北京工业大学毕业设计（论文）人脸识别方法实现研究
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
北京工业大学
毕业设计（论文）任务书
题目
主要内容、基本要求、主要参考资料等：
主要内容：
1、了解人脸识别领域，掌握人脸识别的过程；
2、熟悉ORL人脸库中的样本图像，对其进行特征提取；
3、训练人脸分类器，能够完成对测试样本的识别。
基本要求：
1、熟悉人脸识别，掌握人脸识别的一般方法；
2、掌握对ORL人脸库样本进行特征提取的方法；
3、掌握分类器的用法，完成人脸识别的全过程，通过matlab的编程方法实现。
时间安排：
1、2010年12月-2011年1月熟悉C语言或matlab的编程的相关知识，掌握人脸识别的全过程
2、2011年2月编写程序实现ORL人脸数据库中人脸特征的提取，能够将提取的特征保存成相应的数据文件；
3、2011年3月熟悉分类器的基本算法，能够编写或调试相应的程序，使得程序能够正确运行；
4、2011年4月基于最近邻或者其他分类器，能够将训练结果保存为数据文件；
5、2011年5月将以上各个部分组合成一个软件，实现人脸识别的全过程，在此基础上撰写论文初稿；
6、2011年6月修改论文，准备答辩。
参考文献：
1、边肇祺，张学工，模式识别(第二版)，清华大学出版社，2007
2、张宏林，精通Visual C++数字图像模式识别技术及工程实践(第2版)，人民邮电出版社， 2008
完成期限：
指导教师签章：
专业负责人签章：
年月日
摘要
人脸识别方法是根据人脸图像确定人的身份的一种方法，在身份认证领域具有广泛的应用。人脸作为生物特征具有不易伪造、不会遗失、相对稳定等优点，与指纹、视网膜等其他人体特征识别系统相比，人脸识别系统更加直接、友好，是未来身份识别认证的主要发展方向，也是目前模式识别领域的一个研究热点。
本课题要求完成一个基于特征脸（PCA）的人脸识别方法的人脸识别系统，即能够对ORL人脸库中的样本图像进行特征提取，在此基础上训练人脸分类器，能够完成对测试样本的识别。
特征脸方法是基于K-L变换的人脸识别方法，K-L变换是图像压缩的一种最优正交变换。高维的图像空间经过K-L变换后得到一组新的正交基，保留其中重要的正交基，由这些基可以张成低维线性空间。如果假设人脸在这些低维线性空间的投影具有可分性，就可以将这些投影用作识别的特征矢量，这就是特征脸方法的基本思想。
关键词：人脸识别系统 PCA K-L变换分类器
Abstract
Face recognition method is used to confirm a person's identity according to face images, and it widely used in the identity authentication fields. As face is considered as Biological character, it has the advantage of not easy to be forged or lost, and it is relatively stable. To compare with other human characteristics identification system such as fingerprints or the retina, Face recognition system is more directly and friendly. Face recognition system is the main development direction in the future Identification authentication, and it is also the hotspot in the mode identification field at present.
This topic is required to perform a face recognition system which is based on the method of features face(PCA).and the face recognition system could finish the feature extraction. Then, on the basis of this, practice the face classifier that is based on the artificial neural network to finish the recognition of the test sample.
The face recognition method of features face is based on K-L transform, and the K-L transform is a kind of optimal orthogonal method of image compression. High dimensional images afford a new group of orthogonal basis by means of K-L transform, then, reserve the important of the orthogonal basis, and we would get a low dimensional linear space through taking advantage of these orthogonal basis. Supposing that the face projections have divisibility in the low dimensional linear space, the projections would be used for characteristic vectors which are need for recognition. Above all, that is the thought of features face.
Keywords: Face recognition system PCA K-L transforms Classifier
目录
