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。
研究人脸识别在应用和技术研发上都有重要的意义：一是可以将研发出来的技术为社会服务，为复杂领域提供服务，也可以为国家的安全保障服务；二是满足智能识别技术的应用需求。人脸识别系统的建立，利用计算机的来实现人脸的自动识别有着广泛的应用领域和诱人的应用前景。同时人脸识别与其他的人物识别技术（DNA检测、虹膜等）相比有如下的优点：采用的是自动识别方式，无需人工参与；人脸图像的采集不需要与被检测人发生接触，可以在不惊动被测对象的前提下进行[4]；人脸识别技术的图像采集只需要简单的输入设备就可以完成，如摄像头、相机、手机等都能完成，所以人脸识别在实现的过程中成本低，容易实现。
1.2人脸识别国内外研究现状
（1）国外研究现状
近年来世界上很多国家都在研究人脸识别技术，尤其是日本，欧洲和美国在这个领域的研究较早，但是真正取得巨大突破的还是在20世纪末期，之所以取得如此成就是因为高性能计算机的出现，从而引领人脸识别技术真正的进入自动识别阶段。国外的很多大学都在深入研究人脸识别技术，而且他们研究的领域也是非常的广泛，其中有从认知科学和心理学来研究人脸识别机制的，如美国的Texas at dalls大学的Toole和Abdi小组，主要是从感知科学来研究人脸规律；英国很多大学的研究小组从人脸视觉角度来研究人脸规律；还有从生理机制和神经网络机制来研究人脸识别的方法。不管是从哪方面来研究，最终的研究方向还是从将数字化图像输入计算机来识别人脸的研究方法。
通过查阅国外研究人脸识别的相关文献，得到国外在人脸识别中主要是从以下的几个当面来研究：神经网络的识别方法、基于动态链接结构的弹性图匹配方法；基于几何特征的识别方法人脸面部图像识别方法；基于模板匹配的的人脸识别方法；基于K-L变换的特征脸识别的方法。而且基于K-L变换的特征脸识别的方法广泛的应用，本文的研究也使用这个方法。
（2）国内研究现状
目前我国的人脸识别技术的研究主要集中在三种类型的研究方法:基于几何特征的人脸自动识别方法、基于代数特征的人脸自动识别方法、基于连接机制的人脸正面自动识别方法
[5]。
四川大学教授周激流实现的人脸识别系统，是具有正反馈机制，利用积分投影提取人脸特征，并用于识别的，以获得满意的效果。他还试图以“稳定视图”为特征提取方法，即识别系统包含3D的信息，他对人脸侧面投影影识别做了一定的研究，以确定一个图像轮廓外形特征研究，并实现了正，侧面互相参照的人脸识别系统。
清华大学的彭辉和张长水在特征脸提取方法上做了进一步的扩展，即利用类间散布矩阵的作为特征矩阵，这个方法的提出大大降低来图像在投影时的矩阵维度，同时该方法还有保持图像的识别率，从而可以保证图像的质量，并且该方法还可以减少计算难度。
张辉、周鸿翔和何振亚采用主成分分析的神经网络，利用冗余和重量的照片和人脸特征提取与识别方法。使用这种方法的少量提取的特性，并且计算数据的成本更小，较好地实现了大量样品存储和快速人脸识别。
1.3 课题主要研究方向及解决的主要问题
近年来涌现出很多关于人脸识别技术的方法人脸识别的方法，但是每种方法都有各自的优缺点，通过综合分析各种方法的优缺点以及在生活中的实用价值，本课题主要从人脸面部特征来识别人脸的方法，不涉及感知和心理分类方面，即采用的是基于代数特征的识别方法，也称为PCA（Principal Component Analysis)[6]。PCA是目前在实际应用中使用得最多的一类方法，其主要原因是由于该方法对角度，表情等因素都具有一定的稳定性，且对于光照而言，似乎效果并不太明显[7]。
