人脸识别技术毕业论文
本科毕业设计说明书(论文) 第 1 页共 27 页 1 引言
1.1 研究背景和意义
随着社会的进步，对身份识别技术的需求越来越大。尤其在安全、经济以及商贸
[1]等领域，这种识别技术的需求更是无处不在。即使在生活中，我们也要经常验证或被验证他人或自己的身份来保证我们的人身、财产以及信息的安全。如今，社会在不断的进步，社会的生产、生活等方面也有了很大的提高，这就使得对人们身份的认证有了更高的要求。传统的个人身份识别主要是通过其本身的标识物品等方式来实现的，如证件、口令或钥匙等。这些传统识别方法很容易被忘记或者被伪造，而且它们更无法区别所有人与冒充者，他人获得后也可以拥有相同的权利，从而使得真正的持有者蒙受巨大的损失。例如，当他人获得自己的银行卡和密码后就可以通过自动取款机来盗取金钱。基于这些原因，使得传统识别方法已经跟不上时代的脚步，满足不了当代人们的安全需求。而人们本身拥有的面部特征、指纹、虹膜等都能够唯一的标识个人的身份。这些属性具有固定不变性和个体差异，利用这一属性可以有效的、可靠的、稳定的对个人身份进行识别，而基于面部特征的识别相对于基于其它特征的识别更容易实现，也更容易被接受，从而被广泛的研究与应用。该技术在现代社会具有非常重大的研究意义，例如，通过人脸识别确认犯罪分子。另外采用人脸识别设计的自动取款机，通过人脸识别来判断用户是否为本人。人脸识别的出现使得人们的信息和财产的安全有了很大的提高。
人脸识别涵盖了图像处理、模式识别、神经网络、计算机视觉、生理学以及数学等诸多学科，是一项非常综合的技术，它的应用正随着社会的进步与日俱增。1.2 人脸识别技术的应用
人脸识别的出现在一定程度上缓解了人们对于身份识别的巨大需求。以下的几个领域是人脸识别研究方向的重点:
(1)在公安方面，人脸识别可以帮助公安干警刑侦破案。公安部门根据获得的疑犯照片与档案库里的疑犯照片进行比对，可以迅速的确定疑犯身份，从而提高破案的效率。
(2)在物业管理方面，主要是用来保护物主的财产安全。如需要验证某人的身份，以防止非法分子进入小区、办公楼等地方盗取物主财产，但使用人工识别，其识别速
本科毕业设计说明书(论文) 第 2 页共 27 页度慢而且容易发生遗漏，而人脸识别技术可以由机器完成这种反复而简单的验证工作，从而实现自动化智能管理。
(3)在考勤方面，由于人脸的无法替代性，可以提供准确的考勤记录，杜绝了打卡考勤机的代打卡现象，具有可远程管理，识别速度快等优点，并且不论识别是否成功，被识别人的图像都会被记录下来，方便以后查验。
(4)在网络安全方面，当使用信用卡进行网络支付时，人脸识别系统可以有效的防止他人冒用信用卡。
(5)在金融方面，由于人脸的唯一性，同时又由于金融业务涉及客户的经济机密，故采用人脸识别能够很好的保护这些机密。而人脸识别在金融业的应用的不断增长也证明了它的安全性。
1.3 人脸识别技术的主要问题
人脸识别虽然有着巨大的应用价值，但也存在一些问题需要解决。在日常生活中，人们可以毫不费力的识别人脸，但是对于计算机来说，却存在着巨大的困难。这种困难主要是人脸形态的多样性和环境的复杂性造成的，同时也有计算机本身的学习能力的问题，这些问题主要体现在以下几个方面:
(1)人脸特征稳定性较差
由于人脸是一个可塑的、三维的可变形体，用数学模型很难描述，且当受到年龄、化妆、表情以及意外伤害等因素的影响后，会使采集到的人脸图像发生较大的变化。
(2)人脸受外界因素影响大
人脸图像采集时会受到不同的光照条件、面部方向、采集视角等因素的影响，使得同一个人的人脸图像在不同的条件下产生很大的差异，这些因素提高了人脸识别算法的要求。
(3)人脸图像的质量问题
人脸图像的来源很多，但最普通的来源是摄像头，由于摄像设备的不同，得到的人脸图像质量也不相同。现在的人脸识别主要是针对高质量的图像。
(4)人脸图像受相似问题的影响
众所周知，人类的面孔虽然各不相同，但是由于人口基数大，导致经常出现相似面孔，即二者之间的差距非常小，这使得利用机器来识别这种差距非常小的人脸具有相当大的难度。
上述问题表明，所采集到的人脸图像具有复杂性和多变性，这就提高了人脸识别
本科毕业设计说明书(论文) 第 3 页共 27 页的难度，而如何消除这些影响以及如何提高识别精度成为了现在和未来的研究主题。 1.4 论文结构安排本文分为五个章节，每章具体情况如下:
第一章简要叙述了人脸识别的研究背景及其应用，概要分析了人脸识别面临的问题。
第二章介绍了在进行人脸识别前的图像处理。
第三章简要介绍了关于人脸识别的一些基础理论。
第四章首先分别介绍了PCA算法和LDA算法，然后分析了两种算法融合的意义，并提出了PCA+LDA的融合算法。
第五章采用PCA+LDA融合算法在人脸库ORL和YALE上进行人脸识别，并分析了实验结果。
本科毕业设计说明书(论文) 第 4 页共 27 页 2 人脸图像的预处理
2.1 人脸图像的灰度化处理
日常所采集到的人脸图像通常为彩色图像，而彩色图像是由红(R)、绿(G)、蓝(B)三种基本颜色构成的，使得识别计算复杂，不利于识别的进行，所以要进行灰度化处[4]理。
灰度化就是使得红、绿、蓝三色取相同值，此时的像素值就是灰度值。由于像素的灰度值存放在一个字节中，因此变化范围只有0-255。由于点与点之间的灰度程度不同，因此使得图像表现出颜色深度。对彩色图像的灰度处理，一般采用下列方法:
(1)分量法
将彩色图像的R、G、B中某一个的值作为灰度值，公式如下:
(2.1) ，，，，fi,j,Ri,j1
(2.2) ，，，，fi,j,Gi,j2
，，，， (2.3) fi,j,Bi,j3
(2)最大值法
将彩色图像三种基本颜色红、绿、蓝中亮度最大的值作为灰度值，公式如下: ，，，，，，，，，， (2.4) fi,j,MAXRi,j,Gi,j,Bi,j
(3)平均值法
将彩色图像三种基本颜色红、绿、蓝的平均值作为灰度值，公式如下:
，，，，，，，，，， (2.5) fi,j,Ri,j，Gi,j，Bi,j3
(4)加权平均法
根据三种基本色在人眼中的敏感性，以不同的权值进行加权平均。由于人眼对绿色的敏感最高故权值最大，对蓝色敏感最低故权值最小，故其公式如下: ，，，，，，，， (2.6) fi,j,0.30Ri,j，0.59Gi,j，0.11Bi,j
灰度图的出现降低了计算的繁琐程度，使得计算速度与最终的图像识别的准确度有了很大的提高。
本科毕业设计说明书(论文) 第 5 页共 27 页 2.2 人脸图像的平滑去噪
人脸图像的采集和传输过程中，图像信号不可避免的会受到噪声的影响，这将影响到系统对图像信息的分析和理解。一般来说，出现位置随机，幅值基本相同的噪声为椒盐噪声，而位置一定的，幅值是随机的噪声为高斯噪声。
由于噪声对图像的采集和处理有着一定的影响，使得图像的识别准确度降低，因此对图像进行去噪的处理就显得非常必要了。图像平滑去噪的理想状态是保持图像的边界和细节的同时，去除图像噪声，也是现在去噪研究的重点。
图像的成像模型可描述为:
(2.7) ，，，，，，gx,y,fx,y，nx,y
其中是理想图像，是实际图像，为噪声。图像的去噪问题，，，，，，
fx,ygx,ynx,y
就是找到一个算子，使得: F:R,R
(2.8) ，，，，，，Fgx,y,fx,y
[5]图像去噪的主流方法有三种:均值滤波、中值滤波、维纳滤波。 2.2.1 均值滤波
(1)均值滤波原理
均值滤波的基本思想是用目标像素周围的八个像素的平均值来取代目标像素的值，其主要方法是领域平均法。
假定图像，，有个像素，则平滑处理后的，，为: fx,ygx,y,，,
1 (2.9) ,，，，，gx,yfx,y,,，，i,j,S
式中，，,是，，点周围点的坐标的集合，但其中不包括本x,y,0,1,2,3？？x,yNS
,，，身，是集合内的坐标点的总数。由上式可知，图像中每个像素的值都是由gx,y
，，这个点周围的几个像素值的平均值决定的。 x,y
(2)均值滤波的改进算法
虽然均值滤波对噪声有一定的抑制作用，但是效果仍然不理想，其最主要的问题是:由于它对所有的点都是同等对待，所以它将噪声点分摊的同时，也将图像的边界分摊了，这就使得图像变的模糊，且模糊程度与领域半径成正比。加权平均法是改进
本科毕业设计说明书(论文) 第 6 页共 27 页后的典型算法，该算法可如下表示:
(2.10) ，，，，，，gx,y,,x,yfi,j,，，i,j,S
式中，是权值，表示该点所起作用的大小。，，,i,j