摘要...................................................................... I Abstract ................................................................. I I 1 绪论 (1)
1.1人脸识别的目的和意义 (1)
1.2人脸识别的研究内容 (2)
1.3人脸识别技术概述 (2)
1.4常用的人脸库及其特点 (3)
1.5人脸识别系统评价标准 (5)
1.6论文组织安排 (5)
2 人脸识别相关技术综述 (6)
2.1人脸识别方法 (6)
2.2人脸特征提取技术介绍 (9)
2.2.1基于奇异值分解（SVD）的人脸特征提取 (9)
2.2.2基于积分投影的人脸图像特征点的提取 (10)
2.2.3基于KD．DCT特征提取 (11)
3 主成份分析 (14)
3.1主成份分析简介 (14)
3.2主成分的正交旋转 (14)
3.2.1主成份的定义及导出 (15)
3.2.2主成份的几何意义 (16)
3.2.3主成份的性质 (16)
4 基于PCA的人脸识别 (18)
4.1人脸识别具体步骤 (18)
4.2主成份在人脸识别中的应用 (18)
4.2.1特征脸空间的形成 (18)
4.2.2利用特征脸空间来识别人脸 (20)
4.3特征向量的选择 (21)
4.4三阶近邻分类器 (22)
4.4.1其他几种分类器简介 (23)
4.5实验过程及结果 (24)
结论 (25)
致谢 (26)
参考文献 (27)
1 绪论
1.1人脸识别的目的和意义
随着现代社会的发展与科学的进步，它对快速的有效的辨别身份的需求越来越迫切。传统的身份识别一般是通过人身的标志物和人身标志知识来检验的。人身标志物例如钥匙，证件等物品，人身标志知识例如用户名，密码等核对知识。但是这些东西往往容易丢失和遗忘，甚至被他人得到后去假冒身份，从而盗取钱财等等。而生物识别技术为身份识别则提供了重要的保障，它包括面部特征，手形，指纹，虹膜等等。其中人脸识别技术最具有吸引力，因为它最直观，最自然，不容易被遗忘，而且符合人的认知规律。
人脸识别技术从90年代后期时，被商业化地逐渐进入了市场。近些年来人脸识别技术作为计算机安全技术，在全球的范围内迅速发展起来。通过计算机进行人脸识别操作，就是通过提取人脸图像特征，从而进行识别身份的一门技术。它在国家安全、公共安全以及军事安全领域，包括智能门禁、视频监控、公安布控、海关身份验证、各类证件验证等方
面是典型的应】【用1。
曾经公安部门获得案犯人的照片后，需要在存储罪犯照片的数据库中人工找出与照片最相象的人为嫌疑犯。或者根据目击证人的描述，先画出嫌疑人面部草图，然后用这张草图到库里去找嫌疑犯。罪犯数据库往往由几千幅图像组成，如果搜索工作由人工完成，不仅效率低，而且容易出错，通常人们在看了上百幅人脸图像后，记忆力往往会急剧下降。如今由计算机来完成识别工作则不会出现此问题。
在民事和经济领域中,例如在各类银行卡、信用卡、储蓄卡等的持卡人的身份验证以及社会保险人的身份验证上等具有重要的应用价值。在身份证上，驾驶证上以及其他许多证件上都有用户的照片，现在这些证件多是由人工验证的，如果应用人脸识别技术，这项工作就可以交给机器完成，从而实现自动化智能管理，提高准确性和效率问题。当前普通使用的另一类的证件是用符号或条形码标记的，比如信用卡等。这类卡的安全系数比较低，不仅卡可能丢失，其中密码也可能被遗忘或被他人窃取。如果在这类卡上加上用户的人脸特征信息，则可以大大提高其安全性能，保障用户权益。
在家庭娱乐等领域中，人脸识别技术也具有一些很有趣的应用,例如能够识别主人身份的智能玩具、家政机器人、具有真实面像的虚拟游戏玩家等，这些给人们的生活增加了不少的乐趣。
如今,人脸检测的应用背景已经远远超出了人脸识别系统的范畴,它在基于内容的检索，数字视频处理和视觉监测等方面有着重要的应用价值。
入口控制的范围很广，它可以是设在大楼、企业或私人住宅的入口处进行安全检查，也可以是设在计算机系统或情报系统等的入口控制。在一些保密性要求严格的部门，除了用证件，也要加上生物识别手段，如指纹识别、手掌识别、视网膜识别和语音识别等。人脸识别与之相比，具有直接、方便的特点。当前计算机系统的安全管理也是非常重要的，普遍使用的由字符和数字组成的密码可能会被遗忘或破解，但是把人脸当作口令则既方便又安全。
在视频监视上，有许多银行、企业、公共场所等都设有24小时的视频监视。公安人员在破案时有时也要用摄像机对人进行跟踪。在对图像进行分析时，就要用到人脸的检测、跟踪和识别技术完成。另外，人脸识别技术还涉及到例如图像处理，模式识别，计算机视觉以及神经网络等学科，它和人脑的认识程度紧密相关。所以人脸识别技术的研究，不仅
推动了图像处理，模式识别的理论应用发展，满足了身份辨别等要求，而且由于它的特殊性，在对于认知科学，生理学，心理学上也起到了积极的推动作用。
1.2人脸识别的研究内容
人脸识别过程首先是对于输入的图像或视频流进行判断，搜索其中是否存在人脸，如果有人脸的存在，则进一步给出每个人脸的位置、大小以及其主要面部器官的位置信息，然后依据这些器官信息或者人脸图像的整体信息，从而进一步提取每个人脸中所包含的面部特征，并将这些特征与已知人脸库中的人脸模板特征进行对比，从而识别出每个人脸的身份，达到了身份识别的目的。从广义上讲，人脸识别的研究内容主要包括以下的五个方面:
⑴人脸检测:从各种不同的场景中检测出人脸的存在，确定出人脸的具体信息和主要面部特征的信息，这一步骤通常受光照、噪声、头部倾斜度或各种遮挡的影响；
⑵特征提取:表示检测出的人脸和人脸数据库中己知的人脸模板通过面部特征的描述方式。通常使用的方法有几何特征法(如欧氏距离、曲率、角度等)、代数特征法(如矩阵特征矢量等)、固定特征模板法、特征脸法、云纹图等；
⑶人脸鉴别:即通常所说的人脸识别，它是将待识别的人脸图像与人脸库中的己知人脸图像进行比较，得出相关结论。这一过程的核心是选择合适的人脸表示方式和它们适当的匹配闽值；
⑷表情分析:对待识别人脸的表情进行分析，从而对其加以分类；
⑸物理分类:对待识别人脸的物理特征进行分类，从而得出其年龄、性别、种族等相关物理信息。
1.3人脸识别技术概述
人脸识别技术不仅可以推进对人类视觉系统本身的认识，还可以满足人工智能应用的需要。采用人脸识别技术去建立自动人脸识别系统，通过计算机实现对人脸图像的自动识别在我们的生活中有着广阔的应用领域和很好的应用前景。
