深入研究。 在电子商务飞速发展的今天，人脸识别系统的范畴一不足以涵括人脸识别的应用范围，在数字图像处理、视频领域、基于内容的检索等方面有着重要的应用价值。。 二．设计的内容及要求 1、选择KNN,聚类或SVM方法中的一种或其他机器学习方法的一种进行课程设计 2、要求能完成具体的识别任务：如图像分割、语音识别、人脸识别 3、要求识别的对象中有自己生活元素，比如图像中包括学校的图片或语音时本人的语音等。三．详细设计 YCbCr空间——>灰度图像转换——>噪声消除——>图像填孔——>图像重构——>人脸区域确定——>边缘检测 （原图-涉及个人隐私，未呈现原图）
摘要 人脸识别技术(FRT)是当今模式识别和人工智能领域的一个重要研究方向。虽然人脸识别的研究已有很长的历史，各种人脸识别的技术也很多，但由于人脸属于复杂模式而且容易受表情、肤色和衣着的影响，目前还没有一种人脸识别技术是公认快速有效的．本文主要讨论了人脸识别技术的一些常用方法，对现有的人脸检测与定位、人脸特征提取、人脸识别的方法进行分析和讨论，最后对人脸识别未来的发展和应用做了展望。 关键字：人脸识别，特征定位，特征提取
ABSTRACT Nowadays the face recognition technology (FRT) is a hot issue in the field of pattern recognition and artificial intelligence．Although this research already has a long history and many different recognition methods are proposed，there is still no effective method with low cost an d high precision．Human face is a complex pattern an d is easily affected by the expression，complexion and clothes．In this paper，some general research are discussed，including methods of face detection and location，features abstraction，and face recognition．Then we analyze and forecast the face recognition’s application and its prospects． Keywords: Face Recognition Technology, Face location，Features abstraction
人脸识别算法 The Design and Implementation of Algorithms for Human Face Recognition 1-i
人脸识别算法 摘要 人脸自动识别是模式识别领域的一项热门研究课题，有着十分广泛的应用前景。本文对人脸位置矫正，人脸的特征提取和识别这些方面进行了研究，并提出了相应的实现算法。 人脸位置矫正作为人脸检测定位的一个环节，在计算机人脸识别中具有重要的意义。本文第二章提出了一种基于单人脸灰度图像中眼睛定位的人脸位置矫正方法，它是针对人眼灰度变化特点、人眼几何形状特征及双眼的轴对称性而设计的。实验结果表明，该方法对于双眼可见单人脸灰度图像能实现快速有效矫正，并能在矫正结果中精确给出双眼瞳孔位置。 本文第三章提出了一种基于神经网络的主元分析人脸图像识别方法。该方法利用非线性主元分析神经网络对人脸图像提取人脸特征（矢量），并在BP神经网络上实现了对人脸图像的识别。实验结果证明了该方法的有效性和稳定性。 关键词 1-ii
人脸位置矫正，人脸特征提取，人脸识别，神经网络，灰度图像，图像块纵向复杂度，主元分析法， 1-iii
The Design and Implementation of Algorithms for Human Face Recognition Student: Yangbo Gu Advisor: Dr. Wenming Cao Department of Computer Science and Technology College of Information Engineering Zhejiang University of Technology Abstract The automatic recognition of human faces is a hot spot in the field of pattern recognition , which has a wide range of potential applications . As the results of our in-depth research ,two algorithms are proposed : one for face pose adjustment , the other for facial feature extraction and face identification . Face pose adjustment , as a loop of human face location, is