不论是均值滤波还是加权平均法，它们都丢失了图像的边界信息。为了改善这一状况，提出了中值滤波。
2.2.2 中值滤波
中值滤波法是以选定的像素为中心，对该像素周围的像素按值进行排序，排序后取中间的像素值为选定的像素的值。表示如下:
(2.11) ,,V,mediana,a,a,？？,aout123n
式中，是领域中各点的灰度值，所以中值滤波后的是以，，
a,a,a,？？,agx,y123n
为中心的领域的各像素的中间值，因此能够在消除噪声的同时，较好的保，，x,y,，,
存边界信息。
对于椒盐噪声，由于其幅值是基本相同的，但分布是随机的，即图像中有干净
点也有污染点，而中值滤波的方法就是选择合适的点代替污染点的值，故去噪效果好。而均值滤波则由于噪声的均值不为0，故不能很好的除去噪声。
对于高斯噪声，由于其幅值近似正态分布，但分布点是一定的，即图像中的每
点都是污染点，所以中值滤波的方法对于高斯噪声来说是无法选择到干净点来代替污染点的，故去噪效果差。而因为正态分布的均值为0，故均值滤波的去噪效果
好。 2.2.3 维纳滤波
[6]最早最经典的图像修复方法是维纳滤波法。首先计算图像像素的均值
和，，fx,y方差，公式如下:
,,1 (2.12) ,，，nnx,y,,,,xy11,,
2,,12 (2.13) ,,，，,,nx,y,n,,n,,xy11,,
,式中，，，表示噪声，和分别为图像的行数和列数，为噪声的均值表示nx,y,, 图像中噪声的总体强度，则根据维纳滤波器估计出的图像灰度值为:
本科毕业设计说明书(论文) 第 7 页共 27 页
22,,, (2.14) ，，，，，，bx,y,n，nx,y,n2,
222其中，是图像的总方差，是局部方差。越大，去除噪声的效果就越好，,,, 反之噪声的去除效果就越差。
适应面广是维纳滤波器的优点，但是其缺点也很明显，就是使用维纳滤波器要
先得到半无限时间区内的全部数据，这点以现在的技术很难做到。所以实际中维纳滤波器并不常用。
2.3 人脸图像的归一化处理
[7]图像的归一化就是将图像转化成统一的标准形式的过程。通过对图像进行标准化处理，以此消除其它因素对图像识别的影响。
人脸图像在经过灰度化、平滑去噪后仍然存在着一些问题，如:头部的倾斜、偏转、光照、距离以及表情等，这些因素都会使得识别率下降。而人脸图像的归一化目的就是使人脸图像经过处理后取得同样大小的尺寸，且灰度范围取值也相同的标准化图像，即使得受不良因素影响的同一个人的不同照片具有同一个标准，从而消除不良影响，提高识别率。人脸图像的归一化主要对图像几何和灰度进行修正。
2.3.1 几何归一化
几何归一化是为了消除人脸位置、大小和角度的不同所造成的影响，使人脸图像具有一定程度上的几何不变性。因此，几何归一化又称为位置校正。因为瞳孔间的距离受不良因素的影响较小，所以通常被作为几何归一化的标准。
一般来说，几何归一化主要经过以下两个步骤，如图2.1、2.2所示。
(1)图像旋转
由于人脸图像在采集时多少会出现一定的倾斜，因此要将图像进行旋转，使得两眼之间的连线保持水平。具体做法是，确定两眼之间的连线，然后计算出连线与水平线之间的角度，再根据角度将图像在平面内进行旋转。
(2)尺度归一化
计算出每幅图像人脸两眼的距离，再根据求得的数据计算人脸两眼距离的平均值，按照平均值对图像进行适当的缩放，从而使得每幅图像的尺度基本相同。
本科毕业设计说明书(论文) 第 8 页共 27 页
图2.1 处理前的原图
图2.2 处理后的图像
2.3.2 灰度归一化
经过几何归一化后的人脸图像尚未消除不同光照所造成的影响，故需要经过进一步的处理，即灰度归一化。其原理是调整人脸图像的灰度，使得图像的对比加深，从而使得人脸图像的特征更加明显。
灰度归一化的经典方法是直方图均衡化。通过对图像的处理，使得灰度级增加，从而提高对比度，使得图像更加清晰。所以本质上来说，灰度归一化就是增加灰度级。
设为总像素数，为第,灰度级的像素数，表示第,个灰度级，表示灰度rLn,kk 级总数，则该灰度级出现的概率，，的计算式为: ,rk
nk,, (2.15) ，，rk,
直方图均衡化处理公式为:
,,nk,,,, (2.16) ，，()krri,,,i0i0,,
原第K灰度级的像素经过直方图变换后的灰度级为:
，， (2.17) ,,L，,k
由于图像的均值和方差与其直方图密切相关，图像的均值反映了图像的平均亮度，而方差则反映了亮度的变化，所以通过计算图像的均值和方差来验证和比较处理前和处理后的效果。
图像的均值为:
本科毕业设计说明书(论文) 第 9 页共 27 页
WH1 (2.18) ，，,,,i,j,,W，H,,11ii
图像的方差为:
2WH12 (2.19) ,,，，,,,i,j,,,,W，H,,ii11
如下图2.3、2.4所示，为直方图均衡化前后的图像与直方图的比较。
图2.3 处理前的原始图像和其直方图
图2.4 处理后的图像和其直方图
本科毕业设计说明书(论文) 第 10 页共 27 页 3 人脸识别的相关理论
3.1 人脸识别的基本原理
识别技术分为广义的和狭义的。广义的是指人脸图像的采集、人脸识别预处理、人脸定位、身份确认以及身份查找等。狭义的是指仅对个人的身份进行识别的人脸识别。而特征的提取是识别技术的核心。上文介绍的人脸图像的处理就是为了使计算机能够更好的提取人脸特征而作准备，而人脸识别也是根据特征来进行的。
3.1.1 人脸特征提取
人脸在计算机中能够表现为不同的灰度值矩阵，人脸识别就是通过比较不同图像的矩阵来进行图像的识别，因此，如何很好的描述人脸成为了关键的问题。但是
人脸的数据量十分庞大，如果尽数提取就会使得计算的代价非常高，如何降低数据量，提高识别效率成为了研究的重点，对此研究人员提出了人脸特征提取。人脸特征包括鼻梁、眉骨、下巴、眼睛、鼻子、耳朵等，对这些特征进行提取的同时，也达到了对人脸矩阵的降维，保证了识别率的同时，提高了识别效率。所以，识别算法的好坏要根据特征脸的提取来判断。
人脸特征的提取可以看作一种变换，设,表示原始数据的高维空间，,是特征空间，则提取的过程为如下映射:
(3.1) F:,,,
理论上，训练样本(人脸图像)的数目越多，特征提取的效果就越好。
[8]代数方法的特征提取是人脸特征提取方法中较为常用的，其中最常用的方法是特征脸方法。
,,设为图像的特征向量，为图像维数，则的协方差矩阵为: C,x
,，，，， (3.2) ,,,,C,,,,,,,,,x
，，式中，图像的特征平均值为。 ,,
通过这种变换后，原始图像的矩阵就会转换成一个矩阵维数较低，但仍然能够代表原始图像的新矩阵。利用这种方法，避过了面部器官等特征，从而避免了表情的影响，但样本数目是制约该方法优劣的一个重要因素。
3.1.2 特征的匹配与分类
在提取完特征后，通过何种方法比较人脸图像，并通过何种方法对人脸特征进行
本科毕业设计说明书(论文) 第 11 页共 27 页判别和分类也是一个非常重要的方面。
(1)相似性度量
常用的相似性度量准则有:
(a)欧氏距离
n2 (3.3) dxyxy，，,,,,，，xy,,ii,1i
(b)马氏距离
nxyii (3.4) ，，,,dxy,,,1ii
其中,是第个特征值，对应第个特征向量。 ii,i
(c)绝对值距离
n
，， (3.5) dx,y,x,y,ii,1i
(d)余弦距离
n
xy,iixy,,1i (3.6) dxy，，,,,nnxy22xy,,ii,1,1ii
除以上几个常用的方法外，还有明式准则、欧氏距离平方、均方误差以及相关系数法。
(2)常用分类器
常用的分类器分为距离分类器和统计学习分类器。按照距离的分类器有如下几种:
(a)最小距离分类器:使用最小距离分类器需要知道训练样本的类的平均点，将测试样本(待识别样本)归为与其距离最近的点所在的类。
(b)最近邻分类器:该分类器需要预先将训练样本分类，然后计算测试样本与训练样本的距离，则测试样本就属于与其距离最近的训练样本所在的类。
(c)K-近邻分类器:K近邻分类器是典型的非参数分类器，不需要学习或训练，也不需要确定参数，只需确定测试样本与训练样本的K个近邻中的哪个近邻相似度最高，就可将测试样本划分为该近邻所在的类。
本科毕业设计说明书(论文) 第 12 页共 27 页 3.2 人脸识别的常用训练与测试模式
3.2.1 训练模式
[9]在人脸识别的训练阶段，一般需要以下几个数据集合:
(1)训练集
已经确定身份的图像所组成的集合就是训练集。利用该训练集合对人脸识别的算法进行测试，从而改正和改进人脸识别的算法，调整算法中的参数，以达到最佳识别的效果。
