佳木斯大学毕业论文
基于Matlab的人脸识别系统设计与仿真
学院信息电子技术
专业电子信息工程
班级11级1班
姓名杨雷
指导教师周经国
佳木斯大学
2015年6月10日
摘要
人脸识别即指利用分析比对人脸视觉特征信息从而达到身份鉴别效果的计算机技术。人脸识别是一项当下十分热门的计算机技术的研究领域，该项技术可以人脸明暗侦测，并且自动调整动态曝光补偿，同时对人脸追踪侦测，并自动调整影像放大；这项技术属于生物特征识别技术的一种，是利用生物体（一般指人）本身的生物特征从而达到区分生物体个体的目的。
人脸识别技术目前主要用做身份识别。由于视频监控的飞速普及，使这项应用迫切的需要一种能实现在用户非配合状态下、远距离的进行快速身份识别的技术，以求能在远距离之下快速识别人员身份，从而实现智能预警的功能。最佳的选择无疑是人脸识别技术。采用快速人脸检测识别技术可以从视频监控图象中实时捕获到人脸信息，并与人脸数据库中的已存信息进行实时比对，从而达到快速身份识别的效果。
报告利用MATLAB软件来实现人脸信息检测与识别，利用YCbCr空间以及灰度图像来实现人脸的边缘分割, 将真彩图像转换为灰度图像，并根据肤色在YCbCr色度空间上的分布范围，来设定门限阀值，从而实现人脸区域与非人脸区域的分割，通过图像处理等一系列的操作来剔除干扰因素，再通过长宽比和目标面积等方法在图像中定位出人脸区域，经试验，该方法能够排除面部表情、衣着背景、发型等干扰因素，从而定位出人脸区域。关键词：Matlab软件；灰度图像；边缘分割；人脸区域
Abstract
Face recognition especially use comparative analysis face visual feature information for identification of computer technology. Face recognition is a hot research field computer technology, face detection, light and shade can be automatically adjusted dynamically exposure compensation, human face tracking detection, automatic adjustment of image magnification; It belongs to the biometric identification technology, it is of organisms (generally refers to a person) individual biological characteristics to distinguish between the organism itself.
Face recognition is mainly used for identification. Because of the video monitoring is fast popularization, many of the video monitoring application is an urgent need to a long distance, the user not cooperate condition of rapid identification technology, in order . Face recognition technology is undoubtedly the best choice, the fast face detection technology to monitor in real-time video image search from face, and with real-time than face database, so as to realize rapid identification.
Report using MATLAB software to realize face information detection and recognition, using YCbCr space and gray image to realize the face edge segmentation, the true color image is converted to a grayscale image, and according to the color of skin in YCbCr chroma space distribution, to set the threshold threshold, so as to realize the segmentation of face region with the face region,
through a series of operations such as image processing to eliminate interference factors, and through such means as aspect ratio and
the target area locate the face region in the image, the experiment,
this method can eliminate facial expressions, clothes, hair background interference factors, so as to locate the face region. Keywords：Matlab；Gray image；edge segmentation；face region
目录
摘要 (1)
ABSTRACT (2)
3第1章绪论 (4)
1.1课题的研究背景、目的及意义 (4)
1.1.1 课题的研究背景 (4)
1.1.2 研究目的及意义 (5)
1.2本课题的主要内容 (6)
第2章图像处理的MATLAB实现 (7)
2.1识别系统构成 (7)
2.2人脸图像的读取与显示 (8)
2.3图像类型的转换 (8)
2.4图像增强 (9)
2.5灰度图像平滑与锐化处理 (11)
2.6边缘检测 (13)
第3章人脸识别计算机系统 (14)
3.1系统基本构架 (14)
3.2人脸检测定位算法 (15)
3.3匹配与识别 (20)
结论 (28)
致谢 (29)
参考文献 (30)
附录1 人脸识别的MATLAB源程序 (31)
附录2 外文参考文献及翻译 (35)
第1章绪论
1.1 课题的研究背景、目的及意义
1.1.1 课题的研究背景
数字图像处理技术是20世纪60年代发展起来的一门新兴技术。近30
多年来，在计算机科技和大规模集成电路技术的迅猛发展、离散数学理论
创立和完善，以及工业、军事、医学等方面的应用需求在不断增长，人脸
识别技术已经在人机交互、安全验证系统、系统公安(罪犯识别等)、医学、
档案管理、信用卡验证、视频会议等方面的巨大应用前景而越来越成为当
前模式识别和人工智能领域的一个研究热点。目前，人脸识别技术应用最
广泛的地方就是各大公司、商场、政府保密机构的门禁考勤系统。
20世纪90年代后期以来，一些商业性的人脸识别技术系统逐渐进入市场。自美国遭遇恐怖分子袭击事件后，这一技术引起了社会各方的广泛关注。由于隐蔽性十分好，该项技术逐渐成为国际反恐及安全防范的重要手段之一。