very important in computer face recognition. Chapter 2 of this thesis presents a new approach to automatic face pose adjustment on gray-scale static images with a single face . In a first stage , the right positions of eyes are precisely detected according to several designed parameters which well characterize the complex changes of the gray parameter in and around eyes and the geometrical shape of eyes . During the second stage , based on the location and the symmetry feature of eyes , the inclination angle is calculated and the face position is redressed . The experimentation shows that the algorithm performs very well both in terms of rate and of efficiency . What’s more , due to the precise location of eyes , the apples of the eyes are detected . 1-iv
北方工业大学 本科毕业设计（论文）开题报告书 题目：基于直方图差值比较方法的人脸识别系统指导教师： 专业班级： 学号： 姓名： 日期：2013年3月20日
一、选题的目的、意义 近些年来，有关人脸的处理已受到广大研究人员越来越多的重视，如人脸识别、人脸定位、面部表情识别、人脸跟踪等。人脸处理系统在安全系统的身份认证、智能人机接口、图像监控、视频检索等领域有着广泛的应用前景。 此外在进行人工智能的研究中，人们一直想做的事情就是让机器具有像人类一样的思考能力，以及识别事物、处理事物的能力，因此从解剖学、心理学、行为感知学等各个角度来探求人类的思维机制、以及感知事物、处理事物的机制，并努力将这些机制用于实践，如各种智能机器人的研制。 同时，进行人脸图像识别研究也具有很大的使用价依。如同人的指纹一样，人脸也具有唯一性，也可用来鉴别一个人的身份。人脸图像的自动识别系统较之指纹识别系统、DNA鉴定等更具方便性，因为它取样方便，可以不接触目标就进行识别，从而开发研究的实际意义更大。并且与指纹图像不同的是，人脸图像受很多因素的干扰:人脸表情的多样性;以及外在的成像过程中的光照，图像尺寸，旋转，姿势变化等。使得同一个人，在不同的环境下拍摄所得到的人脸图像不同，有时更会有很大的差别，给识别带来很大难度。因此在各种干扰条件下实现人脸图像的识别，也就更具有挑战性。 人脸图像识别除了具有重大的理论价值以及极富挑战性外，还其有许多潜在的应用前景，利用人脸图像来进行身份验证，可以不与目标相接触就取得样本图像，而其它的身份验证手段，如指纹、眼睛虹膜等必须通过与目标接触或相当接近来取得样木，在某些场合，这些识别手段就会有不便之处。
人脸识别系统设计与仿真基于matlab的（含matlab源程序） 目录 第一章绪论 (1) 1.1 研究背景 (4) 1.2 人脸图像识别的应用前景 (5) 1.3 本文研究的问题 (6) 1.4 识别系统构成 (7) 1.5 论文的内容及组织 (9) 第二章图像处理的Matlab实现 (10) 2.1 Matlab简介 (10) 2.2 数字图像处理及过程 (10) 2.2.1图像处理的基本操作 (10) 2.2.2图像类型的转换 (11) 2.2.3图像增强 (11) 2.2.4边缘检测 (12) 2.3图像处理功能的Matlab实现实例 (13) 2.4 本章小结 (17) 第三章人脸图像识别计算机系统 (18) 3.1 引言 (18) 3.2系统基本机构 (19) 3.3 人脸检测定位算法 (20)
3.4 人脸图像的预处理 (27) 3.4.1 仿真系统中实现的人脸图像预处理方法 (28) 第四章基于直方图的人脸识别实现 (31) 4.1识别理论 (31) 4.2 人脸识别的matlab实现 (31) 4.3 本章小结 (32) 第五章总结 (33) 致谢 (34) 参考文献 (35) 附录 (37) 毕业设计（论文）原创性声明和使用授权说明
原创性声明 本人郑重承诺：所呈交的毕业设计（论文），是我个人在指导教师的指导下进行的研究工作及取得的成果。尽我所知，除文中特别加以标注和致谢的地方外，不包含其他人或组织已经发表或公布过的研究成果，也不包含我为获得及其它教育机构的学位或学历而使用过的材料。对本研究提供过帮助和做出过贡献的个人或集体，均已在文中作了明确的说明并表示了谢意。 作者签名：日期： 指导教师签名：日期： 使用授权说明 本人完全了解大学关于收集、保存、使用毕业设计（论文）的规定，即：按照学校要求提交毕业设计（论文）的印刷本和电子版本；学校有权保存毕业设计（论文）的印刷本和电子版，并提供目录检索与阅览服务；学校可以采用影印、缩印、数字化或其它复制手段保存论文；在不以赢利为目的前提下，学校可以公布论文的部分或全部内容。 作者签名：日期：