(2)参照集
参照集是人脸原型的集合。主要通过其与测试样本的比较来完成测试。实验数据较少时，将训练集作为参照集。
(3)测试集
测试集是原集外或者原集中除参照集以外的人脸图片。用来测试识别系统的正确性。
3.2.2 测试模式
(1)开集测试:主要判断输入的图像在原集中是否存在，若存在，则给出结果。大规模的人脸库一般采用该方法。
(2)闭集测试:这种测试不用判断输入的图像在原集中是否存在，只需给出最后的识别结果即可。小规模的人脸库多采用该方法。
(3)单样本测试:这种测试指的是训练集中每类的样本图片数目只有1幅。在样本数量有限或难以获得的情况下，这种方法比较常用。
(4)多样本测试:该测试指的是训练集中每类的样本图片数目至少有2幅。所以样本充足时，采用该方法效果较好。
3.3 人脸识别的主流数据库
人脸识别同样受到人脸库的影响，优秀的人脸库不仅能提高识别率，同时使得
识
[10]别结果具有说服力。对此，研究人员不停的更新和建立人脸库。目前主流
数据库有FERET人脸库、ORL人脸库、YALE人脸库、XM2VTS人脸库、CAS-PEAL人
脸库和MIT人脸库等。其中，FERET人脸库是由美国军方制作的，是目前世界上最
权威的人脸库，而ORL人脸库是由英国剑桥大学研究设计的，是目前使用最多的人
脸库。
本科毕业设计说明书(论文) 第 13 页共 27 页 3.4 人脸识别的评价标准
人脸识别最终要应用到现实生活中，所以对于一个识别算法的优劣，主要考虑
算法的识别率和识别时间两方面。而算法的优劣由识别率决定，算法的实用性则由
识别时间来衡量。
3.4.1 识别准确率
[11]通常采用下列几个指标对人脸识别系统的精度进行评价:
(1)拒识率(FRR):指系统将正确图像当成错误图像的概率，其公式如下:
错误拒识数 (3.7) FRR,，100%总识别次数
(2)误识率(FAR):指系统将错误图像当成正确图像的概率，其公式如下:
错误识别数 (3.8) FAR,，100%错误人脸识别总次数
(3)总体正确识别率:正确识别的图像数目在总图像数目中的比例，其公式如下:
正确识别数 (3.9) Accuracy,，100%全部样本总数
3.4.2 识别时间
众所周知，人脸识别算法的研究最终要回归到实际的应用中，因此，一个识别
算法的运行时间的长短也影响着其能否真正的运用到现实中。
人脸识别的时间由两部分组成:一是人脸识别系统对训练集进行处理，产生判
别向量所需要的时间;二是人脸识别系统将测试样本向由判别向量组成的低维子空
间投影，形成投影系数，并最终得出结果所需要的时间。其中，第二方面是识别算法能否在现实中使用的决定因素。
本科毕业设计说明书(论文) 第 14 页共 27 页 4 基于PCA和LDA融合的人脸识别算法
4.1 基于PCA的人脸识别方法
4.1.1 概述
[12]主成分分析(PCA)又称K-L变换。通过线性变换，从众多数据中选出能够代表整体的少数数据的一种统计分析方法，是特征提取的一个经典算法。其目的在于，从人脸图像的数据组成的矩阵中提取出最能代表该矩阵，且含有数据较少的新矩阵，以达到缩小庞大的原矩阵的目的。
4.1.2 特征脸算法
(1)特征脸的原理
特征脸算法是来自PCA算法的经典识别算法。特征脸算法的识别过程是先将训练样本中的图像投影到特征脸子空间上，然后将测试样本的人脸图像也投影到特征脸子空间上，最后对所得的数据进行对比，具体步骤如下:
(a)获得训练集，并计算图像集的特征脸，存储到模板库中;
(b)输入另外的人脸图像，保存其到特征脸上的投影数据;
(c)利用相似度准则判断输入的图像是否属于人脸;
(d)若为人脸，再次利用分类器准则判断该人脸属于哪个人。
(2)特征脸的计算
设有大小为的维列向量的人脸图像，则图集为,,，，，,i,1,？？,,m，
nfx,y,i
,其中，为图像总数，则其平均向量为:
,1 ,,, (4.1) ,i,i1,
则人脸与平均人脸之间的差为: ,,i
，， (4.2) ,,,,,,i,1,？？,,ii
训练样本的协方差矩阵为:
,1,,，，，， C,,,,,,,,,, (4.3) ,xii,1i,
式中，,,。 ,,,,？？,,1,
本科毕业设计说明书(论文) 第 15 页共 27 页
由上述公式可知，由协方差矩阵的求解特征值和特征向量。 Cx
特征脸向量为，在对其进行归一化处理后即可获得特征脸，下式，，
ui,1,？？,,i
为归一化公式:
ui (4.4) w,,i,1,2,？？,,iui
此时，所获得的特征向量组成的特征脸空间非常大，需要缩小其数据量。首先降序排列特征值，则特征脸子空间由前个特征值所对应的特征向量组成。 , 特征值为，，特征向量，，，，，,i,1,2,？,N,,,,？,,ui,1,2,？,kii12k 则:
,，，i,,,,,
,,,,, ， (4.5) ,,U,u？u1k,,,,,
,,,k，，
将训练集中的人脸图像投影到特征脸子空间上，该投影为: ,
, (4.6) y,U,
[13]常用的5种特征值提取法有:(1)标准空间投影法;(2)保留前面的90%的特征向量法;(3)能量维数法;(4)扩展维数法;(5)去掉最大特征值法。其中，最常用的是能量维数法，即选取的特征值数目应满足下式:
k
,,ii,1 (4.7) e,,,,k,
,,jj,1
该方法的思想是，不停的计算前，，个特征值之和与总特征值之和的
ii,1,2,？？,,
比值，当这个比值大于某个阈值时，就认为此时的特征值数目是所需要的能够代表,,
整体的最少的特征值数目。
(3)特征脸的识别过程
训练和识别两个阶段组成了特征脸算法的识别过程。在训练阶段，将每个训练集
,中的人脸图像投影到特征脸子空间上，得到降维后的特征脸的维数为，其计算,i
本科毕业设计说明书(论文) 第 16 页共 27 页公式如下:
, (4.8) ，，，，,,U,,,,i,1,2,？？,,ii
式中，第个人脸测试的结果就是。而在识别阶段，主要完成训练集中的人
脸,ii
图像到特征脸子空间的投影，同样得到维向量: ,,
, (4.9) ，，,,U,,,
由于已知图像组成了训练样本，故人脸识别实际是求解测试样本中人脸图像的分类问题。通常，都是选择一种合适的分类器准则来判断测试样本的归类，该准则应使得识别率最高。
每个人脸图像在空间中都是一个点，则同一个人的图像点就集中在一个有限的区域里，而不同的人的图像点在不同的区域里。所以，通过计算两点之间距离的远
近就可以知道人脸样本属于哪一个人。式(3.3)中的为特征空间的维数，由该式可知，若n
它们属于同一个人的不同人脸图像，则应是比较小的，反之应该比较大。，，，，dx,ydx,y
先求解训练样本中的各个人脸图像的距离，采用欧氏距离算法:
1 (4.10) ,,，，,,,,,,j,k,1,2,？？,,cjkmax2,jk
则待测的图像与已知的人脸集的距离为:
，， (4.11) ,,,,,,i,1,2,？？,,ii
最后，只要判断是否小于计算得到的，就可以判断该图像属于哪个人。 ,,ic
4.2 基于LDA的人脸识别方法
4.2.1 概述
[14]线性判别分析(LDA)又称为Fisherface线性判别分析，其目的是提取低维
的特征空间来代表原高维的特征空间。通过这种方法使得同类内的样本尽可能的集中在一起，不同类内的样本尽可能的远离。
4.2.2 传统LDA算法
(1)算法原理
n设集合内的样本有个，且每个样本为维，样本共分为类，其x,x,？？,xc,12, 中类有个样本，类有个样本，则该样本的类内散布矩阵、类间散布
矩,,,,S1221w
本科毕业设计说明书(论文) 第 17 页共 27 页阵和总体散布矩阵为分别为: SSbt
,ci,1 (4.12) ，，，，，，S,,,x,xx,x,,wiijiiji,11ij,,i
c, ，，，， (4.13) ，，S,,,x,xx,x,biiii1,
(4.14) S,S，Stwb
式中，第类样本的第个样本为，第类样本的平均值为，为总体样本,xxiixijii 均值，为第类样本的先验概率，一般取。，，,,1cii
线性判别准则函数定义为: J
,WSWb JW (4.15) ，，,,WSWw
投影后，为了达到同类内的样本聚集，而不同类内的样本分开的要求，就要使类内离散度尽量的小，而类间离散度尽量的大，即式(4.15)取得最大值的时候的向量W就是所求的最佳投影方向，且满足如下等式的解。 W
，， (4.16) SW,,SW,i,1,2,？？,mbiiwi
(2)同时对角化