同时人脸识别作为一种生物征识别技术与其它较成熟的识别方法（如指纹、虹膜、DAN 检测等）相比有以下几个优[]2
点：
⑴无侵犯性
人脸图像的获取过程不需要与被检测人发生身体等接触，可以在不惊扰被检测人的情况下进行，使得用户接受程度高。同时人脸识别技术使用摄像头作为识别信息的获取装置，自动完成识别过程；
⑵直观性突出
人脸识别技术采用的依据是人的面部特征图像，人脸无疑是人眼能够判别的最直观的信息源，符合大部分人的认知规律。同时也方便后期的人工确认、再利用等明显优势；
⑶识别速度快，不易被察觉
与其它的生物识别技术相比，人脸识别是一种自动识别技术，它一秒钟时间内可以识别很多次。不易被察觉的特点对于识别方法也很重要，它使该识别方法不令人产生反感，并且由于不容易引起人的注意从而不容易被欺骗；
⑷不易仿冒。
人脸识别技术要求识别者必须亲临识别现场，他人无法仿冒。它独具的活性判别能力，保证了他人无法以非活性的照片、蜡像或者人头来欺骗识别系统，提高了安全性；
⑸应用领域广
除了目前指纹识别的应用领域以外，人脸识别技术还可以应用到各类人脸视频监控报警系统检测、数码相机的人脸检测，以及未来的机器人应用，具有广阔的市场应用前景；
⑹低成本，易安装
人脸识别系统只需要使用普通的摄像头、数码摄像机装置或手机上的嵌入式摄像头等被广泛使用的摄像设备，不需要高成本的投入，对识别用户来说也没有特别的安装要求。
人脸识别的基本步骤如下:首先进行用户注册，用摄像头拍摄或从照片采集处得到用户的人脸图像，然后生成人脸图像的特征数据，建立其图像档案，作为模板库进行存放;当进行用户识别时，用摄像头获取用户的人脸图像，然后进行特征提取。最后将待确定的用户的特征数据与档案中的所有注册过用户的特征数据进行比对。
同时人脸检测研究具有重要的学术价值。人脸是具有相当复杂的细节变化的自然结构,此类结构的检测问题的挑战性在于:
⑴人脸由于面部特征、表情、肤色等不同,具有模式的可变性;
⑵可能存在眼镜、胡须或饰物等附属物;
⑶作为三维物体的人脸的影像不可避免地受到由光照产生的阴影的影响；
因此,如果能够解决这些问题,成功地构造出人脸检测与跟踪系统,也将为解决其它类似的复杂模式检测问题提供出重要的启示。
同时，这也是人脸识别技术面临的困难与挑战。人脸的特征不稳定，人们可以通过脸部的变化产生很多不同表情，而且在不同的观察角度，人脸的视觉图像也相差很大，同时还受着年龄变化等多方面因素的影响。这些都是我们需要完善技术的重要点。
1.4常用的人脸库及其特点
目前人脸识别领域常用的人脸数据库]3[主要有:
⑴ ORL人脸数据库
由剑桥大学AT&T实验室创建,包含40人共400张面部图像,图像分辨率为92*112像素大小，为灰度图像，人脸的面部表情和细节均有很大的变化，例如笑与不笑，戴眼镜或者不戴眼镜等。人脸的姿态也有很大的变化，其深度旋转和平面旋转可达20度，人脸的尺寸也有最多10%的变化。ORL人脸库是此次设计中采用的人脸数据库。如图1.5.1所示
图1.5.1
⑵Yale人脸数据库
由耶鲁大学计算视觉与控制中心创建,包含一共15位志愿者的165张图片,包含光照（正面光照，左面光照，右面光照）,表情（高兴，悲伤眨眼等）和姿态的变化，人脸的姿态视角不变，全部是正面人脸图像。光照变化是Yale人脸数据库的主要特点。如图1.5.2所示
图1.5.2
⑶AR人脸数据库
AR人脸数据库是普渡大学机器人视觉研究中心建立的,包括126人（70男性，56女性）的4000多幅图像.图像为24位彩色图，分辨率为768*576像素大小，格式为RAW格式。其中人脸图像是正面人脸，包含表情，光照和遮挡等变化。表情变化和遮挡是这个数据库的主要特点之一，该数据库不仅可以用来人脸识别，还可以用于表情识别，其中采集环境中的摄像机参数,光照环境和摄像机距离等都是严格控制的。
⑷FERET人脸数据库
为了促进人脸识别算法的研究和实用化，美国国防部的Counterdrug Technology Program(CTTP)发起了一个人脸识别技术（Face Recognition Technology简称FERET）工程。它包括一个通用的人脸数据库和一整套的测试标准。库中的人脸图像具有不同姿态视角，表情和光照等变化,而且它还包括时间间隔变化，最长的时间间隔达三年之久。FERET人脸数据库包括千人的几万幅人脸图像，而且还在不断扩增，是人脸识别领域应用最广泛的人脸数据库之一。
⑸CMU PIE人脸数据库
由美国卡耐基梅隆大学创建,所谓的PIE就是姿态（POSE），光照（ILLUMINATION）和表情（EXPRESSION）的缩写。CMU PIE人脸库创建于2000年11月，包括68位志愿者的41,368张多姿态,光照和表情的面部图像.其中的姿态和光照变化图像也是在严格控制的条件下采集的,目前已经逐渐成为人脸识别领域的一个重要的测试集合。如图 1.5.3所示
图1.5.3
1.5人脸识别系统评价标准
⑴系统识别率
即要求系统的识别率高，一般主要用错误接受率和错误拒绝率这两个性能指标进行评价，识别率与它们之间的关系为:识别率=100%-错误接受率-错误拒绝率；
⑵对样本的约束
在不影响识别性能的前提下，要求训练样本数量尽可能少，测试样本应该比实际应用更为复杂，同时还要考虑系统的鲁棒广义化问题；
⑶速度和硬件要求
要求系统训练速度和识别速度尽可能快，识别系统对硬件设备要求不是很高；
⑷人机界面
希望系统的人机界面友好结合，并且不影响系统在实际中的应用。一般他评价标准还有:系统识别人数、系统的学习能力以及处理噪声的能力等。
1.6论文组织安排
本文组织结构如下：第二章介绍人脸识别的相关技术包括人脸识别的几种方法和人脸特征提取技术的介绍；第三章主要讲解主成份分析原理，包括主成份的定义，导出，几何意义和性质等，为人脸识别理论打下基础；第四章讲述具体基于PCA的人脸识别过程，包括特征空间的形成，特征向量的选取和利用三阶近邻分类器的识别过程，最后在结尾增加了本次实验的结果，数据及分析。
2 人脸识别相关技术综述
2.1人脸识别方法
⑴特征脸方法
基于K-L变换（PCA）的人脸识别方法又叫特征脸方法或者本征脸方法[]4)