人脸识别系统主要有以下功能模块组成：预处理模块，人脸器官定位模块，特征提取模块，人脸图像识别模块
图1.1人脸识别系统结构框架
（1）图像样本库的建立。本识别系统是利用软件仿真的方法来模拟人脸识别，首先对图形库的样本进行预处理，包括对样本图灰度化处理、二值化、图像均衡化处理以及图像噪
声去除等。经过处理后的图片利用PCA的特征提取方法产生样本库，可以对输入的图像进行对比并输出识别结果。
（2）待识别图像的预处理。当有需要识别的图像输入时，首先要进行预处理。处理的目的是去除噪声，得到我们需要的有用信息。其包括的步骤有：去除图像灰度化、二值化、均衡化和去除噪声等。
（3）人脸识别。识别的目的是将待识别的图像与样本库的图像进行进行匹配，也就是说将待处理的图像特征与样本库的图像特征进行比较，看是否有相一致的特征和相似的特征，从而达到识别的效果。识别要完成得任务是：人脸辨别，即输入的图像特征与样本库中哪个图片特征相一致，识别的过程是一对多的识别；被识别的人脸确定，即被辨别出来的人脸身份是否属实，是一对一的辨别过程。人脸辨别的工作要比人脸确认的工作要复杂得多，因为人脸辨别涉及到大量数据的匹配，在大量数据的检索和比对中，识别的效率和识别的精度是两个非常重要的指标。人脸确定是人脸辨别的简单化，人脸辨别的结果直接影响到人脸的确定。
（4）根据输入图像的性质，可以将被识别的图像分为静态图像人脸识别和动态图像人脸识别。前者实现的过程中相对简单，而且静态图像主要是从照片、证件、拍照得到的图像，从而进行识别；后者是用摄影机摄影而得到的动态场景，相对于静态图像，识别过程更复杂，需要的数据越来越多。由于技术原因，本课题可以识别的是静态图像。
2人脸图像的预处理
输入的原图像由于受到外界条件的干扰，往往不能在视觉系统中直接使用，必须对原图像进行处理，称为图像的预处理，即利用一定的操作方法来改变图像的像素点，以便达到需要的效果，比如图像更加清晰，或者是从预处理后的图像得到所需的特定信息。对于图片相对位置不合理的图片我们需要进行几何平移；对于含有噪声的图像我们需要去除噪声；为了确保后续的识别和检测能够顺利的进行，我们必须对对原图像进行灰度化等等[8]。由此看来，图像预处理模块的主要目的是为了达到改善图片的质量，将复杂的原图像转换成便于人们观察，有利于计算机识别的目的，也就是说图像预处理的好坏将会直接影响到后面检测和识别率的高低。对于彩色图像我们要利用颜色空间转换，将RGB颜色空间转换到YCrCb颜色空间，使得各种色度和亮度分量尽可能的独立，互不干扰，即图像的灰度化。
2.1图像的灰度化
图像一般可以分为黑白图像和彩色图像。专业的说黑白图像就是灰度图像，灰度图像只有亮度信息，不包含彩色信息，而且图像亮度的变化时连续变化的。而灰度图像则是将图片不同区域的脸色进行量化，灰度级别从0到255，总共有256个灰度级别，从0到255灰度级别是梯增的[9]。而彩色图像的颜色有红蓝绿（RGB)三中颜色混合而成，不同的图片其颜色组成不同。由于彩色图像的三种颜色是混合，要对彩色图像进行识别往往很困难，而且识别的过程中会受到复杂背景的影响，存在很多缺陷。因此，在很多成功的图像处理方法都使用灰度化图像，灰度化图像易实现识别，而且识别率高。然而我们所处理的图像基本都是彩色图像，所以需要转化成灰度图像。
图像的灰度化主要由以下几个步骤完成：
图2.1图像的灰度流程
彩色图像转化成灰度图像的公式如2-1所示
（2-1）
图像灰度化前后如图2.2所示：
Color