人脸识别技术在中国也有迅猛发展的历史。国家“十一五”科技发展规划就将人脸识别技术的研究与发展列入其中，并明确指出“要在生物特征识别技术领域缩小与世界先进水平的差距，开展生物特征识别应用技术研究，开发具有高安全性、低误报率的出入口控制新产品。”在这种形势下，国内一些科研院所在人脸识别技术上有了重大发展和突破。如清华大学、中科院计算机所、中科院自动化所等自主研发的人脸识别技术已经达到了国际先进的水平。
经过多年的研发探索，在世界各大研究机构的研发人员的共同努力下，人脸识别技术这一领域取得了丰硕的成果，这些研究成果的取得和科技的进步，更进一步推动了人类对人脸识别技术这一高端技术的深入研究。
人脸识别技术，顾名思义，指利用采集、分析、比较人脸视觉特征信息来进行身份鉴别的计算机技术。广义的人脸识别实际包括构建人脸识别系统的一系列相关技术，包括人脸图像采集、人脸定位、人脸识别预处理、身份确认以及身份查找等；而狭义的人脸识别特指通过人脸进行身份确认或者身份查找的技术或系统。它是人们一直所追求的让机器智能化技术，就是让机器具备和人类一样的思考能力，识别能力以及处理事务的能力。而人脸识别技术的研究就是在这样的背景下发展起来的。
1.1.2 研究目的及意义
目前，人脸识别技术已经广泛用于军队、政府、社会福利保障、银行、
安全防务及电子商务等领域。而我们研究这项技术的目的就是让其更好地服务于人类社会，在这个生活快节奏的前提下，与人方便。例如京沪高铁三站将建立人脸识别系统，即使整容也能被识别。铁路部门发布计划时表示，将在京沪高铁段的天津西站、济南西站、上海虹桥站这三个站点，建立人脸识别系统工程，以此来协助公安部门甄别、抓捕在逃罪犯。利用这个系统，即使作案后的犯罪分子进行整容，也会被识别。
研究人脸识别技术，在现实意义上具有重大意义：一是能进一步加强对人类视觉系统本身的认知；二是能够满足人类社会中对人工智能应用的广泛需要。同时人脸识别技术又有自然性、无侵犯性、成本低、智能化等几个显著优势。人脸识别技术的研究也有重大的学术价值。由于人类有非常复杂的细节变化，例如眼镜、胡须、发型等附属物的干扰，这就给该项技术带来了巨大挑战。成功构造出人脸识别系统将为解决其他与之类似的复杂问题提供重要的启示。
1.2 本课题的主要内容
本次课题主要讲述了人脸识别中应用Matlab对图像进行预处理，通过人脸检测、人脸跟踪、人脸比对来实现基于Matlab的人脸识别系统的仿真。利用Matlab实现一个集多种预处理方法于一体的通用的人脸识别仿真系统，将该系统作为图像预处理模块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断。
文中在研究人脸识别技术的仿真过程中，主要涉及了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、边缘检测等技术。通过多次实验并比对各个算法和技术的优缺点，有效地实现了基于Matlab的人脸识别系统的设计与仿真，并达到了预期目标和效果。
第2章图像处理的Matlab实现
2.1 识别系统构成
人脸识别技术系统主要可分为四个组成部分，分别为：人脸图像采集及检测、人脸图像预处理、人脸图像特征提取以及匹配与识别。一般人脸识别系统构架如图2.1所示：
图2.1 人脸识别系统构架
（1）人脸图像采集及检测人脸图像采集：人脸图像信息都能通过摄像镜头采集记录下来，比如不同位置、不同表情、静态图像、动态图像等方面都能得到很好的采集。当目标在采集设备拍摄的范围内时，采集设备会自动搜索并采集目标的人脸图像;人脸检测：在实际中主要应用于人脸识别的预处理，即在采集到的图像中准确定位出人脸的位置。人脸图像中包含的模式特征非常丰富，如模板特征、结构特征、直方图特征、颜色特征等。人脸检测就是挑出这其中有用的特征信息，并利用这些特征来实现人脸识别。
（2）人脸图像预处理人脸图像预处理：所谓人脸图像预处理，就是基于人脸检测结果，并对人脸图像进行处理，最终服务于人脸特征提取的过程。系统获取的原始人脸图像由于受到随机干扰和各种条件的限制，通常不能直接使用，所以必须在人脸图像处理过程中要先对它进行灰度图像、噪声过滤等图像预处理。而对于人脸图像，预处理的过程主要涉及灰度变换、人脸图像的光线补偿、几何校正、直方图均衡化、归一化、滤波以及锐化等。
（3）人脸图像特征提取人脸图像特征提取：人脸识别系统通常会使用的特征分为视觉特征、人脸图像变换系数特征、像素统计特征以及人
脸图像代数特征等。所谓人脸特征提取即针对人脸的某些特征进行的提取。人脸特征提取，也被称为人脸表征，是对人脸特征进行建模的过程。人脸特征提取的方法总结起来可以分为两大类：一种是基于统计学习或代数特征的表征方法；另一种是基于知识的表征方法。
（4）匹配与识别人脸图像的匹配与识别：将提取到的图像特征数据与数据库中已存的特征模板进行搜索匹配，设定一个阈值，当相似度超过这一阈值时，则把匹配所得到的结果输出。人脸识别就是将待识别的人脸特征与已存储的人脸特征模板进行比对，依据相似度对该人脸图像的身份信息进行判别。这一过程主要分为两步：第一步是确认，就是一对一进行图像比较的过程，第二步是辨认，就是一对多进行图像匹配对比的过程。
2.2 人脸图像的读取与显示
人脸图像的读取和显示可通过imread( )和imshow( )指令来实现;图像的输出可以用imwrite( )函数，很方便快捷的将图像输出到电脑硬盘上;另外还可以通过imcrop( )、imrisize( )、imrotate( )等函数来实现图像的裁剪、缩放与旋转等功能。
2.3 图像类型的转换
Matlab支持多种图像类型,在很多图像操作处理中,对图像的类型有要求,所以就涉及到了对图像的类型进行转换。Matlab7.0图像处理工具箱包含了不同图像类型之间相互转换的大量函数,如rgb2gray()可以将颜色映像表或RGB图像转换为灰度图像，通过mat2gray()函数能实现矩阵转换为灰度图像的功能。在类型转换的处理过程中,我们还会经常遇到数据类型不匹配的问题,针对这一问题,Matlab7.0工具箱中为我们提供了各种数
据类型之间相互转换的函数,例如double()函数的功能就是将数据转换为双精度数据类型。
因为后续的图像增强、边缘检测等都是针对灰度图像进行的,而原图像是RGB图像,所以我们首先要对原图像进行类型转换。实现过程代码如下:
i=imread('F:\2.JPG');j=rgb2gray(i);
imshow(j);imwrite(j,'F:\2.tif')
转换后的灰度图像如图2.2所示：
图2.2 灰度图像
2.4 图像增强
图像增强的目的是改善图像的视觉效果,或者使图像更适合于人或机器进行分析处理。通过图像增强，可以减少图像中的噪声，提高目标与背景的对比度，也可以强调或抑制图像中的某些细节。例如，消除照片中的划痕，改善光照不均匀图像，突出目标的边缘等。
实现图像的灰度转换的方法有很多,其中最常用到的是直方图变换的方法,即直方图的均衡化。该种方法是使输出图像直方图近似服从均匀分
布的变换方法。Matlab7.0图像处理工具箱中为我们提供了图像直方图均衡化的函数histeq(),我们也可以通过imhist()函数计算和显示图像的直方图。
通过原图与直方图均衡化后图像对比可以发现,图像变得更加清晰,并且均衡化后的直方图相对于原直方图的形状更为理想。实现过程代码如下:
i=imread('F:\2.tif');
j=histeq(i);imshow(j);
figure,subplot(1,2,1),imhist(i);
subplot(1,2,2),imhist(j)
执行后得到的图像如下所示：
图2.3 均衡化后的灰度图像图 2.4 均衡化前后的直方图对比图