(Eigenface,她最早是由Turk和Pentland提出。也是此次设计所选用的方法。特征脸方法是从主成份分析 (Principal Component Analysis，PCA)中导出的一种关于人脸识别和描述技术，实质上是通过K-L(Karhumen-Loeve)变换来实现的，K-L变换是图像压缩技术中的一种最优正交变换方法。其生成矩阵一般为训练样本的总体散步矩阵。特征脸方法是将包含人脸的图像区域看作为一种随机向量分布区域，因此采用K-L变换获得其正交基底。对应其中较大的特征值的基底与人脸有相似的形状，故将其称为特征脸。而后利用这些基底的线性组合便可以描述，表达和逼近人脸图像。通过这样便可以进行人脸的识别与合成。识别过程就是将人脸图像映射到由特征脸张成的子空间上，比较它与已知人脸在特征空间中的位置。具体地说，就是将一个高维的向量，通过一个特殊的特征矩阵，投影到一个低维的向量空间中，表征为一个低维向量，并保留住其主要信息。即通过低维向量和特征向量矩阵就可以完构出所对应的高维向量。这种表达相对于图像为是一种高度压缩的方式。
特征脸方法把人脸图像作为一个整体来编码，而不关心眼、嘴、鼻等单个特征，从而大大降低了识别的复杂度。
此方法的主要缺点为目前还没有一个高效的求解特征值和特征向量的算法，所以每当一张新脸入库，都需要重新计算特征值和特征向量，耗费时间较多。优点是:图像的原始灰度数据可以直接用来学习和识别，不需任何初级或中级处理;不需人脸的几何和反射知识;而且通过低维子空间表示进行有效压缩;使与其他匹配方法相比，识别简单有效。
⑵基于几何特征的人脸识别方[]5
法
基于几何特征的人脸识别方法方法是早期的识别方法之一。通常采用的几何特征为人脸的五官，例如眼睛、鼻子、嘴巴等的局部形状特征，包括眉毛的厚度以及眉毛与眼睛中心的垂直距离；鼻子的宽度和垂直位置，嘴巴的宽度和垂直位置，以及它和上下唇的高度等。所以提取特征时需要用到人脸结构的一些先验知识。识别时采用的几何特征是以人脸的器官的形状和几何关系为基础的特征矢量，其本质上是特征矢量之间的匹配，通常用的方法是基于欧式距离的判决。最早的人脸识别方法叫做侧影识别，它从人脸侧面轮廓线上提取特征点入手，将其侧影简化为轮廓曲线，然后从中抽取若干个基准点，用这些点之间的几何特征来进行识别。由于证件照目前多为正面照，所以这种方法已很少见。正面识别的重点是合适的归一化，使之不依赖于图像中人脸位置的尺度变化和旋转变化。识别采用的人脸特征是以人脸面部器官的几何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式距离、曲率、角度等。
基于几何特征的识别方法有以下优点：符合人脸识别的机理，识别方法比较简单、容易理解，而且每幅图只需要存储一个特征矢量，它对光照变化也不敏感。该方法的缺点是：对图像的要求很高，从图像中抽取稳定的特征较困难，特别是当特征受到遮挡等干预时。而且没有形成统一的特征提取标准，它对较大的表情变化或姿态变化的鲁棒性较差，所以可以说基于几何特征的方法识别只适合于粗类识别，精确度较低。
⑶基于模板匹配的人脸识别方法
模板匹配法是一种经典的模式识别方法，该方法充分利用了人脸的灰度和纹理的特征。其识别方法就是将待识别的人脸图像和数据库中所有的模版图像一一进行比较，然后找出与其最相近的脸。由于模板匹配方法要求两幅图像上的目标具有相同的大小、取向和光照条件，所以需在进行图像预处理时做尺度的归一化工作和灰度的归一化工作。其中最简单的人脸模板，是将人脸看作一个椭圆，检测人脸时也就是检测图像中的椭圆。还有一种方法是将人脸用一组独立的小模板表示，如眼睛、鼻子、嘴巴、下巴及眉毛等模板。这些模板的获取必须要利用各个器官特征的轮廓，但是传统的基于边缘提取的方法很难获得较高的连续边缘。即使获取了可靠度高的边缘，也很困难从中自动提取所需要的特征量。由于这些原因于是改用弹性模板方法提取特征。弹性模板是由一组依据特征形状的先验知识来设计的可调参数来定义的。参数由能量函数决定，首先需要利用图像的边缘、峰值、谷值及强度等信息以及特征形状的先验知识，来设定能量函数，然后将参数向能量函数减小的方向做调整，当能量函数减到最小时，这组参数所对应的模板形状是最符合特征形状的。
在识别率上，基于弹性模板的方法比基于几何特征的识别方法好很多，尽管后者的识别方法识别的速度快，要求的内存也小。有些人专门对基于几何特征的识别方法和基于弹性模板的识别方法进行了比较，得出的结论是:模板匹配法优于几何特征法。
⑷隐马尔可夫模[]6
型的人脸识别方法
隐马尔科夫模型 (Hidden Markov Model，HMM)是用于描述信号统计特性的一组统计模型。HMM使用马尔科夫链模拟信号统计特性的变化，然而这种变化是间接地通过观察序列来描述完成的，因此说隐马尔科夫过程是一个双重的随机过程。
在HMM中，用节点来表示状态，有向边来表示状态之间的转移，一个状态可以具有特征空间中的任意特征。对于同一特征，不同状态表现出来的这一特征的概率不同。HMM有三个主要问题:评估、估计及解码。评估用于解决识别问题，通常采取比较有效的“向前-向后”法，用来产生用于识别的各个单元的HMM，采取 Baum Welch方法。Samaria是最早提出人脸的HMM模型，他将人脸的五个显著的特征区域：头发、额头、眼睛、鼻子和嘴巴，看作5个不同的状态，它们的秩序依次是从上到下保持不变。这五个状态是抽象的，不具有具体的意义，只得通过观察序列对它进行估计。基于HMM的人脸识别方法具有以下优点：第一，能够允许人脸有表情变化，较大的头部转动；第二，其扩容性好.即增加新样本不需要对所有的样本进行训练。缺点是实现的复杂程度较高。
⑸基于神经网络的方法
由于人工神经网络(Art1ficial Neural Network，ANN)对复杂模式具有良好的分类能力，使得这种方法在人脸识别中得到了广泛的应用。如今，在人工神经网络的实际应用中，大部分的神经网络模型均采用BP网络及其变化形式，因为它是人工神经网络最精华的部分。BP网络主要用于函数逼近、模式识别、数据压缩等领域。当人们在进行模式采集时，总尽可能的采集测量数据的多个特征值，但是这样最终导致样本维数很大，处理上非常麻烦，处理的时间的消耗也会很大，甚至形成所谓“维数灾难”。
其次，在过多的数据中，有的数据对刻画事物的本质贡献非常微小。这就需要有一个样本空间到特征空间的转化，通常在满足识别度要求的前提下，尽量减少处理数据的冗余度，做到处理数据的各个特征之间互不相关。此时，输出层的节点数就是要分成的类别数，即模式空间的维数。因而人们常会把主成成份方法和神经网络方法一起结合使用。首先用主成成份分析方法对图像进行特征提取，然后利用这些特征向量和相应的信号训练BP网。