人脸识别系统毕业论文 第一节课题背景 一课题的来源 随着安全入口控制和金融贸易方面应用需要的快速增长，生物统计识别技术得到了新的重视。目前，微电子和视觉系统方面取得的新进展，使该领域中高性能自动识别技术的实现代价降低到了可以接受的程度。而人脸识别是所有的生物识别方法中应用最广泛的技术之一，人脸识别技术是一项近年来兴起的，但不大为人所知的新技术。人们更多的是在电影中看到这种技术的神奇应用：警察将偷拍到的嫌疑犯的脸部照片，输入到电脑中，与警方数据库中的资料进行比对，并找出该嫌犯的详细资料和犯罪记录。这并非虚构的情节。在国外，人脸识别技术早已被大量使用在国家重要部门以及军警等安防部门。在国，对于人脸识别技术的研究始于上世纪90年代，目前主要应用在公安、金融、网络安全、物业管理以及考勤等领域。 二人脸识别技术的研究意义 1、富有挑战性的课题 2、面部关键特征定位及人脸2D形状检测技术 3、面部感知系统的重要容 基于视觉通道信息的面部感知系统，包括人脸检测和跟踪、面部特征定位、面部识别、人脸归类（年龄、种族、性别等的判别）、表情识别、唇读等分系统，如图1-1所式，可以看出，继人脸检测和跟追之后，面部特征定位通常是面部感知的一个必备环节, 是后续工作的基础，具有重要的意义。尽管人脸识别不能说是其他面部感知模块的必备功能，但是，可以肯定的是，利用已知的身份信息，结合特定人的先验知识，可以提高表情分析、唇读和语音识别、手势识别乃至手写体识别的可靠性。而计算机对使用者身份确认的最直接的应用就是基于特定使用者的环境设置：如使用者的个性化工作环境，信息的共享和隐私保护等等。
图1-1面部感知系统结构图 第二章系统的需求分析与方案选择 人脸识别系统现在应用于许多领域中，但是人脸识别技术也是一项近年来兴起的， 且不大为人所知的新技术。在我国以及其他国家都有大量的学者正在研究之中，不断的 更新人脸识别技术，以便系统的识别准确率达到新的高度。 第一节可行性分析 在开发该人脸识别软件之前，我们查询了前人所写过的诸多论文以及源程序，在开 发之时，结合了资料中的算法并揉进了自己的一些思想，使程序可以对人脸图片进行简 易识别。 一技术可行性 图像的处理方法很多，我们可以根据需要，有选择地使用各种方法。 在确定脸部区域上，通常使用的方法有肤色提取。肤色提取，则对脸部区域的获取 则比较准确，成功率达到95%以上，并且速度快，减少很多工作。 图像的亮度变化，由于图像的亮度在不同环境的当中，必然受到不同光线的影响， 图像就变得太暗或太亮，我们就要对它的亮度进行调整，主要采取的措施是对图像进行 光线补偿。 高斯平滑：在图像的采集过程中，由于各种因素的影响，图像中往往会出现一些不规 则的随机噪声，如数据在传输、存储时发生的数据丢失和损坏等，这些都会影响图像的质 量，因此需要将图片进行平滑操作以此来消除噪声。 灰度变换：进行灰度处理，我们要保证图像信息尽可能少的丢失。同样在进行灰度 变视频输入 ㈡
嵌入式课程设计报告 学院信息电子技术 专业通信工程 班级 学号 姓名 指导教师 2017年07月01日
基于ARM9的人脸识别系统 一、引言 人脸识别背景和意义 人脸识别系统的研究始于20世纪60年代，80年代后随着计算机技术和光学成像技术的发展得到提高，而真正进入初级的应用阶段则在90年后期，并且以美国、德国和日本的技术实现为主；人脸识别系统成功的关键在于是否拥有尖端的核心算法，并使识别结果具有实用化的识别率和识别速度；“人脸识别系统”集成了人工智能、机器识别、机器学习、模型理论、专家系统、视频图像处理等多种专业技术，同时需结合中间值处理的理论与实现，是生物特征识别的最新应用，其核心技术的实现，展现了弱人工智能向强人工智能的转化语音识别、体形识别等，而指纹识别、虹膜识别等都不具有自然性，因为人类或者其他生物并不通过此类生物特征区别个体。 人脸识别具有这方面的特点，它完全利用可见光获取人脸图像信息，而不同于指纹识别或者虹膜识别，需要利用电子压力传感器采集指纹，或者利用红外线采集虹膜图像，这些特殊的采集方式很容易被人察觉，从而更有可能被伪装欺骗。 二、系统设计 1、硬件电路设计 （1）ARM9处理器 本系统所采用的硬件平台是天嵌公司的TQ2440开发板，该开发板的微处理器采用基于ARM920T内核的S3C2440芯片。 ARM9对比ARM7的优势：虽然ARM7和ARM9内核架构相同，但ARM7处理器采用3级流水线的冯·诺伊曼结构，而ARM9采用5级流水线的哈佛结构。增加的流水线设计提高了时钟频率和并行处理能力。5级流水线能够将每一个指令处理分配到5个时钟周期内，在每一个时钟周期内同时有5个指令在执行。在常用的芯片生产工艺下，ARM7一般运行在100MHz左右，而ARM9则至少在200MHz 以上。指令周期的改进对于处理器性能的提高有很大的帮助。性能提高的幅度依赖于代码执行时指令的重叠，这实际上是程序本身的问题。对于采用最高级的语言，一般来说，性能的提高在30%左右。ARM7一般没有MMU(内存管理单元），（ARM720T有MMU）。 （2）液晶显示屏 为显示摄像头当前采集图像的预览，系统采用三星的320x240像素的液晶屏，大小为206.68cm。该液晶显示屏的每个像素深度为2bit，采用RGB565色彩空间。 （3）摄像头 摄像头采用市场上常见的网眼2000摄像头,内部是含CMOS传感器的OV511+芯片。CMOS传感器采用感光元件作为影像捕获的基本手段,核心是1个感光二极