2.5 灰度图像平滑与锐化处理
平滑滤波器的作用是模糊图像或者消除噪声,Matlab7.0图像处理工具箱为我们提供了wiener2()来实现对图像噪声的自适应滤波，medfilter2()函数用来实现中值滤波。在本文案例中,为使滤波效果更加明显,我们预先为人脸图像人为增加噪声,然后用自适应滤波方法对图像进行滤波处理。锐化处理的作用是用来强调图像中被模糊的细节,在本案例中，采用了预定义高斯滤波器的方法对图像进行锐化滤波。实现过程的代码如下:
i=imread('F:\2.tif');
j=imnoise(i,'gaussian',0,0.02);
subplot(1,2,1),imshow(j);
j1=wiener2(j);subplot(1,2,2),imshow(j1);
h=fspecial('gaussian',2,0.05);j2=imfilter(i,h);figure,subpl ot(1,2,1),imshow(i)
subplot(1,2,2),imshow(j2)
执行上述代码后得到的图像如下所示：
图2.5 平滑滤波效果图
图2.6 锐化滤波效果图
图2.5中，第一个为加入噪声的图像，第二个为滤波后的图像；图2.6中，第一个为原灰度图像，第二个为锐化后的图像。
2.6 边缘检测
数字图像的边缘检测是目标区域识别、图像分割、区域形状提取等图像分析过程中十分重要的基础步骤,也是人脸图像识别中用来实现提取图像特征的一个重要步骤。通过计算一阶导数或二阶导数可以快捷地检测出图像中每个像素在其邻域内的灰度变化，从而检测出边缘。常用的有梯度算子, ,Roberts算子，canny算子,Log算子等。Matlab7.0工具箱中为我们提供的edge()函数可以用来进行边缘检测,同时也可以根据案例所需要的选择合适的算子及其参数。
Matlab7.0图像处理工具箱中提供了edge()函数来实现图像边缘检测,还有各种方法算子供我们选择,在本案例中采用了canny算子来进行图像边缘检测,程序代码如下:
i=imread('F:\2.tif');
j=edge(i,'canny',[0.04,0.25],1.5);
imshow(j)
执行上述程序后得到如下图像：
图2.1 原灰度图像图2.7 边缘检测效果图第3章人脸识别计算机系统
3.1 系统基本构架
人脸识别是一个十分复杂的过程，一般人脸识别的计算机系统流程如
图3.1所示。它包括几个步骤：进行图像采集，对于采集到的图像，首先进行人脸检测，得出有无人脸的结果；然后进行人脸定位，找出人脸的位置并提取出来。对于人脸定位，在输入的是图像序列时，一般也被称为人脸跟踪。通常检测和定位同步进行。借助人脸描述对提取出来的人脸就可以进行人脸识别，即通过提取人脸特征来确定其身份。
图3.1 基本框架图
3.2 人脸检测定位算法
人脸检测定位算法可分为两大类：一类是基于隐式特征的方法；另一类是基于显式特征的方法
所谓的显式特征，即指人类肉眼可以直观看到的特征，如肤色、脸部结构、脸部轮廓等。基于显式特征的方法是指通过肉眼的观察，总结概括出人脸区域区别于“非人脸”区域的特征，根据与被检测区域的对比，即是否满足这些人脸特征，从而判定该区域包含人脸与否。根据所选择的“人脸特征”，基于显式特征的方法可以分为三类：模板匹配的方法、基于肤色模型的方法、基于先验知识的方法。
以上三类方法的优缺点概括见表3-1：
表3-1 优缺点对比
基于隐式特征的方法就是将人脸区域看成一类模式，通过“人脸”、“非人脸”样本、构造分类器的使用，判别图像中全部可能区域是否符合“人脸模式”的一类方法来实现人脸的检测。这类方法可以分为：神经网络法、特征脸法、积分图像法、支持向量法。
以上四种方法的优缺点比较见表3-2：
表3-2 优缺点对比表
运用matlab软件仿真进行人脸检测定位实例：
人脸检测定位程序：
%%%%% Reading of a RGB image原始图像
i=imread('F:\2.JPG');
I=rgb2gray(i);
BW=im2bw(I);
figure,imshow(BW) %%%%%%%%%%%%%%%%%%%%灰度图像及均衡化灰度图像
[n1 n2]=size(BW);
r=floor(n1/10);
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) loc=find(BW(x1:x2, y1:y2)==0);
[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) %%%%%%%%%%%%%%%%%%人脸定位%%%%%%%%%%%%%%%%%% %%%%%
L = bwlabel(BW,8);
BB = regionprops(L, 'BoundingBox');
BB1=struct2cell(BB);
BB2=cell2mat(BB1);
[s1 s2]=size(BB2);
mx=0;
for k=3:4:s2-1
p=BB2(1,k)*BB2(1,k+1);
if p>mx & (BB2(1,k)/BB2(1,k+1))<1.8
mx=p;
j=k;
end
end
figure,imshow(I);
hold on;
rectangle('Position',[BB2(1,j-2),BB2(1,j-1),BB2(1,j),BB2(1,j)] ,'EdgeColor','r' )
1.原始图片
2.灰度图片
BI YE SHE JI （20 届） 基于MATLAB的人脸识别系统设计 所在学院 专业班级自动化 学生姓名学号 指导教师职称 完成日期年月 I
摘要 MATLAB以强大的科学计算与可视化功能、简单易用、开放式可扩展环境成为当今最优秀的科技应用软件之一，针对不同学科领域都有不同的工具箱支持，使得它在许多科学领域中成为计算机辅助设计和分析、算法研究和应用开发大的基本工具平台。 主成分分析（Principal Component Analysis ，PCA）是一种掌握事物主要矛盾的统计分析方法，它可以从多元事物中解析出主要影响因素，揭示事物的本质，简化复杂的问题。人脸的全局表达方式是一种十分有效的人脸识别方法。它是图像压缩中的一种最优正交变换，在数据空间找一组向量以尽可能解释数据的方差，实现数据的降维，使数据更易处理。 BP神经网络是一种单向传播的多层前向网络，是一种有导师监督学习算法。它能够实现一种特殊的非线性映射，将输入空间变换到由输出所张成的空间，使得在输出空间的分类问题变得简单易行。 本论文首先对PCA主成分分析方法进行了阐述，然后探讨了BP神经网络的集成识别方法，最后实现了基于MATLAB的人脸识别系统。 关键词：MATLAB，人脸识别，PCA主成分分析，BP神经网络 I