求一个矩阵,，使得和同时对角化，公式为: SSwb
,, (4.17) ,S,,,,,S,,,wb
式中，,为对角线上的元素降序排列的对角矩阵。
4.2.3 基于核的LDA算法
核LDA算法是研究人员在LDA的基础上，提出的对人脸识别等非线性分类问题有良好解决能力的改进算法。
设样本特征空间的维数为，样本分类数为，为第类样本数，则每个样本,dCii iii表示为,,，训练样本总数为。定义非线性映射
X,x,x,？？,x,i,1,2,？,C,i12Ni
dF，，，，，其中为映射特征空间，维数为，则第映射类为: ,x:x,R,,x,Fdfi iii,,，，，，，，，， (4.18) ,,,,,,,,,？,,,1i2,i
本科毕业设计说明书(论文) 第 18 页共 27 页
则，映射类的均值和总体均值分别为: ，，,,i
,i1i (4.19) ，，m,,x,ij,j1,i
,Ci1i (4.20) ，，m,,x,,j,,11,iji
、矩阵和矩阵的求解公式分别为: 则矩阵SSSwbt
,ci1,, (4.21) ，，，，，，，，S,,x,m,x,m,,,,,wiiww,11ij,,
c1,, (4.22) ，，，，S,,m,mm,m,,,,biiibb,1i,
式中:
CC1122 (4.23) ,,,,,,？,,,,,？,,,？,,,？,,w1,1,1,12Cdf，,
1ii ,,，，,，，x,m (4.24) jji,
(4.25) ,,,,j,？,j1bCdf，C
,i ，， (4.26) j,m,mii,
则，核Fisher准则为:
,trWSW，，b (4.27) JW，，,,，，trWSWw
使式(4.27)取得最大值的向量，即为所求的最佳投影空间，而该向量的列向量W
形成的图像成为“Fisherfaces”。
4.2.4 直接LDA算法
[15]前文提到的同时对角化是直接LDA算法的核心。算法的关键是保存特征空间中
的有用信息，同时去掉无用信息。即保留中的零特征值，同时，去掉矩阵中的SSwb
零特征值。具体的步骤如下:
V(1)求使得对角化的矩阵: Sb
, (4.28) VSV,,b
本科毕业设计说明书(论文) 第 19 页共 27 页
,其中，，为对角线上的元素降序排列的对角矩阵。故一个特征向量表,VV,, 示为矩阵中的一列，且所有的特征值都在中。 ,V
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。
基于opencv和dlib的人脸识别智能考 勤系统毕业论文 引言 智能考勤系统在现代管理中起到了重要的作用。传统的考勤方式存在诸多问题，如易伪造、低效率等。人脸识别技术作为一种高效准确的生物特征识别技术，被广泛应用于智能考勤系统中，为解决传统考勤方式的问题提供了新的解决方案。 本文将基于opencv和dlib开源库，研究并设计一种基于人脸识别的智能考勤系统。通过分析人脸特征，建立人脸识别模型，并结合考勤系统的需求，实现对员工的自动识别和考勤管理。该系统将提高考勤的准确性和效率，减少传统考勤方式所带来的问题。 在本论文中，我们将介绍智能考勤系统的背景和意义，探讨人脸识别在智能考勤中的应用价值。通过研究和实践，我们希望为智能考勤系统的开发和应用提供有益的参考。 论文结构 本论文将分为以下几个部分： 引言：介绍智能考勤系统的背景和意义，以及人脸识别在智能考勤中的应用价值。
相关技术综述：综述人脸识别技术和智能考勤系统的相关技术，包括opencv和dlib的基本原理和应用。 智能考勤系统设计：详细介绍基于___和dlib的人脸识别智能 考勤系统的设计思路和实现方法。 实验与结果分析：通过实验验证系统的性能和准确性，并对结 果进行详细分析和讨论。 总结和展望：总结本论文的研究工作，对智能考勤系统的发展 趋势和未来工作进行展望。 通过以上结构的论述，旨在全面介绍基于___和dlib的人脸识 别智能考勤系统的设计与应用，为相关研究和实践提供有益的参考。 本章将介绍OpenCV和dlib的基本原理和功能，以及它们在人脸识别领域的应用。 OpenCV（开放源代码计算机视觉库） OpenCV是一种开源的计算机视觉库，它提供了一系列用于处 理图像和视频的函数和算法。OpenCV可以在多个平台上运行，并 支持多种编程语言。 在人脸识别中，OpenCV提供了丰富的功能和方法。它可以用 于检测人脸、识别人脸特征、比较人脸相似度等。OpenCV使用了
人脸识别毕业论文 人脸识别：技术的进步与隐私的考量 人脸识别技术是近年来快速发展的一项领域，它的应用范围涉及到安全监控、 身份验证、智能手机解锁等诸多领域。然而，随着这项技术的普及和应用，人 们开始关注其中的隐私问题。本文将探讨人脸识别技术的发展、应用场景以及 对隐私的影响。 一、人脸识别技术的发展 人脸识别技术源于计算机视觉领域，其目的是通过分析和识别人脸图像中的特征，来实现对人脸的自动识别。随着计算机硬件和算法的不断改进，人脸识别 技术在准确度和速度方面取得了巨大的突破。现在，人脸识别技术已经广泛应 用于安全监控、边境检查、身份验证等领域。 二、人脸识别技术的应用场景 1. 安全监控：人脸识别技术在安全监控领域具有重要的应用。通过将人脸图像 与数据库中的照片进行比对，可以实现对特定人员的追踪和监控。这种技术在 公共场所的安全保障方面发挥了重要作用。 2. 身份验证：人脸识别技术在身份验证领域也得到了广泛应用。无论是解锁智 能手机还是进入某些场所，人脸识别技术都可以提供一种便捷的身份验证方式，取代传统的密码或卡片。 3. 人机交互：人脸识别技术还可以用于改善人机交互体验。例如，智能电视可 以通过人脸识别技术自动调整画面亮度和音量，以适应观看者的需求。 三、人脸识别技术对隐私的影响 尽管人脸识别技术在许多领域都带来了便利和安全，但它也引发了人们对隐私
的担忧。首先，人脸识别技术需要大量的个人生物信息，如面部特征和身份信息，这可能会导致这些信息被滥用或泄露。其次，人脸识别技术的准确度和误识率仍然存在一定的问题，可能会导致误认和冤假错案的发生。此外，人脸识别技术的使用范围越来越广泛，可能会对个人的行踪和习惯进行跟踪和分析，进一步侵犯个人隐私。 面对这些问题，我们需要在技术发展和隐私保护之间寻求平衡。一方面，政府和企业应加强对人脸识别技术的监管和管理，确保其合法、合规的使用。另一方面，个人也应提高自身的隐私保护意识，避免随意泄露个人生物信息。四、结语 人脸识别技术作为一项前沿的技术，给我们的生活带来了便利和安全。然而，随之而来的隐私问题也需要引起我们的重视。只有在技术发展和隐私保护之间取得平衡，人脸识别技术才能更好地为社会服务，并得到广泛的应用。
改进LBP的人脸识别算法研究毕业论文 改进LBP的人脸识别算法研究毕业论文 目录 摘要................................................................... - 1 - ABSTRACT................................................................. - 1 - 第一章绪论............................................................. - 3 - 第一节课题的研究背景及意义.......................................... - 3 - 一、生物识别技术................................................ - 3 - 二、生物识别的过程.............................................. - 4 - 第二节人脸识别技术概况.............................................. - 5 - 一、人脸识别技术国外现状........................................ - 5 - 二、人脸识别的难点和研究意义.................................... - 6 - 第三节人脸识别算法分类.............................................. - 6 - 第四节本文的研究容及组织............................................ - 7 - 一、本文主要研究容.............................................. - 7 - 二、本文组织安排................................................ - 8 - 第二章 LBP 算子基本原理及应用............................................ - 9 - 第一节LBP 算子概述.................................................. - 9 - 一、纹理概述.................................................... - 9 - 二、 LBP 算子.................................................... - 9 - 第二节 LBP 的特点................................................... - 11 - 第三节 LBP 算子的发展和演化......................................... - 12 - 一、 LGBP ....................................................... - 12 - 二、 LTP ........................................................ - 13 - 第四节小结......................................................... - 14 - 第三章LMCP 方法........................................................ - 15 - 第一节LBP方法的缺点............................................... - 15 - 第二节获取LMCP特征................................................ - 15 - 第三节将LMCP特征用于人脸识别...................................... - 16 - 弄的和你上面的目录一样你的重点是这
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。
人脸识别技术毕业论文 本科毕业设计说明书(论文) 第 1 页共 27 页 1 引言 1.1 研究背景和意义 随着社会的进步，对身份识别技术的需求越来越大。尤其在安全、经济以及商贸 [1]等领域，这种识别技术的需求更是无处不在。即使在生活中，我们也要经常验证或被验证他人或自己的身份来保证我们的人身、财产以及信息的安全。如今，社会在不断的进步，社会的生产、生活等方面也有了很大的提高，这就使得对人们身份的认证有了更高的要求。传统的个人身份识别主要是通过其本身的标识物品等方式来实现的，如证件、口令或钥匙等。这些传统识别方法很容易被忘记或者被伪造，而且它们更无法区别所有人与冒充者，他人获得后也可以拥有相同的权利，从而使得真正的持有者蒙受巨大的损失。例如，当他人获得自己的银行卡和密码后就可以通过自动取款机来盗取金钱。基于这些原因，使得传统识别方法已经跟不上时代的脚步，满足不了当代人们的安全需求。而人们本身拥有的面部特征、指纹、虹膜等都能够唯一的标识个人的身份。这些属性具有固定不变性和个体差异，利用这一属性可以有效的、可靠的、稳定的对个人身份进行识别，而基于面部特征的识别相对于基于其它特征的识别更容易实现，也更容易被接受，从而被广泛的研究与应用。该技术在现代社会具有非常重大的研究意义，例如，通过人脸识别确认犯罪分子。另外采用人脸识别设计的自动取款机，通过人脸识别来判断用户是否为本人。人脸识别的出现使得人们的信息和财产的安全有了很大的提高。 人脸识别涵盖了图像处理、模式识别、神经网络、计算机视觉、生理学以及数学等诸多学科，是一项非常综合的技术，它的应用正随着社会的进步与日俱增。1.2 人脸识别技术的应用
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/6d19010444.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
人脸识别技术综述 [摘要]随着社会信息化，网络化得不断发展，个人身份趋于数字化，隐性化，如何准确的鉴定，确保信息安全得到越来越多的重视。人脸识别，一种应用比较广泛的生物识别方法，在基于人脸固有的生物特征信息，利用模式识别和图行图像处理技术来对个人身份进行鉴定，在国家安全，计算机交互，家庭娱乐等其他很多领域发挥着举足轻重的作用，能提高办事效率，防止社会犯罪等，有着重大的经济和社会意义。 本文主要研究了人脸识别在图像检测识别方面的一些常用的方法。由于图像处理的好坏直接影响着定位和识别的准确率，因此本文对图像的一些识别算法做了着重的介绍，例如基于二维Gabor小波矩阵表征人脸的识别算法，基于模型匹配人脸识别算法等。此外，本文还提及了一般人脸识别系统的设计，并着重介绍了图像预处理环节的光线补偿，图像灰度化等技术，使图像预处理模块在图像处理过程中能取到良好的作用，提高图像识别和定位的准确率。 [主题词]：人脸识别；特征提取；图像预处理；光线补偿 1.3国内外现状与趋势 1.3.1 人脸识别的发展阶段[1] 第一阶段（1964年----1990年） 该阶段人脸识别技术还只是作为一个一般性的模式识别问题来研究，基于人脸几何结构特征（Geometric feature based）的方法是该阶段主要的技术方案。在剪影（Profile）方面，人们大量研究了面部剪影曲线的结构特征，提取并分析。布莱索（Bledsoe），戈登斯泰因（Goldstein）、哈蒙（Harmon）以及金出武雄(Kanade Takeo)等是较早从事自动人脸识别AFR研究的研究人员。总的说来，该阶段是人脸识别研究的初级阶段，没有多少很重要的成果，也基本没有获得什么实际应用。 第二阶段（1991年-----1997年） 该阶段尽管时间比较短暂，但却是人脸识别研究的高峰期，取得了很多成果，比如诞生了一些代表性的人脸识别算法，并出现了一些商业化运作的人脸识别系统（比如较著名的Visionics的FaceIt系统）。 麻省理工学院（MIT）的媒体实验室的潘特兰德（Pentland）和特克（Turk）提出的“特征脸”方法，是该时期最负盛名的人脸识别方法。在这之后的很多人脸识别技术或多或少都与特征脸有关系，而如今的特征脸已经和归一化的协相关量(Normalized Correlation)方法一起成为人脸识别的性能测试基准算法。 当然，这个阶段还提出了人脸识别中的另一种重要方法——弹性图匹配技术(Elastic Graph Matching，EGM)。它的基本思想是利用一个属性图来描述人脸：属性图顶点代表面部关键特征点，相应特征点处的多分辨率、多方向局部特征为属性——称为Jet。对任一输入的人脸图像，弹性图匹配技术是先通过一种优化搜索策略，再来定位预先定义的若干面部关键特征点，与此同时提取它们的Jet特征，从而得到所输入图像的属
基于PCA的人脸识别算法实现毕业论文 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 (5) 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 (6) 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 (8) 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 (14) 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 (16) 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 (24) 五、PCA求解：特征根分解 (27) 六、PCA的假设 (28) 七、总结： (29) 八、在计算机视觉领域的应用 (31) 第二节基于PCA人脸识别算法的实现 (32) 一、创建数据库 (32) 二、计算特征脸 (33) 三、人脸识别 (35) 第三节本章小结 (37)