鉴别人的身份是一个非常困难的问题，传统的身份鉴别方法把这个问题转化为鉴别一些标识个人身份的事物，这包括两个方面：①身份标识物品，比如钥匙、证件、ATM 卡等； ②身份标识知识，比如用户名和密码。在一些安全性要求严格的系统中，可以将这两者结合起来，比如ATM 机要求用户同时提供ATM 卡和密码。这些传统的身份鉴别方法存在明显的缺点：个人拥有的物品容易丢失或被伪造，个人的密码容易遗忘或记错。更为严重的是这些系统无法区分真正的拥有者和取得身份标识物的冒充者，一旦他人获得了这些身份标识事物，就可以拥有相同针对这一情况，我们可以采取两种措施加以解决。其一，研究新的适用于非完全正立人脸图像的特征检测方法并对人脸特征的提取作相应的调整,这种解决方法在文献[9]已有所尝试；其二，沿用现有的人脸识别系统，但在人脸图像送识别系统进行特征提取和识别之前（即在人脸检测和定位阶段），先进行人脸位置矫正的工作,这种方法在文献[10]中也已有所研究，并取得了较好的效果。与传统的身份鉴定手段相比，基于人脸生物特征信息的身份鉴定技术具有以下优点：● 用户易接受：简单易用，对用户无特殊要求。● 防伪性能好：不易伪造或被盗。● ―随身携带‖：不用担心遗漏或丢失，随时随地可用。除此之外，人脸识别技术还有主动性好，精确性高，性能/成本比高，自学习功能强等优点。河北工程大学毕业论文鉴于人脸识别技术在个人身份鉴定方面的众多优点，这项技术可以在很多领域得到应用：● 国家安全领域。协助公安，海关等国家安全机构加强对可疑人物、罪犯、恐怖分子的追踪、监控和识别。● 公众安全领域。加强交通管制；确认身份证、护照等证件的真伪；验证各类信用卡的持卡人身份。●计算机交互领域。根据计算机使用者人脸特征确定身份，提供个性化服务。Face Pose Adjustment, Facial Feature Extraction , Human Face Recognition , 人脸识别技术在这些领域的充分利用，对于有效地鉴定个人的身份，防止犯罪和诈骗、提高办公效率、节约资源有着重大的社会和经济意义。本章针对大部分人脸识别系统建模中存在的不足，将人脸位置矫正问题引入思考，并根据人脸图像特点设计实现了一种新的基于眼睛定位的人脸位置矫正算法。（为方便叙述起见，我们称人脸在竖直平面内的倾斜角度为平面旋转角度，而称人脸在水平面内的倾斜角度为深度旋转角度。本文中出现的人脸位置矫正说法都是针对平面旋转角度而言的。）Neural Networks , Gray-scale Static Image , Vertical-complexity of Image 作为人类智能的重要体现和个人身份鉴定的重要手段，人脸识别技术具有广泛的应用前景，已成为一项热门研究课题。人脸识别的关键技术之一就是人脸的检测定位。在一个完整的人脸识别系统中，能否对人脸进行正确的检测定位将对整个人脸识别系统的性能优劣产生极其重要的影响，而影响人脸检测定位的一个重要因素就是人脸在图像中的姿势。实际中，由于受到人的行为习惯，生理特征以及图像采集环境等诸多因素的影响，人脸在采集到的人脸图像中的姿势往往并不是完全正立的，而是在水平和竖直平面内都存在一定的倾斜角度（即深度旋转角度和平面旋转角度）。但是大部分的人脸识别系统都是针对正立的正面人脸图像而设计的，没有考虑到人脸图像可能存在的倾斜问题，致使这些人脸识别系统从人脸倾斜的图像中提取的特征数据在一定程度上失效，并有可能进一步导致人脸识别系统在最终识别结果中产生误判。1.2 国内外人脸识别系统的研究现状现在人脸识别技术已经应用在许多领域中，并起到了举足轻重的作用，人脸识别研究开始于1966 年PRI 的Bledsoe 的工作，经过三十多年的发展，人脸识别技术取得了长足的进步，现在就目前国内外的发展情况来进行展述。河北工程大学毕业论文1.2.1 国外的发展概况见诸文献的机器自动人脸识别研究开始于1966年PRI的Bledsoe的工作，1990 年日本研制的人像识别机，可在1秒钟内中从3500人中识别到你要找的人。1993 年，美国国防部高级研究项目署(Advanced Research Projects Agency)和美国陆军研究实验室(Army Research Laboratory)成立了Feret(Face Recognition Technology) 项目组，建立了feret 人脸数据库，用于评价人脸识别算法的性能。美国陆军实验室也是利用vc++开发，通过软件实现的，并