Abstract MATLAB with a strong scientific computing and visualization capabilities, easy to use, open and scalable environment to become one of the best scientific and technological applications, has a different toolbox support for different disciplines, making it in many fields of science in computer-aided design and analysis, algorithm research and application development tool platform. The principal component analysis (Principal Component Analysis, the PCA) is the method of statistical analysis of the principal contradiction of a grasp of things, from diverse things, it can parse out the main factors to reveal the nature of things, to simplify complex issues. The global expression of the face is a very effective method of face recognition. It is the image compression in an optimal orthogonal transform , to the extent possible, explain the variance of the data in the data space to find a set of vectors, the dimensionality reduction of the data, make data easier to handle. BP neural network is a one-way transmission of multi-layer forward network, is a mentor supervised learning algorithm. It can achieve a special kind of nonlinear mapping the input space is transformed by the output into the space, makes the classification problem in the output space becomes simple. This paper first described the PCA principal component analysis method, then discusses the integration of BP neural network identification method, the final realization of the face recognition system based on MATLAB. Keywords：MATLAB, face recognition, PCA principal component analysis, BP neural network I
基于MATLAB的人脸识别研究 【摘要】深入分析了主成分分析（Principal Component Analysis，PCA）方法的基本原理，PCA方法最显著的优点是能用低维特征向量来估计原始样本，基于此特点将它用来实现对人脸的识别。此外本文还深入分析了PCA中遇到的特征值选择和距离准则的选取问题。 【关键词】MATLAB；数字图像处理；人脸识别 1.引言 人脸识别是当前计算机模式识别领域中的一个非常活跃的研究课题，在安全检测、身份验证、军事、商业等领域具有广泛的应用前景。基于人脸识别的自动身份认证具有重要的理论意义和应用价值。但是通过人脸图像来进行识别仍然面临巨大的挑战，要使这一技术成为完全成熟的技术还有许多工作需要做。 2.人脸识别的研究内容 人脸识别（Face Recognition）是指基于己知的人脸样本库，利用图像处理和模式识别技术从静态或动态场景中，识别或验证一个或多个人脸。从广义上讲，其研究内容包括以下五个方面： （1）人脸检测（Face Detection）：即从动态的场景或复杂的背景中检测出人脸的存在并且确定其位置，然后分离出来。这一任务主要受光照、噪声、头部倾斜度以及各种遮挡的影响。 （2）人脸表征（Face Representation）：也称为人脸特征提取，即采用某种表示方法来描述检测出的人脸与数据库中已知人脸。通常的表示方法包括几何特征（如欧氏距离、曲率、角度等）、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）人脸识别（Face Identification）：即将待识别的人脸与数据库中已知人脸比较，得出相关信息。这一过程的核心是选择适当的人脸表征方法与匹配策略。 （4）表情分析（Facial Expression Analysis）：即对待识别人脸的表情进行分析，并对其加以归类。 （5）生理分类（Physical Classificat-ion）：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，或者从几幅相关的图像推导出希望得到的人脸图像，如从父母图像推导出孩子的脸部图像、基于年龄增长的人脸图像估算等。 相对来说，人脸的表情分析、生理分类是两个非常难的研究方向，不过它在计算机图形学，尤其是计算机动画等领域有很广泛的应用前景，因此在最近几年得到了国内外很多从事计算机视觉（Computer Vision）的研究人员的注意。本论文主要介绍狭义的静态人脸图像识别方法，研究的重点是人脸特征提取与识别的关键技术，不涉及表情识别和生理分类方面。 人脸识别系统通常主要由人脸检测与定位，人脸特征提取与识别两部分组成，在这两部分的基础上还包括图像预处理等步骤。其主要实现步骤如下：（1）图像预处理 由于实际成像系统多少存在不完善的地方以及外界光照条件等因素的影响，在一定程度上增加了图像的噪声，使图像变得模糊，且对比度低、区域灰度不平衡。为了提高图像的质量，保证提取特征的有效性，进而提高识别系统的识别率，在提取特征之前，有必要对图像进行预处理操作，以改善图像质量，保证提取特
人脸识别系统毕业论文 人脸识别系统毕业论文 随着科技的不断发展，人脸识别系统逐渐成为了当今社会中不可或缺的一部分。无论是在安全领域、金融领域还是在日常生活中，人脸识别技术都发挥着重要 的作用。本篇论文将探讨人脸识别系统的原理、应用以及未来发展方向。 一、人脸识别系统的原理 人脸识别系统的核心原理是通过计算机对人脸图像进行特征提取和匹配，从而 实现对人脸的识别。首先，系统会对输入的图像进行预处理，包括去除噪声、 调整亮度等。然后，通过特征提取算法，系统会将人脸图像转化为一组数字特 征向量。最后，通过与数据库中已有的人脸图像进行比对，系统能够判断出输 入图像中的人脸是否与数据库中的某个人脸匹配。 二、人脸识别系统的应用 1. 安全领域 人脸识别系统在安全领域有着广泛的应用。例如，警方可以通过人脸识别系统 来追踪犯罪嫌疑人。当犯罪嫌疑人的人脸出现在监控摄像头中时，系统能够及 时发出警报并通知相关人员。此外，人脸识别系统还可以用于门禁系统，提高 进出入口的安全性。 2. 金融领域 在金融领域，人脸识别系统也发挥着重要的作用。例如，银行可以利用人脸识 别系统来验证客户的身份，提高交易的安全性。此外，人脸识别系统还可以用 于自动提款机，通过识别用户的面部特征来确保只有合法用户才能进行取款操作。