人脸识别技术的研究与设 计毕业论文 目录 摘要.............................................................. IV 第1章绪论 (1) 1.1引言 (1) 1.2国外研究现状与人脸识别的发展阶段 (2) 1.3人脸识别的研究容 (3) 1.4相关学科 (4) 1.5小结 (5) 第2章人脸检测技术研究 (6) 2.1人脸检测问题分类 (6) 2.2人脸模式特征提取法 (8) 2.2.1肤色特征 (8) 2.2.2 灰度特征 (8) 2.3人脸检测方法分类 (9) 2.3.1 基于知识的方法 (10) 2.3.2 基于统计模型的人脸检测方法 (11)
2.3.3 基于模板的方法 (15) 2.4小结 (16) 第3章基于隐马尔可夫模型HMM的人脸识别 (17) 3.1相关背景概念 (17) 3.2隐马尔可夫模型HMM构成元素 (18) 3.3隐马尔可夫模型HMM原理 (19) 3.4隐马尔可夫模型基本算法 (20) 3.4.1 前向－后向算法 (20) 3.4.2 维特比算法 (24) 3.4.3 Baum－Welch 算法 (25) 3.5隐马尔可夫模型在人脸识别中应用 (28) 3.5.1 人脸图像HMM模型状态的确定 (28) 3.5.2 观察值序列 (29) 3.5.3 基于离散余弦变换（DCT）的特征提取方法 (30) 3.5.4 HMM建模训练和人脸识别工作流程 (32) 3.6改进的隐马尔可夫模型在人脸识别中的应用 (35) 3.6.1 观察向量的提取 (35) 3.6.2 人脸参数训练 (35) 3.6.3 人脸的识别 (36) 3.7小结 (37) 第4章人脸识别系统设计与试验 (38)
人脸识别毕业论文 LELE was finally revised on the morning of December 16, 2020
毕业设计（论文） 题目名称：基于主成分分析（PCA）的人脸识别门禁软件开发 ----人脸识别院系名称：计算机学院 班级：计科092班 学号：200900814214 学生姓名：陈冠君 指导教师：陆筱霞 2013 年 6 月
基于主成分分析（PCA）的人脸识别门禁软件开发 ----人脸识别 Face recognition access control software development based on principal component analysis(PCA) --- - Face Recognition 院系名称：计算机学院 班级：计科092班 学号：200900814214 学生姓名：陈冠君 指导教师：陆筱霞 2013 年 6 月
中文摘要 随着安全入口控制需求的快速增长，生物统计识别技术得到了新的重视。由于人脸的易采集、非接触等优点使得人脸特征作为人生物特征应用受到越来越多的关注，其中最主要就是人脸识别。本文主要介绍一个人脸识别门禁系统的核心功能模块。 本文的设计是基于OpenCV库的，以VS2012软件作为开发工具，主要从需求分析，系统概要设计，关键技术、详细设计和实现几方面来介绍开发过程，最后进行运行测试。 在人脸检测基础上，提取人脸进行识别。在人脸识别方法上，本软件主要采用主成分分析法（PCA）。将大数据维度进行降维，投影到低维空间，利用欧氏距离计算置信度，达到阀值的训练数据作为判定识别标准。 关键词：人脸检测；人脸识别；主成分分析法（PCA）；
人脸识别毕业设计论文 人脸识别技术是一种通过计算机进行人脸的检测、分析和识别的技术。随着计算机技术的不断发展和应用的广泛，人脸识别技术被广泛应用于安 全监控、刑侦破案、人机交互等领域。本文将对人脸识别技术的原理、应 用和发展前景进行研究和分析。 首先，人脸识别技术的原理主要分为三个步骤：人脸检测、人脸特征 提取和人脸匹配。在人脸检测的过程中，通过对图像的分析和处理，确定 图像中是否存在人脸。接下来，在人脸特征提取的过程中，通过对检测到 的人脸进行分析，提取出人脸的特征信息，如眼睛、鼻子、嘴巴等特征点 的位置和尺寸。最后，在人脸匹配的过程中，将提取到的人脸特征与数据 库中的人脸特征进行比较和匹配，以确定人脸的身份。 其次，人脸识别技术在实际应用中有广泛的应用前景。首先，在安全 监控领域，人脸识别技术可以应用于公共场所的出入口监控、机场、地铁 等重要区域的安全检测等场景，提高安全性和便利性。另外，人脸识别技 术在刑侦破案方面也有重要的应用价值，可以帮助警方通过监控录像等材料，确定犯罪嫌疑人的身份，加快案件的破案速度。此外，人脸识别技术 还可以应用于人机交互领域，实现面部表情识别、情绪识别等，为用户提 供更加智能化、个性化的服务。 最后，人脸识别技术还面临一些挑战和问题。首先，人脸识别技术需 要大量的样本数据进行训练和学习，但目前公开的人脸库很少，导致训练 的准确度和鲁棒性较低。另外，人脸识别技术在复杂环境下的识别准确度 也存在一定的问题，如光线、角度、表情等因素的干扰。此外，人脸识别 技术的安全性也是一个值得关注的问题，例如人脸合成、伪造等攻击手段 的出现，可能影响识别系统的准确性和可靠性。
基于PCA的人脸识别算法研究毕业论文 目录 摘要 .................................................. 错误!未定义书签。Abstract .............................................. 错误!未定义书签。第1章绪论 .. (1) 1.1选题背景及意义 (1) 1.2国外研究现状 (2) 1.2.1 国外研究现状 (2) 1.2.2 国研究现状 (3) 1.3人脸识别技术的研究容与技术难点 (3) 1.3.1 人脸识别技术研究容 (3) 1.3.2 人脸识别技术研究难点 (3) 1.4本文研究容与结构安排 (4) 第2章人脸识别相关技术介绍 (5) 2.1系统概述 (5) 2.2人脸识别主要技术 (5) 2.2.1 二维人脸识别算法介绍 (5) 2.2.2 三维人脸识别算法介绍 (6) 2.3常用的人脸图像库 (6) 2.4人脸的特征提取 (7) 2.4.1 几何特征提取法 (7) 2.4.2 代数特征提取法 (8) 2.5本章小结 (10) 第3章基于PCA的人脸识别算法 (12) 3.1引言 (12) 3.2K-L变换 (12) 3.2.1 K-L变换原理 (13) 3.2.2 K-L变换性质 (14)
3.3SVD定理 (15) 3.4距离的计算 (17) 3.5基于PCA的人脸识别 (18) 3.5.1 人脸的表示 (18) 3.5.2 特征脸空间的构造 (18) 3.5.3 特征提取 (19) 3.5.4 人脸识别 (20) 3.6MATLAB仿真实现 (20) 3.7结果分析 (26) 3.8本章小结 (28) 第4章与基于Fisherface方法的特征提取原理对比 (29) 4.1PCA方法的优缺点 (29) 4.2基于Fisherface法的人脸特征提取理论介绍 (29) 4.3FisherFace方法的优缺点 (31) 4.4两种方案的理论对比 (31) 4.5本章小结 (32) 结论 (33) 参考文献 (34) 致谢 (36) 附录 1 (37) 附录 2 (44) 附录 3 (48) 附录 4 (57)