[]7
Cottrell首先利用三层的BP网络来进行人脸的特征提取。BP网的输入神经元和输出神经
元相同，隐含层的输出作为特征。然后对网络进行训练，使得其输出逼近输入。最后提取的特征再通过一个神经网络进行分类。
最简单的神经网络实现方法是将不同表情或姿态的人脸图像作为输入样本，然后用标准的正面人脸图像作为输出。Lin和Kung提出了一种基于概率决策的神经网络来用于人脸识别。这种神经网络在决策神经网络的基础上加入了概率的变化，采用虚拟样本进行强化和反强化学习，最终得到了较为理想的概率估计结果，同时采用模块化的网络结构加快了网络的学习。这种方法在人脸检测、人脸定位和人脸识别的各个步骤上都得到了较好的应
用[]8。
⑹弹性图匹配方法
基于动态链接结构(Dynamic Link Architecture ，DLA)的方法识别人脸。它将人脸用格状的稀疏图，如图2.1所示。
图2.1 人脸识别的弹性匹配方法
将人脸特征上的一些点作为基准点，构成弹性图。采用每个基准点存储一串具有代表性的特征矢量，从而减少了系统的存储量。在进行匹配时，首先寻找与输入图像最相似的模型图，然后再对图中的每个细节位置进行最佳匹配，这样产生一个变形图，其节点逼近模型图的对应点的位置。
图2.1中的节点用图像位置的Gabor小波分解得到的特征向量标记，图的边用连接节
点的距离向量标记。小波特征分析[]9是一种时频分析，若空间一点周围区域的不同频率响
应构成该点的特征串，那么它的高频部分是对应了小范围内的细节，低频部分则对应了该点周围较大范围的概貌。所以采用小波变化特征的弹性图匹配方法，是既考虑人脸细节特征，又保留了人脸的空间分布的整体信息，而且它的可变形匹配方式在一定程度上能够承受人脸从三维到二维投影引起的变形。此外，Gabor小波与人眼视网膜对图像的响应具有相似的形状，同时对图像亮度具有鲁棒性，通过对jet的归一化处理，也能消除图像对比度的影响。
这种方法主要的缺点是对每个存储的人脸都需要计算其模型图，而计算量和存储量都很大。Wiskott在原有方法的基础上提出了聚束图匹配法，从而克服了部分的计算量大和存储量大的缺点。Nastar提出了基于特征的弹性图匹配人脸识别算法，包括两个步骤：首先利用Gabor进行人脸特征的检测从而提取出一组Gabor小波系数矢量，然后在代价函数的约束下，对每个特征都进行弹性图的匹配，并使总体代价函数尽可能的小，最后得到联合识别结果。
⑺基于三维模型的方法
这类方法通常先在图像上检测出与通用模型顶点对应的特征点，然后根据特征点调节通用模型，最后通过纹理映射从而得到特定的人脸3D模型。基于结构光源和立体视觉理论，通过摄像机获取立体图像，根据图像特征点之间匹配构造人脸的三维表面，如图2.2所示。
利用SSFS (Symmetric Shape- from-Shading)理论来处理像人脸这类对称对象的识别问题。基于SSFS理论和一个一般的三维人脸模型来解决光照变化问题，通过基于SFS的视图合成技术解决人脸姿态问题，针对不同姿态和光照条件合成的三维人脸模型如图2.3所示。
三维识别系统]10[与已有的各种人脸识别系统的最大区别在于，数据库中记录的是三维
人脸模型，它是利用物体几何拓扑的不变性原理，从而排除了大部分人脸识别干扰的影响，而且由于采用的方法与照片的明暗程度无关，所以可以解决人脸识别过程中受拍摄环境光线强度的影响，从而可以达到较理想的识别效果，因此也逐渐成为人们研究的重点。
图2.2 三维人脸表面模型图2.3 合成的不同姿态和光照条件下三维人脸表面模型
2.2人脸特征提取技术介绍
2.2.1基于奇异值分解（SVD）的人脸特征提取
在人脸识别问题中，对识别影响较大的是光照的不均匀性以及人脸表情的变化。对于同一个人采集的两幅不同光照或表情的图像，其识别结果存在较大的差异，这就要求我们在进行特征提取时要尽量减弱或消除光照及表情的影响。目前采用的特征提取方法如标准的PCA方法，由于不能很好地克服光照和表情的影响，使识别效果并不十分理想。因为人脸图像是一个高维向量，所以直接用其进行计算是十分困难的，为此对它进行降维过程中需要保留其主要的特征，也就是说希望用少量的图像特征来近似表示整个图像，以达到降维并且保留图像主要特征的效果，奇异值分解(SVD))方法就是一种实现这种效果的良好手段。
⑴奇异值分解定理]11[
设A为m*n阶复矩阵，则存在m阶矩阵U和n阶矩阵V，使得：
A = U*S*V’
其中S=diag(σi,σ2,……,σr)，σi>0 (i=1,…,r)，r=rank(A)。
⑵推论：设A 为m*n 阶实矩阵，则存在m 阶正交阵U 和n 阶正交阵V ，使得
A = U*S*V ’
其中S=diag(σi,σ2,……,σr)，σi>0 (i=1,…,r)，r=rank(A)。 说明：
①奇异值分解非常有用，对于矩阵A(m*n)，存在U(m*m)，V(n*n)，S(m*n)，满足A = U*S*V ’。U 和V 中分别是A 的奇异向量，而S 是A 的奇异值。AA'的正交单位特征向量组成U ，特征值组成S'S ，A'A 的正交单位特征向量组成V ，特征值（与AA'相同）组成SS'。因此，奇异值分解和特征值问题紧密联系。
② 奇异值分解提供了一些关于A 的信息，例如非零奇异值的数目（S 的阶数）和A 的秩相同，一旦秩r 确定，那么U 的前r 列构成了A 的列向量空间的正交基。
2.2.2 基于积分投影]12[的人脸图像特征点的提取
⑴ 图像积分投影方法
积分投影法是根据图像在某些方向上的投影分布 特征来进行检测的，这种方法在本质上是一种统计方法，主要有水平投影和垂直投影：
H （y ）=),(1
0y x I n x ∑-= (2.1)
V(x) =∑-=10),(m y y x I
(2.2)
在式(2.1)中，(x ，y)表示像素所处的位置，I(x ，y)表示该像素灰度值，n 表示一行所有的像素点数，可见水平投影就是将一行所有的像素点的灰度值进行累加后再显示。 在式(2.2)中，(x ，y)表示像素所处的位置，I(x ，y) 表示该像素灰度值，m 表示一行所有的像素点数，可见垂直投影就是将一列所有的像素点的灰度值进行累加后再显示。 ⑵人脸轮廓的确定
人脸的轮廓的确定是为了排除其它边缘线和噪声的干扰，从而便精确地提取人脸的特征点。假设图像的宽度和长度分别为xImage ，yImage ；人脸左、右侧的横坐标分别为xLeft ，xRight ；头顶点的纵坐标为yHead ；人脸轮廓的确定可分为两步骤进行：第一步：根据水平投影确定头顶点的位置。第二步：再采用垂直投影确定人脸的左、右侧。 ⑶ 图像人脸特征点的提取