前言 在人类社会的发展进入到21世纪的今天，安全问题已经成为困扰人们日常生活的重要问题之一。社会的发展促进了人的流动性，进而也增加了社会的不稳定性，使得安全方面的需求成为21世纪引起广泛关注的问题。不论是享受各项服务如网上冲浪、还是居家、办公等都涉及到安全，以往这些行为基本上是通过符号密码来进行安全保护，但是随着服务数量的不断增加，密码越来越多以致无法全部记住，而且密码有时也会被他人所窃取，各种密码被破解的概率越来越高，因为通常由于记忆的原因，人们经常会选用自己或亲人的生日、家庭地址、电话号码等作为密码并长期使用，这些很容易被一些不法分子获取。可见在现代社会中，身份识别已经成为人们日常生活中经常遇到的一个基本问题。人们乎时时刻刻都需要鉴别别人的身份和证明自己的身份，以获得对特定资源的使用权或者制权，同时防止这些权限被他人随意的取得。传统的身份识别方法主要基于身份标识物(如证件、卡片)和身份标识知识(如用户名、密码)来识别身份，这在很长一段时期是非常可靠和方便的识别方法，得到了广泛的应用。但是，随着网络、通信、交通等技的飞速发展，人们活动的现实空间和虚拟空间不断扩大，需要身份认证的场合也变得无不在。人们需要携带的身份标识物品越来越多，身份标识知识也变得越来越复杂和冗长在这种情况下，传统身份识别方式的弊端日益彰显。身份标识物品容易被丢失和伪造，份标识知识容易被遗忘、窃取和破解，而身份标识的重要性又使得一旦失去了身份标识会给标识的所有者甚至整个社会带来重大的甚至难以弥补的损失。在美国，每年约有上百万的福利款被人以假冒的身份领取;每年发生的信用卡、ATM、移动电话和冒领支票等成的损失达数百亿美元[2]。面临着这样的状况，人们对身份识别的安全性、可靠性、准确和实用性提出了更高的要求，必须寻求身份识别的新途径。 于是，近年来人类生物特征越来越广泛地用于身份识别，而且生物特征可以更好的进行安全控制，世界各国政府都在大力推进生物识别技术的发展及应用。与原有的人类身分识别技术(如:个人密码、磁卡、智能卡等)相比，基于人类生物特征的识别技术具有安全可靠、特征唯一、不易伪造、不可窃取等优点。人类本身具有很多相对独特的特征，如DNA、指纹、虹膜、语音、人脸等。基于这些相对独特的人类特征，结合计算机技术，发展起众多的基于人类生物特征的人类身份识别技术，如DNA识别技术、指纹识别技术、虹膜识别技术、语音识别技术、人脸识别技术。 人脸识别和其他的生物识别比起来有以下几个优点:1、其他的生物特征识别方法都需要一些人为的行为配合，而人脸识别不需要。2、人脸识别可应用在远距离监控中。3、针一对现在的第一、二代身份证，每个身份证都有人脸的正面照片，也就是人脸库将是最完善的，包括人最多的，我们可以利用这个库来更直观、更方便的核查该人的身份。 4、相对于其他基于生物特征识别技术，人脸识别技术具有特征录入方一便，信息丰富，使用面广等优点，同时人脸识别系统更加直接友好。人脸识别技术作为生物识别技术的
毕业设计 [论文] 题目：基于MATLAB的人脸识别系统设计 学院：电气与信息工程学院 专业：自动化 姓名：张迎
指导老师：曹延生 完成时间：2013.05.28
摘要 人脸识别是模式识别和图像处理等学科的一个研究热点，它广泛应用在身份验证、刑侦破案、视频监视、机器人智能化和医学等领域，具有广阔的应用价值和商用价值。人脸特征作为一种生物特征，与其他生物特征相比，具有有好、直接、方便等特点，因此使用人脸特征进行身份识别更易于被用户所接受。 人脸识别技术在过去的几十年得到了很大的发展，但由于人脸的非刚性、表情多变等因素，使得人脸识别技术在实际应用中面临着巨大的困难。本文针对近年来国内外相关学术论文及研究报告进行学习和分析的基础上，利用图像处理的matlab实现人脸识别方法，这种实现简单且识别准确率高，但其缺点是计算量大，当要识别较多人员时，该方法难以胜任。 利用MATLAB实现了一个集多种预处理方法于一体的通用的人脸图像预处理仿真系统，将该系统作为图像预处理模块可嵌入在人脸识别系统中，并利用灰度图像的直方图比对来实现人脸图像的识别判定。 关键词：图像处理, Matlab, 人脸识别, 模式识别
ABSTRACT Human face recognition focuses on pattern recognition ,image processi ng andother subjects.It is widely used in authentication,investigation,video surveillance,intelligent robots,medicine and other areas.Facerecognition ha s wide application and business value.Facial feature asabiological character istic,compared with others is direct,friendly andconvenient.Facial featuree mployed in authentication are user-friendly. The technology of face recognition in the past few years obtained the v ery big development, but due to the face of nonrigid, expression and chang eablefactors, the face recognition technology in practical application are fa cing great difficulties. This paper aimed at home and abroad in recent year s the relevant papers and researchreports on study and on the basis of the a nalysis, some units within the data sensitivity places need to enter