【关键字】研究 1 引言 随着我国信息技术的快速发展，诸多领域对人脸识别的迫切需求，所以人脸技术在各方面得到广泛应用，这是引起人脸识别就是在当今社会被重视的原因。加上社会的需求和发展的需要，所以在最近几年人脸识别技术在取得突破性的进展，特别是PCA人脸识别技术。人脸识别技术与其他生物识别技术（如指纹识别、签名识别、基因识别等）相比，具备以下的优点：识别精度高、速度快；隐蔽性好；直观性突出；通用性好等。人脸识别已经向自动识别和模式识别的方向发展，它是通过采集和分析比较人脸面部特征信息进行人脸识别的计算机技术，这种人脸识别技术从多个领域来研究，包括认知科学、心理学、计算机图形学、图像处理技术学、模式科学、人体生理学和可视化科学等等[1]。 本文设计可以实现的功能是：首先建立图像数据库，即样本库，样本库的建立包括人脸图像预处理、样本库的添加、插入和删除；其次将待识别的人脸图像与样本库的图像进行匹配并且识别，可以识别给定场景下的静态图像识别。目前很多成功的人脸识别技术已经可以识别动态图像系列，而且可以从已知的人脸库中识别多个人脸，有的还从年龄、种族、性别、表情甚至是语音等方面来研究人脸，并且取得很好的效果[2]。人脸识别系统要解决的关键问题是：如何在复杂的图像中分割人脸、如何才能采集到人脸面部的特征、系统在识别时是否及时准确等技术问题。由于待识别的人脸图像是一个未知的图像，系统要将待处理的图像与样本库的图像进行比较，得出与待处理图像相一致或者是相似率很高的图像；接着系统在识别时对输入人脸图像进行判别分析，并将判别的结果输出，如果跟样本库的图像一致或有相似性，则接受，反之拒绝[3]。 1.1人脸识别的研究目的及意义 近年来我国信息技术的快速发展以及应用越来越普及，以及计算机的软硬件性能的不断提升，高效率的人脸识别技术的实现成本可以降低到了可以接受的程度。加上社会经济的快速发展，对金融贸易和安全入口方面提出更高的要求，所以人脸识别技术得到社会各界的重视。人脸识别在现今生物识别技术中应用最广泛的技术之一，虽然我国人脸识别技术起步较晚，但是在短短的几年内为广大人所知。我们平时看到的人脸识别技术运用最多的应该是在电影中：即将拍到的面部图片输入到计算机，然后与计算机中的面部图像资料进行比对，并找出与之相对的资料和记录。由于人脸识别技术拥有以上的诸多优势，所以人脸识别技术将成为一个活跃的研究领域。
HUNAN UNIVERSITY 毕业设计(论文) 设计论文题目基于PCA的人脸 识别系统 学生姓名李涛 学生学号20080810410 专业班级08级计科四班 学院名称信息科学与工程学院 指导老师潘华伟 学院院长章兢 20012 年 5 月18 日
摘要 随着计算机视觉技术的发展，以与社会的各个领域的需要，根据人固有的生物特征对人进行身份验证的课题吸引了一批研究人员，比较常见的有语音识别，指纹识别，人脸识别等技术。其中人脸识别因为识别率高、主动性强、使用方便等因素，在身份验证的各类方法中有独特的优势与相关的应用，成为了人体特征识别中的比较热门的研究课题。 本文首先阐述了人脸识别研究的历史，现状以与发展趋势，并说明了人脸识别的优势和难点。然后详细地说明人脸识别的两个部分：人脸检测和人脸识别。在人脸检测部分，本文主要介绍了基于haar分类器的检测方法，并详细说明了haar分类器的训练过程，讲述了分类器检测人脸的原理。在人脸识别部分，首先获取人的个人信息的，对人脸图像的采集并进行灰度化、归一化等预处理，然后采用PCA（主成分分析法）对采集到的图像进行特征提取，并存储相关的特征信息，最后对待识别的图像进行特征提取和分析，与训练的人脸图像数据计算欧式距离，最终识别出人的身份。在本文的最后，对实现的系统各项功能进行实验，对影响识别率的维数、采集图像数因素进行实验分析，并提出了主成分分析法人脸识别的优点和缺点。最后总结毕业设计中的不足，自己的心得体会，并对未来学习进行展望。 关键词：人脸检测，haar分类器，PCA，人脸识别
Abstract With the development of computer vision technology, and social needs in many areas, the subject of authentication according to the inherent biological characteristics attracted a group of researchers ，Voice recognition, fingerprint recognition, face recognition technology are common。Face recognition with the recognition rate, motivated, easy to use and other factors，has unique advantages in all kinds of authentication methods and related applications，has become a popular research topic in the human feature recognition。 This paper first describes the history, current situation and development trend of face recognition research, and describes the advantages and difficulties of face recognition。And then detail the recognition of two parts: face detection and face recognition。In the face detection part, the paper mainly describes the detection method based on haar classifier, and details of haar classifier training process, about the principle of the classification of the detected face。In face recognition part, it first obtains personal information the acquisition of face images and graying, owned by a pretreatment。And then using PCA (Principal Component Analysis) collected image feature extraction, and storage characteristics of information，int the last ，identifiable image feature extraction and analysis, and training of the face image data to calculate the Euclidean distance, and ultimately identify the identity of the person。In the last experiment, the dimension of the recognition rate, number of images collected factors experimental analysis, and the advantages and disadvantages of the principal component analysis for face recognition system implemented various functions. The final summary of graduate design deficiencies, and their own feelings and experiences and future learning prospects。 Keywords: face detection, Haar classifier, PCA, face recognition
毕业设计（论文） 设计（论文）题目：基于PCA的人脸识别算法实现
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与取得的成果。尽我所知，除文中特别加以标注和致的地方外，不包含其他人或组织已经发表或公布过的研究成果，也不包含我为获得与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容。 作者签名：日期： 学位论文原创性声明 本人重声明：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