3. 日常生活 人脸识别系统在日常生活中也有广泛的应用。例如，智能手机可以通过人脸识 别系统来解锁，提高手机的安全性。此外，人脸识别系统还可以用于照片管理 软件，通过识别人脸来自动分类和标记照片。 三、人脸识别系统的未来发展方向 随着人工智能技术的不断进步，人脸识别系统的性能将会得到进一步提升。未来，人脸识别系统将更加准确、快速和智能化。例如，人脸识别系统可以通过 学习算法不断优化自身的性能，提高对不同角度、光照条件下人脸的识别能力。此外，人脸识别系统还可以与其他技术结合，如声纹识别、指纹识别等，形成 多模态的身份验证系统。 另外，人脸识别系统在隐私保护方面也面临一些挑战。随着人脸识别技术的普及，个人隐私的泄露风险也在增加。因此，未来的人脸识别系统需要在提高准 确性的同时，注重保护用户的隐私权。例如，可以采用加密技术来保护人脸图 像的存储和传输过程。 总结起来，人脸识别系统是一项具有广泛应用前景的技术。它在安全领域、金 融领域以及日常生活中都发挥着重要的作用。随着技术的不断进步，人脸识别 系统将会更加准确、快速和智能化。然而，我们也需要在发展的过程中注重隐 私保护，确保人脸识别技术的合法使用。
燕山大学课程设计（论文）任务书
说明：此表一式四份，学生、指导教师、基层教学单位、系部各一份。 目录 引言 (1) 1 人脸识别技术 (2) 1.1人脸识别的研究容 (2) 1.1.1人脸检测(Face Detection) (2) 1.1.2人脸表征(Face Representation) (2) 1.2几种典型的人脸识别方法 (3) 1.2.1基于几何特征的人脸识别方法 (3) 1.2.2基于K-L变换的特征脸方法 (4) 1.2.3神经网络方法 (5) 1.2.4基于小波包的识别方法 (6) 1.2.5支持向量机的识别方法 (6) 2 人脸特征提取与识别 (6) 2.1利用PCA进行特征提取的经典算法——Eigenface算法 (7) 2.2 PCA人脸识别流程 (7) 2.3特征向量选取 (9) 2.4距离函数的选择 (10) 2.5 基于PCA的人脸识别 (11) MATLAB人脸识别程序 (12) 3 MATLAB软件程序编写 (13) 3.1.创建图片数据库 (13) 3.2 主程序 (13) 3.3最终程序结果 (14) 4 心得与体会 (16) 参考文献 (16)
引言 随着社会的发展及技术的进步，社会各方面对快速高效的自动身份验证的需求可以说无处不在，并与日俱增。例如，某人是否是我国的居民，是否有权进入某安全系统，是否有权进行特定的交易等。尤其是自2001年美国“9．1l”恐怖袭击发生以来，如何在车站、机场等公共场所利用高科技手段，迅速而准确地发现并确认可疑分子成了目前世界各国在反恐斗争中普遍关注的问题。为此，各国都投入大量人力、物力研究发展各类识别技术，使得生物特征识别技术得到了极大的发展。生物特征识别技术主要包括：人脸识别、虹膜识别、指纹识别、步态识别、语音识别、笔迹识别、掌纹识别以及多生物特征融合识别等。人类通过视觉识别文字，感知外界信息。在客观世界中，有75％的信息量都来自视觉，因此让计算机或机器人具有视觉，是人工智能的重要环节。由于生物特征是人的在属性，具有很强的稳定性和个体差异性，因此是身份验证最理想的依据。与虹膜、指纹、基因、掌纹等其他人体生物特征识别系统相比，人脸识别系统更加直接、方便、友好，易于为用户所接受，并且通过人脸的表情、姿态分析，还能获得其它识别系统难以得到的一些信息。 人脸识别技术在国家重要机关及社会安防领域具有广泛用途。例如：公安系统的罪犯识别、信用卡验证、医学、档案管理、视频会议、人机交互系统等身份识别和各类卡持有人的身份验证。同其他人体生物特征(如：指纹、掌纹、虹膜、语音等)识别技术相比，人脸识别技术的隐性最好，人脸识别系统更直接、友好，是当今国际反恐和安防最重视的科技手段和攻关标志之一。虽然人类能毫不费力地识别出人脸及表情，但对人脸的机器自动识别确实一个难度极大的课题，它涉及到模式识别、图像处理及生理、心理学等诸多方面的知识。人脸识别技术的研究虽然己经取得了一定的可喜成果，但在实际应用中仍存在着许多严峻的问题。人脸的非刚体性、姿态、表情、发型以及化妆的多样性都给正确识别带来了困难，要让计算机像人一样方便地识别出大量的人脸，尚需不同科学研究领域的科学家共同不懈的努力。
人脸识别毕业设计论文 人脸识别毕业设计论文 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。随着科技 的不断进步，人脸识别技术在各个领域得到了广泛的应用，如安全监控、人脸 支付、智能手机解锁等。本文将探讨人脸识别技术的原理、应用以及未来发展 方向。 一、人脸识别技术的原理 人脸识别技术的原理主要包括人脸检测、人脸特征提取和人脸匹配三个步骤。 首先，系统需要通过摄像头等设备检测到人脸区域，并将其与背景进行分离。 然后，通过特征提取算法，将人脸图像转化为数字特征向量，以便后续的比对。最后，通过与数据库中的特征向量进行匹配，确定输入人脸的身份。 二、人脸识别技术的应用 1. 安全监控领域 人脸识别技术在安全监控领域发挥着重要作用。传统的监控摄像头只能提供实 时影像，但无法对监控区域进行有效的识别和分析。而引入人脸识别技术后， 监控系统可以自动识别出陌生人、犯罪嫌疑人等，并及时报警。这种技术的应 用可以大大提高安全监控的效率和准确性。 2. 人脸支付领域 随着移动支付的普及，人脸支付成为一种便捷的支付方式。通过人脸识别技术，用户可以在手机上进行人脸扫描，完成支付过程。相比传统的密码支付方式， 人脸支付更加安全和便利，无需记忆复杂的密码，同时也减少了密码被盗用的 风险。
3. 智能手机解锁领域 人脸识别技术也广泛应用于智能手机解锁。用户只需将手机对准自己的脸部， 系统便可通过人脸识别技术判断是否解锁。相比传统的密码解锁方式，人脸解 锁更加方便快捷，同时也提高了手机的安全性。 三、人脸识别技术的挑战与未来发展 虽然人脸识别技术在各个领域取得了显著的应用效果，但仍然存在一些挑战。 首先，光线、角度、表情等因素对人脸识别的准确性有一定影响，需要进一步 改进算法以提高识别率。其次，隐私问题也是人脸识别技术面临的一大挑战。 人脸图像的采集和存储可能涉及个人隐私，需要加强数据保护和合规管理。 未来，人脸识别技术仍有很大的发展空间。一方面，随着硬件设备的不断升级，如高清摄像头、深度摄像头等，人脸图像的采集质量将得到提高，进而提高人 脸识别的准确性。另一方面，人工智能的发展也将为人脸识别技术带来新的突破。深度学习等算法的应用将进一步提高人脸识别的精度和速度。 总结起来，人脸识别技术作为一种重要的生物识别技术，在安全监控、人脸支付、智能手机解锁等领域发挥着重要作用。虽然面临一些挑战，但随着科技的 不断进步，人脸识别技术有望在未来得到进一步的发展和应用。
学号：3081818211 题目类型：论文 (设计、论文、报告) 西安电子科技大学GUILIN UNIVERSITY OF TECHNOLOGY 本科毕业设计(论文) 题目：人脸检测技术研究及MATLAB实现 学院：信息科学与工程学院 专业(方向)：电子信息工程 班级：电信08-2班 学生：许文强 指导教师：蒋中正 2012 年 5 月 20 日
摘要 人脸检测是当今视觉领域里非常重要和实用的研究课题，它应用于现实生活中的各个领域，如公安、金融、网络安全、物业管理以及考勤等。基于视频的人脸检测属于动态检测，方法是先提取视频文件的帧，然后再对帧（图像）进行人脸检测，利用肤色特征的检测算法先对图像（帧）进行处理，然后建模，运用适当的算法把人脸检测出来，运用该方法完成了视频之中的的人脸检测。本文采用MATLAB软件进行仿真，包括实现提取视频文件的帧，对输入图像检测有人脸（如果存在）的位置，大小和位姿，程序运行结果基本实现了上述功能。 关键词:人脸检测；视频检测；肤色特征