Gray B G R B G R ????????????????????=??????????114.0587.0299.0114.0587.0299.0114.0587.0299.0
图2.2 RGB 图像与灰度化图像的比较
2.2图像的二值化处理
图像的二值化就是将灰度图像上的灰度点赋值化，将灰度点置为0或者是255，通俗的说就是将整个图片呈现为黑白效果。图像的二值化最主要的环节是找到一个合适的阀值，从而将整个图像各个部分的边缘特征分开，例如将人脸、眼睛及背景等区域轮廓分开[10]。
（1）二值化的计算
???<≥=128
),(,0128),(,255),(y x g y x g y x G b （2-2） 公式中的),y x G b （表示原图像位于坐标的（x,y)点，),y x G b （的取值有0和255，其中0
表示黑色，255表示白色。当),y x G b （大于等于128像素点时函数等于255，
即用白色来表示；当),y x G b （小于128时函数等于0，即用黑色表示。
（3）图像二值化后的效果
图2.3灰度化图像与二值化图像的比较
2.3直方图均衡化
直方图的均衡化就是将原图像的灰度值进行非线性变换，使得原图形的直方图形成均匀分布，以增加图像灰度值的动态范围，从而可以增加图像的对比度，使得原图形变得更清晰。图像的直方图均衡化的计算包含以下步骤：
（1）列出原图形和变换后图像的灰度级1,,1,0:-???=L k f k ，其中L 是灰度等级总数
（2）计算直方图各灰度等级的出现总数
n n r p k
k r =)( （2-3）
其中k n 表示原图形各灰度级的像素个数1,,1,0-???=L k ;n 表示原图像的像素总个数。
（3）计算累积直方图
∑∑-=-===
=1010)()(L k k L k k r k n n r p r T p （2-4）
（4）计算输出图像的灰度等级i g
)]5.0)[(min min max ++-=g p g g INT g k i （2-5） 其中P 为输出图像的灰度级个数，公式中的i=0,1，…，p-1
（5）用以下的公式计算输出图像的直方图
1,1,0,)(-???==p i n n g P i i g （2-6） 原图像的直方图均衡化得到如下的效果
图2.4直方图均衡化
2.4图像噪声去除
由于图像在形成和传输过程中会受外界环境的干扰而使得图像的质量下降，为了得到理想的图像质量，也为了提高人脸识别的准确率和实效性，我们必须去除一些不必要的干扰，从而得到所必须的图像信息。本设计主要采用中值滤波方法来去除噪声。
（1）中值滤波去噪的原理及优点
把原图像或者是数字序列中的一点的值用该点的一个领域中的中值代替，让周围领域的值都接近真实值，从而消除孤立的噪声点，达到去除噪声的效果。中值滤波采用非线性信号
处理技术，可以很好的保护原图像的边缘效果，而且去除噪声的效果比较明显，在图像处理领域得到广泛的应用[11]。
（2）中值滤波实现步骤
①将原图像与模板中心位置重合。
②读取原图像与模板相对应的灰度值，并将所有的灰度值从小到大依次排列。
③在排列好的所有灰度值中找出中间值，并将找到的中间值赋予模板中心位置。 对于二维中值滤波主要由以下公式来实现
{)},(),,(),(w l k l y k x f Med y x g ∈--= （2-7） 其中),(y x g 表示处理后图像，),(y x f 表示原图像，W 为二维模板
3人脸面部特征提取