确定了人脸轮廓后，可以开始进行人脸特征点的提取。人脸特征点的选择不仅仅需要反映人脸识别中最重要的特征而且要容易提取。特征的个数要包含足够的信息量以更好的表达人脸，但数目又不能太多，以免增加运算量和运算时间。此方法选取人脸识别的7个特征点分别为4个脸角点、鼻尖和2个嘴角点。这些特征点的分布具有角度不变性的特点，同时，与其它采用测量特征点的系统相比，这7个特征点比较容易从图像中提取出来并加以测量。
尽管人脸形状各有差异，但都符合“三停五眼”的规则。人脸轮廓确定后，也就可以大致确定出人脸各特征点的位置关系，既可由上到下区分出脸、鼻、嘴等特征的区域。在这些局部区域内再运用积分投影法，就可以精确计算出出眼、鼻、嘴的具体位置。其过程如下：
①计算水平投影，取其最大值，确定眼部的横坐标值；
②眼部以下，选定两个最大的水平投影值，分别为鼻部和嘴部；
③计算垂直投影，在上一步检测出的眼部附近的最大值为眼部的z位置；
④双眼之间的投影最大值为鼻(嘴)位置。
经过以上步骤处理可以精确定位人脸的主要特征点。
2.2.3 基于KD．DCT]13[特征提取
DCT是一种常用的图像数据压缩方法，它具有很好的能量集中特性，变换后的图像能量主要集中在变换系数的低频分量上，这些低频分量幅值较大，可以用来重建图像。当用DCT系数重建图像时，需要保留少数离散余弦变换的低频分量，而舍去大部分高频分量，利用逆变换仍可获得与原始图像相近的重建图像，新图像与原图像存在一定误差，但重要信息被保存下来。
图2.4为人脸图像的DCT以及利用DCT系数重建原始图像的示意图，其中图1a和图1b是ORL人脸库中同一人的不同表情的两张脸像，像素均大小为92×l12，图1c是对子图进行二维DCT，然后对DCT系数取对数后的输出图像，从图中可以看出该图像左上角像素值较大，图像信号的能量主要集中在该区域，根据DCT的这一特点，可以采用如图1d 所示的Zig-Zag扫描方式，将DCT系数由二维矩阵变成一维DCT系数矢量z，然后将z 中各个分量所包含的能量由大到小的顺序排列。因此，可以选出用矢量z中能量较大的低频分量来重建原始图像。图1e、图1f是用45个DCT 系数分别对子图1a和图1b进行逆变换重建脸像，图1g、图1h是用120个DCT系数分别对图1a和图1b进行逆变换重建脸像。
图2.4
从图2.4中可以看出：(1)重建的人脸图像保留了大部分的面部特征(包括眼、耳、鼻、嘴等)，与全部10304 个灰度值相比，只需要几十个或几百个DCT 系数就可以很好的表征原始图像，这使得数据量庞大的人脸图像可用它的部分离散余弦变换分量来表示，从而实现了对高维信息的降维；(2)DCT 低频分量重建图像对人脸表情变化不敏感(几乎看不出子图1e 和图1f 以及图1g 和图1h 之间的表情差别)。因此，可以将DCT 特征提取看成一个滤波过程，即滤除了人脸图像中不利于识别的高频噪声信息(如表情、发型等变化)，将DCT 系 数中的低频分量作为特征可以有效地减少高频干扰对特征的影响。
考虑到DCT 是基于统计表征的，DCT 系数可以较好的表征原始图像，但它并不包含最优的辨别信息， 因此，对矢量 Z 作 KDA ，可以进一步降低特征维数、提高特征的辨别能力。
设人脸样本类别总数是L ，第l 类的样本数是n1，则人脸样本总数M=∑=L
l n 11，人脸样
本矢量为DCT 系数矢量Z 。设存在映射)(,:Z Z R R F N φφ→→，F>N ，将人脸样本矢量Z 映射到一个高维空间F R 中。在 F R 空间中，定义协方差矩阵 ∑==M j j j Z Z
M C 1'))((1φφ (2.3)
类间散矩阵 T
l l L l l a n M B φφφ∑==11 (2.4) 式中∑==l n k lk l l Z n 1)(1φφ是第l 类样本的均值。则KDA 等效为如下的特征值问题：
φφφφλv B v C =
(2.5)
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
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
人脸识别系统的原理与发展 一、引言 人脸识别系统以人脸识别技术为核心，是一项新兴的生物识别技术，是当今国际科技领域攻关的高精尖技术。它广泛采用区域特征分析算法，融合了计算机图像处理技术与生物统计学原理于一体，利用计算机图像处理技术从视频中提取人像特征点，利用生物统计学的原理进行分析建立数学模型，具有广阔的发展前景。2012年4月，铁路部门宣布车站安检区域将安装用于身份识别的高科技安检系统人脸识别系统；可以对人脸明暗侦测，自动调整动态曝光补偿，人脸追踪侦测，自动调整影像放大； 二、概述 人脸识别系统概述 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。生物特征识别技术所研究的生物特征包括脸、指纹、手掌纹、虹膜、视网膜、声音(语音)、体形、个人习惯(例如敲击键盘的力度和频率、签字)等，相应的识别技术就有人脸识别、指纹识别、掌纹识别、虹膜识别、视网膜识别、语音识别(用语音识别可以进行身份识别，也可以进行语音内容的识别，只有前者属于生物特征识别技术)、体形识别、键盘敲击识别、签字识别等。 人脸识别系统功能模块 人脸捕获与跟踪功能：人脸捕获是指在一幅图像或视频流的一帧中检测出人像并将人像从背景中分离出来，并自动地将其保存。人像跟踪是指利用人像捕获技术，当指定的人像在摄像头拍摄的范围内移动时自动地对其进行跟踪。 人脸识别比对：人脸识别分核实式和搜索式二种比对模式。核实式是对指将捕获得到的人像或是指定的人像与数据库中已登记的某一对像作比对核实确定其是否为同一人。搜索式的比对是指，从数据库中已登记的所有人像中搜索查找是否有指定的人像存在。 人脸的建模与检索：可以将登记入库的人像数据进行建模提取人脸的特征，并将其生成人脸模板(人脸特征文件)保存到数据库中。在进行人脸搜索时(搜索式)，将指定的人像进行建模，再将其与数据库中的所有人的模板相比对识别，最终将根据所比对的相似值列出最相似的人员列表。
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.