Research of Face Detection and Implementation of Matlab Student: xu wenqiang Teacher:jiang zhong zheng Abstract：Face detection is very important and practical research topic in the visual field，it is applied to many areas in our lives Such as public security, finance, network security, property management and attendance, Based on the video's face detection is dynamic detection ,The idea is to extract video file frame, then as the image face to detectionUse the skin color characteristics of the detection algorithm , first to do processing testing, Then https://www.doczj.com/doc/4119207114.html,e appropriate algorithm, the face detection out.By using this method the video to finish face detection. this paper, we also use Matlab software simulationIncluding realize The input image for face detection, Video file frame extraction then That is to make sure that there is an image input face (if present) of location, size and posture of the process.To run the program results basically achieved the function Key Words：Face Detection；Video Detection；Skin color characteristics
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，人脸识别系统的畴一不足以涵括人脸识别的应用围，在数字图像处理、视频领域、基于容的检索等方面有着重要的应用价值。。 二．设计的容及要求 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）
机电学院毕业设计(论文)中期报告 大连民族学院教务处制
一、整体设计思想 人脸识别算法的研究这个题目，首先明确此课题的任务要求，并在毕业指导老师的指点下查询相关书籍，并整理资料。首先，进行的是英文文献翻译部分，根据老师的要求对指定的文献进行翻译，在进行这部分时是比较顺利的，只是在翻译过程中对其中个别专业词汇翻译困难，于是我通过查阅专业词典和请教老师解决了前进中的困难。于是，进行课题整体构思设计，制定设计方案，并写出开题报告。根据开题报告的总体轮廓构思各部分的硬件设计。 在收集资料的过程中，我对人脸识别技术有了基本的了解，人脸识别技术是一种重要的生物特征识别技术，应用非常广泛，而且人脸识别的使用非常自然，可以在被识别对象毫无察觉的情况下进行，是一种非常受使用者欢迎的方式。在设计中，系统采用的是基于特征脸的方法。特征脸方法是从主成成分分析(PCA)导出的一种人脸识别和描述技术。它将包含人脸的图像区域看作一随机向量，采用K-L变换得到正交K-L基，对应其中较大特征值的基具有与人脸相似的形状，因此又被称为特征脸。 二、模块及各部分硬件设计 完成人脸识别的工作需要一系列的步骤，它们结合起来构成一个完整的流程。由于研究人员来自不同的学科、具有不同的背脊，而且不同的人脸识别应用中对识别的目标也不同，所以人脸识别的流程并不统一一个比较通用的人脸识别流程如下图所示： 输入图像结果输出 图1 人脸识别流程图 其主要步骤包括：人脸检测/跟踪,特征提取,特征降维,匹配识别.它们之间基本上是串行的关系[3]。 （1）人脸检测/跟踪。人脸检测是完成人脸识别工作的自动系统的第一个步骤。该步骤的目的是在输入的图像中寻找人脸区域。具体来说：给定意一幅任图像，人脸检测的目的是确定是否图像州有人脸存在，如果存在，给出每个人脸的具体位置和范围。实际应用中人脸图像的采集或获取常在非受控的条件下进行，这样所得到的图像中的人脸在尺寸、朝向、明暗、遮挡、分辨率等方面都有很多不同，使同一的人脸出现各种变形，并有可能导致各种误识、漏识等失败的情况。为校正人脸在尺度、光照和旋转等方面的变化，常需采用一些包括几何归一化（空间尺度归一化）和光照归一化（灰度幅值归一化）等手段来调整不同的人脸图像，以利于用统一算法进行识别。 （2）特征提取。为区分不同的人脸，需提取各种人脸的独特性质。也就是要从人脸图像中映射提取一组反映人脸特征的数值表示样本。这里首先需要采取某种表示方式来表示检测出的人脸和数据库中的已知人脸。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（如矩阵或特征向量）、固定特征模板、特征脸等。 （3）特征降维。人脸是一个非刚性的自然物体（柔性体），从人脸图像中可提取很多不同特征，所以表征人脸的原始特征对应高维空间中的数据（对一幅M*N的图像，空间维数可达M*N）。直接利用这样高维的数据进行识别除需要很多的匹配计算量外，由于很难对各高维数据的描述能力做有效的判断，故还不能保证基于这么多数据进行的识别结果的正确性。在特征提取后，需采用紧凑的人脸表征方式，将原始特征进行筛选组合，集中信息，降低维数，使这些低维空间的有效性的到提高，以有利于接下来的匹配分类。 （4）匹配识别。在特征提取的基础上，选择使当的匹配策略，可将待识别的人脸与数
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
基于 matlab 的人脸识别系统设计与仿真 第一章绪论 本章提出了本文的研究背景及应用前景。首先阐述了人脸图像识别意义；然后介绍了人脸图像识别研究中存在的问题；接着介绍了自动人脸识别系统的一般框架构成；最后简要地介绍了本文的主要工作和章节结构。 1.1研究背景 自 70 年代以来 . 随着人工智能技术的兴起 . 以及人类视觉研究的进展.人们逐渐对人脸图像的机器识别投入很大的热情，并形成了一个人脸图像识别研究领域， .这一领域除了它的重大理论价值外，也极具实用价值。 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。人脸图像的机器识别研究就是在这种背景下兴起的，因为人们发现许多对于人类而言可以轻易做到的事情，而让机器来实现却很难，如人脸图像的识别，语音识别，自然语言理解等。如果能够开发出具有像人类一样的机器识别机制，就能够逐步地了解人