在模式识别方法中主要问题是如何提取特征和选择特征，而且特征提取的好坏直接影响后面的识别。在模式识别系统中往往不易找到最要的特征，所以特征的选择和提取是构成模式识别系统中最困难的技术之一。人脸面部特征提取和选择的主要任务是如何在待处理的图像中提取最突出和最有效的的面部特征，为了提取到的特征容易被视觉、触觉和感觉器官发现，一般采用的是物理和结构特征来进行识别，但是目前我们用的计算机都是处理数字信号，所以计算机在处理这些特征时是比较复杂的，而且很难实现。因此，目前在人脸识别这个领域一般选择的是提取数学特征。
3.1特征的选择和提取的步骤
（1）人脸特征的形成
利用前面的预处理模块将待识别的图像进行处理，得到效果更好的图像，然后根据被识别的图像产生基本特征，再将各个灰度点进行赋值，得到人脸的数字图像，进而方便计算机的识别。
（2）特征的提取
由于原图像含有信息比较复杂，而且是高维度的图像，不利于计算机的处理，利用特征提取法将高维度的图片转换成低维度图片。通过提取特征得到的图像一般保持原始图像的某种组合，而且通常是线性的，所谓的特征提取就是将图像的高维空间在X 测量面的投影和Y
测量面的投影。
（3）特征选择
通过特征提取得到很多特征的组合，需要从诸多的特征组合中挑选具有代表性的特征，从而达到降低维度的目的，这个过程称为特征的选择。特征选择的标准是：数量少、可靠性、独立性、可区别性。
3.2 PCA 人脸特征提取法
（1） PCA 的原理
PCA （Principal Component Analysis)的中文意思就是主成分分析法，也称为特征脸识别方法。是一种采用代数计算识别算法，该方法可以达到降维的效果，将多维的图像进行降维，以便计算，所以在当今人脸识别研究领域有广泛的应用，并且取得巨大的成就。PCA 人脸识别的原理是：利用K-L 变换得到人脸各个部分的主要成分，从而将这些特征的结合构成特征脸空间，当进行识别时将被识别的图像进行空间投影，得到一组投影向量，通过与人脸库的图像进行配对，从而达到识别的效果。
（2） K-L 变换
PCA 人脸识别技术是由Turk 和Pentlad 提出的，该技术是以Karhunen-loeve 变换（简称K-L 变换）为基础，是当今在人脸识别技术中最常用的正交变换
[12]。首先要对K-L 变换做个介绍：
假设y 为n 维的随机变量，那个Y 可以由（3-1）来表示
∑==n
i i
i a Y 1φ （3-1） 其中：i a 表示加权系数，i φ表示基向量。3-1的公式还可以用矩阵的形式表示，如公式（3-2）所示：
T
T n n a a a a Y Φ=??????=),,,)(,,,(2121φφφ （3-2） 公式中)n 21φφφ???=
Φ，，（，T n a a a a ),,,(21???= 取向量为正交向量，得到式（3-3）所示
???≠==ΦΦj
i j i T 01j （3-3）
因为Φ是由正交向量构成的，所以Φ是正交矩阵，可以用（3-4）表示
I T
=ΦΦ （3-4）
将式（3-4）相应的变换，即两边同时乘以T Φ得到式（3-5）和（3-6）
Y a T Φ= （3-5）
Y a T
i i Φ= （3-6）
为了得到A 向量的各个向量间互不相关设随机向量矩阵式（3-7）所示
][Y Y E R T = （3-7）
将式（3-2）带入式（3-7）得到式（3-8）
T T a E R ΦΦ=][α （3-8）
为了使得向量a 各个分量间互不相关，需满足以下的的关系式（3-9） ???≠==k j k j a a E j k j 0
][λ （3-9）
将式（3-9）写成矩阵形式，得到式（3-10）：
Λ=???????