personne l to carry out limitation design and develop a set of identity verification ide ntification system, the system uses PCA face recognition method, therealiza tion is simple and the accuracy rate of recognition is high,but itsdrawback i s that a large amount of calculation, when to identify more staff,this metho d is difficult to do. The realization of a set of various pretreatment methods in one of the generic face image preprocessing simulation system based on MATLAB, the system is used as the image preprocessing module can be embedded in a face recognition system, and using the histogram matching gray image to realize the recognition of human face images to determine.
基于PCA的人脸识别算法实现毕业论文 目录 前言 (1) 第一章人脸识别系统概述 (2) 第一节人脸识别的研究概况 (2) 第二节人脸识别的发展趋势 (3) 一、多数据融合与方法综合 (4) 二、动态跟踪人脸识别系统 (4) 三、基于小波神经网络的人脸识别 (4) 四、三维人脸识别 (4) 五、适应各种复杂背景的人脸分割技术 (4) 六、全自动人脸识别技术 (4) 第三节人脸识别技术的主要难点 (4) 一、复杂条件下人脸的检测和关键点定位 (5) 二、光照问题 (5) 三、资态问题 (5) 四、表情问题 (5) 五、遮挡问题 (5) 第四节人脸识别流程 (5) 一、人脸图像采集 (6) 二、预处理 (6) 三、特征提取 (6) 第五节本章小结 (7) 第二章人脸图像的获取 (9) 第一节人脸图像获取 (9) 第二节人脸分割 (9) 第三节人脸数据库 (10) 第四节本章小结 (11) 第三章人脸图像的预处理 (12)
第一节人脸图像格式 (12) 一、JPEG格式 (12) 二、JPEG2000格式 (12) 三、BMP格式 (13) 四、GIF格式 (13) 五、PNG格式 (13) 第二节人脸图像常用预处理方法 (14) 一、灰度变化 (14) 二、二值化 (15) 三、直方图均衡 (15) 四、图像滤波 (15) 五、图像锐化 (17) 六、图像归一化 (18) 第三节本章小结 (19) 第四章人脸识别 (20) 第一节主成分分析基本理论 (20) 一、什么是主成分分析？ (20) 二、例子 (20) 三、基变换 (21) 四、方差 (23) 五、PCA求解：特征根分解 (27) 六、PCA的假设 (28) 七、总结： (28) 八、在计算机视觉领域的应用 (30) 第二节基于PCA人脸识别算法的实现 (31) 一、创建数据库 (32) 二、计算特征脸 (32) 三、人脸识别 (34) 第三节本章小结 (36) 结论 (37) 致谢 (38) 参考文献 (39) 附录 (40) 一、英文原文 (40) 二、英文翻译 (53)
主流的人脸识别技术基本上可以归结为三类，即：基于几何特征的方法、基于模板的方法和基于模型的方法。 1. 基于几何特征的方法 人脸由眼睛、鼻子、嘴巴、下巴等部件构成，正因为这些部件的形状、大小和结构上的各种差异才使得世界上每个人脸千差万别，因此对这些部件的形状和结构关系的几何描述，可以做为人脸识别的重要特征。几何特征最早是用于人脸侧面轮廓的描述与识别，首先根据侧面轮廓曲线确定若干显著点，并由这些显著点导出一组用于识别的特征度量如距离、角度等。Jia 等由正面灰度图中线附近的积分投影模拟侧面轮廓图是一种很有新意的方法。 采用几何特征进行正面人脸识别一般是通过提取人眼、口、鼻等重要特征点的位置和眼睛等重要器官的几何形状作为分类特征,但Roder对几何特征提取的精确性进行了实验性的研究，结果不容乐观。 可变形模板法可以视为几何特征方法的一种改进，其基本思想是:设计一个参数可调的器官模型(即可变形模板),定义一个能量函数，通过调整模型参数使能量函数最小化，此时的模型参数即做为该器官的几何特征。 2. 局部特征分析方法（Local Face Analysis） 主元子空间的表示是紧凑的，特征维数大大降低，但它是非局部化的，其核函数的支集扩展在整个坐标空间中，同时它是非拓扑的，某个轴投影后临近的点与原图像空间中点的临