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
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)
人脸识别技术发展及应用分析 人脸识别是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机采集人脸图像，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部的一系列相关技术处理，包括人脸图像采集、人脸定位、人脸识别预处理、记忆存储和比对辨识，达到识别不同人身份的目的。 市场现状 人脸识别技术的研究始于20世纪60年代末期。 20世纪90年代后期以来，一些商业性的人脸识 别系统逐渐进入市场，但是，这些技术和系统离 实用化都有一定距离，性能和准确率也有待提高。 美国遭遇恐怖袭击后，这一技术引起了广泛关 注。作为非常容易隐蔽使用的识别技术，人脸识 别逐渐成为国际反恐和安全防范重要的手段之一。 近年来，人脸识别在中国市场，也经历着迅速的 发展，而且发展的脚步也越来越快。主要原因有以下两方面。 科技的进步 国际上，美国标准与技术研究院（NIST）举办的Face Recognition Vendor Test 2006，通过大规模的人脸数据测试表明，当今世界上人脸识别方法的识别 精度比2002年的FRVT2002至少提高了一个数量级（10倍），而对于高清晰，高质量人脸图像识别，机器的识别精度几乎达到100%。在我国，近年来科技界和社会各个方面都认识到人脸识别技术的重要性，国家政策对人脸识别技术研究给予了很大支持，使得我国人脸识别技术也得到了迅速的发展。 应用需求的增加 越来越趋向于高科技的犯罪手段使得人们对各种场合的安全机制要求也近乎 苛刻，各种应用需求不断涌现。人脸识别市场的快速发展一方面归功于生物识别需求的多元化，另一方面则是由于人脸识别技术的进步。从需求上来说，除了传统的考勤、门禁等应用外，视频监控环境下的身份识别正成为一种迫切的需求，
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
人脸识别技术优势 863计划、国家科技支撑计划、自然科学基金都拨出专款资助人脸识别的相关研究。国家“十一五”科技发展规划中也将人脸识别技术的研究与发展列入其中[4]，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，人脸识别具有高安全性、低误报率的出入口控制新产品。”在这种环境下，国内一些科研院所和院校在人脸识别技术方面取得了很大进展。如中科院自动化所，清华大学，中科院计算所自主开发的人脸识别技术已经达到了国际先进的水平。人脸识别作为一种新兴的生物特征识别技术(Biometrics)，与虹膜识别、指纹扫描、掌形扫描等技术相比，人脸识别技术在应用方面具有独到的优势： 1.人脸识别使用方便，用户接受度高。人脸识别技术使用通用的摄像机作为识别信息获取装置，以非接触的方式在识别对象未察觉的情况下完成识别过程。 2.直观性突出。人脸识别技术所使用的依据是人的面部图像，而人脸无疑是肉眼能够判别的最直观的信息源，方便人工确认、审计，“以貌取人”符合人的认知规律。 3.识别精确度高，速度快。与其它生物识别技术相比，人脸识别技术的识别精度处于较高的水平，误识率、拒认率较低。 4.不易仿冒。在安全性要求高的应用场合，人脸识别技术要求识别对象必须亲临识别现场，他人难以仿冒。人脸识别技术所独具的活性判别能力保证了他人无法以非活性的照片、木偶、蜡像来欺骗识别系统。这是指纹等生物特征识别技术所很难做到的。举例来说，用合法用户的断指即可仿冒合法用户的身份而使识别系统无从觉察。 5.使用通用性设备。人脸识别技术所使用的设备为一般的PC、摄像机等常规设备，由于目前计算机、闭路电视监控系统等已经得到了广泛的应用，因此对于多数用户而言使用人脸识别技术无需添置大量专用设备，从而既保护了用户的原有投资又扩展了用户已有设备的功能，满足了用户安全防范的需求。 6.基础资料易于获得。人脸识别技术所采用的依据是人脸照片或实时摄取的人脸图像，因而无疑是最容易获得的。 7.成本较低，易于推广使用。由于人脸识别技术所使用的是常规通用设备，价格均在一般用户可接受的范围之内，与其它生物识别技术相比，人脸识别产品具有很高的性能价格比。 概括地说，人脸识别技术是一种高精度、易于使用、稳定性高、难仿冒、性价比高的生物特征识别技术，具有极其广阔的市场应用前景。 我将人脸识别的一些应用列举出来，希望抛转引玉，大家不断完善，开拓更多的应用领域。 1）监控布控
河北农业大学 本科毕业论文(设计) 题目：基于Eigenfaces的人脸识别算法实现 摘要 随着科技的快速发展,视频监控技术在我们生活中有着越来越丰富的应用。在这些视频监控领域迫切需要一种远距离，非配合状态下的快速身份识别，以求能够快速识别所需要的人员信息，提前智能预警。人脸识别无疑是最佳的选择。可以通过人脸检测从视频监控中快速提取人脸，并与人脸数据库对比从而快速识别身份。这项技术可以广泛应用于国防，社会安全，银行电子商务，行政办公，还有家庭安全防务等多领域。 本文按照完整人脸识别流程来分析基于PCA(Principal Component Analysis)的人脸识 别算法实现的性能。首先使用常用的人脸图像的获取方法获取人脸图像。本文为了更好的分析基于PCA人脸识别系统的性能选用了ORL人脸数据库。然后对人脸数据库的图像进行了简单的预处理。由于ORL人脸图像质量较好，所以本文中只使用灰度处理。接着使用PCA提取人脸特征，使用奇异值分解定理计算协方差矩阵的特征值和特征向量以及使用最近邻法分类器欧几里得距离来进行人脸判别分类。 关键词:人脸识别PCA算法奇异值分解定理欧几里得距离