类是如何存储信息，并进行处理的，从而最终了解人类的思维机制同时，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。现在己 有实用的计算机自动指纹识别系统面世，并在安检等部门得到应用， 但还没有通用成熟的人脸自动识别系统出现。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。 国外对于人脸图像识别的研究较早，现己有实用系统面世，只是对于成像条件要求较苛刻，应用范围也就较窄，国内也有许多科研机构从事这方而的研究，并己取得许多成果。 1.2人脸图像识别的应用前景 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。
Matlab中的人脸识别技术与应用 人脸识别技术作为一种生物特征识别技术，近年来得到了广泛关注和应用。随 着科技的发展，人脸识别技术正迅速渗透到我们的日常生活中，从手机解锁、人脸支付到公安安防领域的应用，无处不展现着它的便利性和安全性。在人脸识别技术的研究和应用中，Matlab作为一种强大的工具，提供了丰富的函数库和算法来支 持人脸识别的各个环节。 首先，Matlab为人脸识别技术提供了强大的图像处理和分析功能。通过Matlab 的图像读取、显示和处理函数，可以对人脸图像进行各种预处理操作，如灰度化、直方图均衡化、图像滤波等。这些操作可以增强人脸图像的对比度、降低噪声等，从而提高后续的特征提取和匹配的准确性。此外，Matlab还支持图像的几何变换 和模板匹配等功能，对于人脸图像的对齐和注册非常有帮助。 其次，Matlab提供了多种人脸特征提取和描述算法。在人脸识别技术中，特征 提取是一个关键步骤，它从复杂的图像数据中提取出具有鉴别能力的特征，用于人脸的比对和识别。Matlab提供了多种常用的特征提取算法，如局部二值模式（LBP）、主成分分析（PCA）、线性判别分析（LDA）等。这些算法在特征提取 过程中，可以有效地降低特征维度，提取出对人脸识别任务有较好鉴别能力的特征。 除了特征提取，Matlab还提供了多种人脸匹配和识别算法。根据不同的应用场 景和需求，可以选择合适的匹配算法，如余弦相似度、欧氏距离、支持向量机等。这些算法可以对提取出的特征进行匹配，并给出匹配得分或判别结果，用于判断输入图像是否为已知的人脸或属于某个身份。此外，Matlab还提供了人脸识别系统 的开发框架和工具箱，方便用户进行系统的搭建和测试。 另外，Matlab也可以应用于人脸数据库的管理和实验数据的处理。对于大规模 的人脸识别应用，需要管理和维护一个庞大的人脸数据库，这其中包括人脸图像的采集、存储、更新和查询等。Matlab提供了丰富的数据库操作和查询函数，可以 方便地实现人脸数据库的管理。同时，Matlab还提供了数据处理和统计分析的工
matlab人脸识别设计报告 人脸识别是一种常见的生物特征识别技术，它在安全领域、人 机交互、人脸检测等方面有着广泛的应用。在MATLAB中，人脸识别 的设计涉及到图像处理、模式识别和机器学习等领域。下面我将从 以下几个方面来介绍MATLAB中人脸识别的设计报告： 1. 人脸图像的获取和预处理，首先，需要使用MATLAB的图像 处理工具箱来获取人脸图像，可以通过摄像头或者读取存储在计算 机中的图像。然后，对图像进行预处理，包括灰度化、直方图均衡化、人脸区域的定位和裁剪等操作，以便后续的特征提取和识别。 2. 人脸特征提取，在MATLAB中，可以利用各种特征提取方法，如主成分分析（PCA）、线性判别分析（LDA）、局部二值模式（LBP）等方法来提取人脸图像的特征。这些特征可以帮助我们准确地描述 和区分不同的人脸。 3. 人脸识别模型的建立，在MATLAB中，可以利用机器学习和 模式识别工具箱来建立人脸识别模型，比如支持向量机（SVM）、人 工神经网络（ANN）等。通过对提取的人脸特征进行训练和学习，建 立起识别模型，并对新的人脸图像进行识别和分类。
4. 性能评估和优化，设计报告还需要包括对人脸识别系统性能的评估和优化。可以使用MATLAB的性能评估工具箱来进行准确率、召回率、F1值等指标的评估，同时根据评估结果对人脸识别系统的参数和算法进行优化和改进。 5. 应用和展望，最后，设计报告还应该包括对人脸识别技术在实际应用中的展望和未来发展方向的探讨，比如结合深度学习的人脸识别、多模态生物特征融合识别等方面的研究。 综上所述，MATLAB中人脸识别的设计报告需要涵盖人脸图像获取与预处理、特征提取、识别模型建立、性能评估与优化、应用展望等多个方面，而且需要结合实际案例和算法原理进行详细的阐述和分析。希望这些内容能够对你有所帮助。
基于matlab的毕业论文 近年来，随着计算机技术的迅速发展和社会的不断进步，人工智能技术的应用越来越广泛，同时也越来越受到人们的关注。而基于matlab的毕业论文也是人工智能领域研究成果的一种典型体现，本文将以基于matlab的毕业论文为研究对象，阐述其研究现状及意义。 一、基于matlab的毕业论文研究现状 1.1 研究背景 人工智能领域在近几年来得到了越来越广泛的应用和研究。基于matlab的毕业论文是人工智能领域的重要研究成果之一。matlab是一种十分强大的数学计算工具，可以帮助研究人员快速实现各种人工智能算法的研究和开发，并且可扩展性和可移植性非常好。 1.2 研究内容 基于matlab的毕业论文的研究内容主要包括：神经网络、机器学习、深度学习、计算机视觉等领域的研究。其中，神经网络的研究是基于matlab的毕业论文研究的重点之一。神经网络是将人工神经元模拟到计算机上，通过对神经元之间的连接关系和权重进行学习，实现对输入数据的自适应分析和处理，是人工智能的重要组成部分。
1.3 研究方法 基于matlab的毕业论文的研究方法主要包括：算法设计、仿真实验、结果分析等方面。在算法设计方面，研究人员需要根据具体问题的特点选择合适的算法；在仿真实验方面，研究人员需要使用matlab进行算法的实现和测试；在结果分析方面，研究人员需要结合实验结果对算法进行进一步分析和优化。 二、基于matlab的毕业论文的意义 基于matlab的毕业论文具有重要的研究和应用价值。 2.1 推动人工智能技术的发展 基于matlab的毕业论文通过对人工智能领域的研究和探索，促进了人工智能技术的发展。研究人员在毕业论文中所提出的算法和方法，可用于人工智能领域的各种应用场景，为技术发展提供了强有力的支持。 2.2 打开人工智能应用新局面 基于matlab的毕业论文的研究结果，可用于人工智能应用新局面的研发和创新。例如，在计算机视觉领域，研究人员通过基于matlab的毕业论文所提出的算法，实现了对图像的自动分类和标记，为图像处理和分析提供了重要的技术支持。 2.3 促进学术交流和合作 基于matlab的毕业论文的研究结果可以促进国内外学术界的交流和合作。研究人员将研究成果发布在国际学术会议和
文档来源为:从网络收集整理.word版本可编辑.欢迎下载支持. 【关键字】精品 本科课程设计 题目：人脸识别算法的设计与实现 学院：自动化工程学院 专业：电子信息工程 班级：01班 学号：0129 姓名：段宏儒 指导教师：余俊 11日
目录 一、设计任务与要求 (1) 二、主成分分析与人脸识别原理 (1) 三、人脸识别系统设计与编程 (2) 四、程序运行实例 (5) 五、参照文献 (6)