近性没有任何关系，而局部性和拓扑性对模式分析和分割是理想的特性，似乎这更符合神经信息处理的机制，因此寻找具有这种特性的表达十分重要。基于这种考虑，Atick提出基于局部特征的人脸特征提取与识别方法。这种方法在实际应用取得了很好的效果，它构成了FaceIt人脸识别软件的基础。 3. 特征脸方法（Eigenface或PCA） 特征脸方法是90年代初期由Turk和Pentland提出的目前最流行的算法之一，具有简单有效的特点, 也称为基于主成分分析(principal component analysis,简称PCA)的人脸识别方法。 特征子脸技术的基本思想是：从统计的观点，寻找人脸图像分布的基本元素，即人脸图像样本集协方差矩阵的特征向量，以此近似地表征人脸图像。这些特征向量称为特征脸(Eigenface)。 实际上，特征脸反映了隐含在人脸样本集合内部的信息和人脸的结构关系。将眼睛、面颊、下颌的样本集协方差矩阵的特征向量称为特征眼、特征颌和特征唇，统称特征子脸。特征子脸在相应的图像空间中生成子空间，称为子脸空间。计算出测试图像窗口在子脸空间的投影距离，若窗口图像满足阈值比较条件，则判断其为人脸。 基于特征分析的方法，也就是将人脸基准点的相对比率和其它描述人脸脸部特征的形状参数或类别参数等一起构成识别特征向量，这种基于整体脸的识别不仅保留了人脸部件之间的拓扑关系，而且也保留了各部件本身的信息，而基于部件的识别则是通过提取出局部轮廓信息及灰度信息来设计具体识别算法。
太原科技大学 毕业设计（论文） 设计(论文)题目：基于PCA算法的人脸识别
毕业设计（论文）原创性声明和使用授权说明 原创性声明 本人郑重承诺：所呈交的毕业设计（论文），是我个人在指导教师的指导下进行的研究工作及取得的成果。尽我所知，除文中特别加以标注和致谢的地方外，不包含其他人或组织已经发表或公布过的研究成果，也不包含我为获得及其它教育机构的学位或学历而使用过的材料。对本研究提供过帮助和做出过贡献的个人或集体，均已在文中作了明确的说明并表示了谢意。 作者签名：日期： 指导教师签名：日期： 使用授权说明 本人完全了解大学关于收集、保存、使用毕业设计（论文）的规定，即：按照学校要求提交毕业设计（论文）的印刷本和电子版本；学校有权保存毕业设计（论文）的印刷本和电子版，并提供目录检索与阅览服务；学校可以采用影印、缩印、数字化或其它复制手段保存论文；在不以赢利为目的前提下，学校可以公布论文的部分或全部内容。 作者签名：日期： Ⅰ
学位论文原创性声明 本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加以标注引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律后果由本人承担。 作者签名：日期：年月日 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。 涉密论文按学校规定处理。 作者签名：日期：年月日 导师签名：日期：年月日 Ⅰ
摘要 摘要 随着社会的发展，各个方面对快速有效的自动身份验证的要求日益迫切。由于生物特征是人的内在属性，具有很强的自身稳定性和个体差异性，因此是身份验证的理想依据。这其中，利用人脸特征又是最自然直接的手段，相比其他生物特征，它具有直接、友好、方便的特点，易于为用户接受。 人脸识别是一个涉及面广且又很有挑战性的研究课题，近年来关于人脸识别的研究取得了较大的进展。 关键词：人脸识别，AT89C51单片机，液晶显示器
Abstract As the development of the society, there are increasing demands in automatic identity check. Since some biological characteristics are intrinsic and stable to people and are strongly different from one to the others, they can be used as features for identity check. Among all the characteristics of human, the characteristics of face are the most direct tools which are friendly and convenient and can easily be accepted by the customers. Face recognition is an extensive and challenging research problem. Recently, significant progresses have been made in the technology of the face recognition. Key word:AT89C51 MCU，human face recognition，LCD
基于matlab的人脸识别系统设计与仿真
毕业设计（论文）原创性声明和使用授权说明 原创性声明 本人郑重承诺：所呈交的毕业设计（论文），是我个人在指导教师的指导下进行的研究工作及取得的成果。尽我所知，除文中特别加以标注和致谢的地方外，不包含其他人或组织已经发表或公布过的研究成果，也不包含我为获得及其它教育机构的学位或学历而使用过的材料。对本研究提供过帮助和做出过贡献的个人或集体，均已在文中作了明确的说明并表示了谢意。 作者签名：日期： 指导教师签名：日期： 使用授权说明 本人完全了解大学关于收集、保存、使用毕业设计（论文）的规定，即：按照学校要求提交毕业设计（论文）的印刷本和电子版本；学校有权保存毕业设计（论文）的印刷本和电子版，并提供目录检索与阅览服务；学校可以采用影印、缩印、数字化或其它复制手段保存论文；在不以赢利为目的前提下，学校可以公布论文的部分或全部内容。 作者签名：日期：