ABSTRACT With the rapid development of technology, video surveillance technology has become increasingly diverse applications in our lives. In these video surveillance urgent need for a long-range, with rapid identification of non-state, in order to be able to quickly identify people the information they need, advance intelligence warning. Face recognition is undoubtedly the best choice. Face detection can quickly extract human faces from video surveillance, and contrast with the face database to quickly identify identity. This technology can be widely used in national defense, social security, bank e-commerce, administrative offices, as well as home security and defense and other areas. In accordance with the full recognition process to analyze the performance of PCA-based face recognition algorithm. The first to use the method of access to commonly used face images for face images. In order to better analysis is based on the performance of the PCA face recognition system selected ORL face database. Then the image face database for a simple pretreatment. Because ORL face image quality is better, so this article uses only gray scale processing. Then use the PCA for face feature extraction using singular value decomposition theorem to calculate the covariance matrix of the eigenvalues and eigenvectors, and use the Euclidean distance of the nearest neighbor classifier to the classification of human face discrimination. KEYWORDS: face recognition PCA algorithm SVD Euclidean distance
动态人脸识别巡更系统 设 计 方 案 北京博睿视科技有限责任公司 2017年8月18日
目录 第一章人脸识别巡更系统设计要求 一、人脸识别巡更系统社会意义 略 第二章系统概述 人脸识别智能巡更系统为基于深度学习算法的通过式人脸记录巡检系统。根据需要将用于人脸抓拍的监控摄像机安装在需要巡逻的线路或执勤岗位上，人员对该地进行巡更通过时摄像机自动抓拍巡更人员的人脸照片同时将抓拍时间与对应的巡更人员人脸库进行比对结果通过局域网存入系统数据库。此记录将成为巡更人员何时到达该地巡更的依据。管理人员通过系统管理系统软件可清晰地了查询巡更人员巡更的实际情况，如漏查、误点、非本人带班等信息，方便管理人员有效管理。 1、人脸识别巡更系统构成 该系统由人脸静态建库、人脸动态入库、人脸信息修改、实时人脸抓拍、人脸检索、人脸图像聚类、以图搜图、联动报警八大部分组成。整个软件的逻辑体系结构如下图所示。 软件结构体系（C/S结构）
图3-3 软件逻辑体系示意图 3.3.1、人脸静态建库 实现布控人员建库，提供用户建立临时人脸库的功能，使用者可自行注册，批量导入人脸照片，静态人脸库包括黑名单、白名单。 图3.3.1人脸静态建库 3.3.2、人脸动态入库 将摄像机抓拍的人脸图片，建立动态抓拍人脸库，不断累积抓拍数据，为后
期进行人脸管理和提升识别率提供必要的支撑。 图3.3.2人脸动态入库 3.3.3、人脸信息修改 人脸信息修改模块主要是针对各个不同的人脸库，查询符合条件下的人员信息，并对其中的信息进行修改删除等操作，同时也可针对选择的人脸库进行新人员信息的注册。 图3.3.3人脸信息修改
目录 [摘要] (1) 1 绪论 (2) 1.1 人脸识别技术 (2) 1.1.2 本课题研究的内容 (2) 1.1.3 DSP 技术在图像处理中的应用 (2) 2人脸识别系统硬件平台的方案设计 (3) 2.1系统硬件平台的方案比较 (3) 2.2系统设计中的关键问题 (3) 2.2.1 DSP的发展 (3) 2.2.2 定点DSP 芯片TMS320C6414 介绍 (5) 2.2.3 FPGA芯片的选择 (6) 3 系统硬件平台的设计 (7) 3.1 系统硬件平台的框图 (7) 3.2 视频输入模块设计 (8) 3.2.1 模拟视频信号的采集 (8) 3.2.3 AD9883 电路的接法 (8) 4 系统外部存储器接口的设计 (9) 4.1 SRAM 的选择 (9) 4. 2 C6414外部存储器的接口设计 (10) 4. 3 EMIFA接口扩展 (10) 4.4 FPGA的配置的方法 (11) 4.4.1 JTAG接口控制 (11) 4.5 DSP 代码加载方式 (12) 4.6 电源模块设计 (12) 4.7 其它外围电路设计 (14) 4.8 RS232串口通信模块 (14) 4.9 D/A转换及VGA显示接口设计 (15) 5．高速PCB板设计 (16) 5.1 板级设计的基础理论 (16) 5.1.1 PCB布局 (16) 5.1.2 一般的布线规则 (16) 5.1.3 高速布线规则 (17) 5.1.4高速电路的过孔设计 (17) 5.2电源层和地层的设计 (18) 5.2.1电源和地的分配 (18) 5.2.2电源和地的布线设计 (18) 6．主要的工作及难点 (19) 6.1 本设计的主要工作 (19) 6.2遇到的难点 (20) 7．结束语 (20) 致谢 (20) 附录： (22)