改进LBP的人脸识别算法研究毕业论文 目录 摘要 ................................................................................................................. 错误!未定义书签。ABSTRACT ....................................................................................................... 错误!未定义书签。第一章绪论.............................................................................................................................. - 2 - 第一节课题的研究背景及意义........................................................................................ - 2 - 一、生物识别技术.................................................................................................... - 2 - 二、生物识别的过程................................................................................................ - 3 - 第二节人脸识别技术概况................................................................................................ - 4 - 一、人脸识别技术国内外现状................................................................................ - 5 - 二、人脸识别的难点和研究意义............................................................................ - 5 - 第三节人脸识别算法分类................................................................................................ - 6 - 第四节本文的研究内容及组织........................................................................................ - 6 - 一、本文主要研究内容............................................................................................ - 6 - 二、本文组织安排.................................................................................................... - 7 - 第二章 LBP 算子基本原理及应用............................................................................................ - 8 - 第一节 LBP 算子概述........................................................................................................ - 8 - 一、纹理概述............................................................................................................ - 8 - 二、 LBP 算子............................................................................................................ - 8 - 第二节 LBP 的特点.......................................................................................................... - 11 - 第三节 LBP 算子的发展和演化...................................................................................... - 11 - 一、 LGBP.................................................................................................................. - 12 - 二、 LTP.................................................................................................................... - 12 - 第四节小结...................................................................................................................... - 14 - 第三章 LMCP方法..................................................................................................................... - 14 - 第一节 LBP方法的缺点................................................................................................... - 14 - 第二节获取LMCP特征.................................................................................................... - 15 - 第三节将LMCP特征用于人脸识别................................................................................ - 16 -弄的和你上面的目录一样你的重点是这个不是LBP 第四节图像与处理.......................................................................................................... - 17 - 第四章实验与结果分析.......................................................................................................... - 18 - 第一节引言...................................................................................................................... - 18 - 第二节人脸库.................................................................................................................. - 19 - 第三节实验环境,步驟及参数设置................................................................................ - 20 - 一、实验环境.......................................................................................................... - 20 -