一、设计任务与要求 理解主成分分析方法的原理和基于主成分分析方法的人脸识别方法。在同学间采集一定数量的人脸正面图像样本，运用MATLAB编程，设计人脸识别程序并使用采集样本检验程序的识别正确率。 二、主成分分析与人脸识别原理 人脸识别是一个活跃的研究领域，是人类视觉最杰出的能力之一。虽然人脸识别的准确性要低于虹膜、指纹的识别，但由于它的无侵害性和对用户最自然、最直观的方式，使人脸识别成为最容易被接受的生物特征识别方式。 本征脸（eigenface）方法 这种方法是人脸识别的基准技术，并已成为事实上的工业标准 该方法基于主成分分析（PCA） PCA是将分散在一组变量上的信息集中到某几个综合指标（主成分）上的数学方法，实际上起着数据降维的作用，并保证降维过程最大化保留原数据的差异 这对最大化类间差异（即不同人之间的差异）并最小化类内差异（即同一人的不同图像间的差异）很有效 用PCA将2维数据降到1维的例子，绿色点表示二维数据，PCA的目标就是找到这样一条直线，使得所有点在这条直线上的投影点之间的平均距离最大。也就是最大化地保留了原数据的差异性 直接计算 C 的本征值和本征向量是困难的，可以通过对矩阵做奇异值分解间接求出 m值的选择: 三、人脸识别系统设计与编程 Ⅰ、程序原理图 Ⅱ、实验程序 程序1 功能：加载样本图片并处理 function [X,W] = ImgLoad(dirName,peopleNum,photoNum); LONGTH = 112 * 92;%图片大小 X = [];% 声明 for i = 0:peopleNum -1 for j = 1:photoNum % photoName：照片名 photoName = strcat(dirName,num2str(i),'\',num2str(j),'.jpg'); % 以矩阵形式读入文件
图像识别毕业设计 图像识别毕业设计 篇一：毕业设计人脸识别系统的研究与实现 人脸识别系统的研究与实现 目录 第一章绪论 第一节课题背景 一课题的--------------------------------------------------- ---------------------------1 二人脸识别技术的研究意义--------------------------------------------------- ---------1 第二节人脸识别技术的国内外发展概况--------------------------------------------------- 3 一国外发展概况---------------------- --------------------------------------------------2 二国内发展概况--------------------------------------------------- ------------------------4 第二章系统的需求分析和方案选择--------------------------------------------------- ------5 第一节可行性分析------------------------------------------------------------------------------5 一技术可行性分析------------------------------------------------------------------------5 二操作可行性分析------------------------------------------------------------------------5
基于matlab程序实现人脸识别 1.人脸识别流程 1.1.1基本原理 基于YCbCr颜色空间的肤色模型进行肤色分割。在YCbCr色彩空间内对肤色进行了建模发现，肤色聚类区域在Cb—Cr子平面上的投影将缩减，与中心区域显著不同。采用这种方法的图像分割已经能够较为精确的将人脸和非人脸分割开来。 1.1.2流程图 人脸识别流程图 读入原始图像 将图像转化为YCbCr颜色空 间 利用肤色模型二值化图像并 作形态学处理 选取出二值图像中的白色区 域，度量区域属性，筛选后 得到所有矩形块 否 筛选特定区域（高度和宽度的比率 在（0.6~2）之间，眼睛特征） 是 存储人脸的矩形区域 特殊区域根据其他信息筛 选，标记最终的人脸区域
2.人脸识别程序 （1）人脸和非人脸区域分割程序 function result = skin(Y,Cb,Cr) %SKIN Summary of this function goes here % Detailed explanation goes here a=25.39; b=14.03; ecx=1.60; ecy=2.41; sita=2.53; cx=109.38; cy=152.02; xishu=[cos(sita) sin(sita);-sin(sita) cos(sita)]; %如果亮度大于230，则将长短轴同时扩大为原来的1.1倍if(Y>230) a=1.1*a; b=1.1*b; end %根据公式进行计算 Cb=double(Cb); Cr=double(Cr); t=[(Cb-cx);(Cr-cy)]; temp=xishu*t; value=(temp(1)-ecx)^2/a^2+(temp(2)-ecy)^2/b^2; %大于1则不是肤色，返回0；否则为肤色，返回1 if value>1 result=0; else result=1;
图像识别毕业设计 篇一：毕业设计人脸识别系统的研究与实现 人脸识别系统的研究与实现 目录 第一章绪论 第一节课题背景 一课题的--------------------------------------------------- ---------------------------1 二人脸识别技术的研究意义--------------------------------------------------- ---------1 第二节人脸识别技术的国内外发展概况--------------------------------------------------- 3 一国外发展概况---------------------- --------------------------------------------------2 二国内发展概况--------------------------------------------------- ------------------------4 第二章系统的需求分析和方案选择---------------------------------------------------
------5 第一节可行性分析------------------------------------------------------------------------------5 一技术可行性分析------------------------------------------------------------------------5 二操作可行性分析------------------------------------------------------------------------5 第二节需求分析---------------------------------------------------------------------------------6 一应用程序的功能需求分析------------------------------------------------------------6 二开发环境的需求分析------------------------------------------------------------------7 三运行环境的需求分析------------------------------------------------------------------7