学位论文原创性声明 本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加以标注引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律后果由本人承担。 作者签名：日期：年月日 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。 涉密论文按学校规定处理。 作者签名：日期：年月日 导师签名：日期：年月日
人脸识别算法 摘要 人脸自动识别是模式识别领域的一项热门研究课题，有着十分广泛的应用前景。本文对人脸位置矫正，人脸的特征提取和识别这些方面进行了研究，并提出了相应的实现算法。 人脸位置矫正作为人脸检测定位的一个环节，在计算机人脸识别中具有重要的意义。本文第二章提出了一种基于单人脸灰度图像中眼睛定位的人脸位置矫正方法，它是针对人眼灰度变化特点、人眼几何形状特征及双眼的轴对称性而设计的。实验结果表明，该方法对于双眼可见单人脸灰度图像能实现快速有效矫正，并能在矫正结果中精确给出双眼瞳孔位置。 本文第三章提出了一种基于神经网络的主元分析人脸图像识别方法。该方法利用非线性主元分析神经网络对人脸图像提取人脸特征（矢量），并在BP神经网络上实现了对人脸图像的识别。实验结果证明了该方法的有效性和稳定性。 关键词 人脸位置矫正，人脸特征提取，人脸识别，神经网络，灰度图像，图像块纵向复杂度，主元分析法， 1-i
The Design and Implementation of Algorithms for Human Face Recognition Abstract The automatic recognition of human faces is a hot spot in the field of pattern recognition , which has a wide range of potential applications . As the results of our in-depth research ,two algorithms are proposed : one for face pose adjustment , the other for facial feature extraction and face identification . Face pose adjustment , as a loop of human face location, is very important in computer face recognition. Chapter 2 of this thesis presents a new approach to automatic face pose adjustment on gray-scale static images with a single face . In a first stage , the right positions of eyes are precisely detected according to several designed parameters which well characterize the complex changes of the gray parameter in and around eyes and the geometrical shape of eyes . During the second stage , based on the location and the symmetry feature of eyes , the inclination angle is calculated and the face position is redressed . The experimentation shows that the algorithm performs very well both in terms of rate and of efficiency . What’s more , due to the precise location of eyes , the apples of the eyes are detected . In chapter 3, a novel approach to human face image recognition based on principal component analysis and neural networks has been proposed . By using BP neural networks , human face images are successfully classified and recognized according to the output of BPNN whose input is the eigenvector extracted from the human face images via nonlinear principal 1-ii