?????????n j 100λλλ （3-10） 将式（3-10）变换形式得到式（3-11）：
T R ΦΛΦ= （3-11）
将等式（3-11）作相应的变换得到式（3-12）和（3-13）：
ΦΛ=ΦR (3-12)
),,2,1(j n j R j j ???=Φ=Φλ (3-13)
由以上的推理，可以得出j λ是Y 的特征值，j Φ是特征向量。
综上所示，K-L 变换的展开式系数可以由以下步骤构成：
步骤一：在求自相关矩阵时如果没有自相关矩阵，那么得到均值向量是没有意义的，所
以必须把数据的协方差矩阵作为K-L 的坐标系，我们用μ来表示均值向量。
步骤二：通过公式求出自相关矩阵R 的特征值j λ和特征向量j Φ，同时将所有的特征向量构成矩阵Φ
步骤三：展开系数α通过公式Y T
Φ=α求得。 4 样本库的建立和人脸识别
4.1样本库的建立
(1)样本库的建立方法与流程
人脸样本库包括人脸原始图像和人脸特征，其中人脸图像可以通过预处理得到，人脸特征可以通过人脸特征提取得到。人脸样本库的建立包括以下步骤：
①当输入原图像时要进行预处理，预处理包括图像灰度化、二值化、图像均衡化处理、噪声去除等等。
②将处理好的图像进行器官定位
③定位好的图像进行特征提取和选择处理、
(2)图像样本库的管理
图像样本库的管理主要包括以下的操作：
①样本的添加
本设计采用的的是PCA 的人脸识别，所以在样本采用的是认为的添加过程，也就是说如果需要识别一个样本，那么首先需要的样本库中添加样本，而且样本图像的大小必须跟图像库中的图像大小一致。其程序流程如图4-2所示。
②插入
插入就是将指定的样本加到某个位置，但是在加入的过程中需要判断加入的位置是否有样本，如果没有样本那就是简单的插入；如果已经有样本，那么需要作出判断，判断的结果是把原有的样本覆盖还是将制定位置及之后的位置样本全部往后面移动。其程序流程如图4-3所示。
③删除
删除就是将不需要的样本从样本库中移除，并且此后的样本是要全部往前移动。
图4.1 样本添加流程图 图4.2 程序流程图
4.2人脸识别
由于计算机只能处理数字信号，所以要对输入的图像进行数字化处理，再将图像进行预处理，去除噪声等操作，得到效果更好的图像，然后对图像进行特征提取，进行分类等等[13]
。图像识别系统主要由识别和分析两个部分构成，如图4.3所示
图4.3人脸识别与分析示意图
本设计采用的是PCA 识别方法，
具体流程一般包括以下步骤：将被识别的人脸图像进行预处理；读入样本库，即人脸库；将测试图像和训练图像投影到一个模板空间上；将测试图像和训练图像匹配识别。
本设计是采用MATLAB7.1作为工作平台来实现人脸识别，可以进行人脸的自动识别。仿真识别在ORL 图像库上进行的，ORL 包含有40个人脸，每个人共有10张人脸图像，其中每个人的前5张图像时用来训练的，后面5张是用来识别检测。在所有的人脸图像中，必须保证每幅图的大小一致，否则系统将无法识别。每个人的10张人脸图像是在不同的光照下拍照，且面部表情不一致
[14]。如图4.4所示
图4.4 ORL 人脸库中的5张人脸图像
（1）读入样本库
通过预处理后得到人脸样本库，而且每个人共有10张人脸图像，前面5张是构成训练集，后面的5张是用来构成测试集。预处理后的图像大小是N ×N ，总共构成了2
N 维向量，通过K-L 变换可以得到了低维度的人脸图像。
（2）利用K-L 变换生产相关的矩阵，取得特征值和特征向量。
假设人脸样本库中总共有n 幅人脸图像，分别用向量来表示为n 21,,N N N ???，，利用式（4-1）计算平均人脸 ∑==N i i ave X
N X 11 （4-1）
再计算每幅图像的均差值，即如式（4-2）
ave i i X X X -=' （4-2）
由此可以得到协方差矩阵的计算公式，即（4-3） T i N i i X X N C )(1'1
'∑== （4-3） 由式（4-3）可以计算出C 的特征值和特征向量
（3）将样本库的人脸图像分别投影到特征空间。
特征向量和特征值是构成人脸图像的主要信息，将所有样本库的图像的均差分别向模板空间投影，得到各自的向量空间，分别用N Y Y Y ,,,21???来表示。如式（4-4）和式（4-5）所示。
[]
N i y y y Y Mi i i T i ,,2,1,,,)(,21???=???= （4-4）
M j X I u y ave i T j ji ,,2,1),()(???=-= (4.5)
如果要识别人脸图像I ，那么需要计算投影向量，计算公式如式（4-6）
M j X I u p ave j j ,,2,1),()(j ???=-=T （4-6）
得到的投影向量与样本库投影的向量N Y Y Y ,,,21???进行比较，从而达到识别的效果。
（4）通过将测量图像和训练图像向匹配，从而确定需要识别图像的类别对于图像的分类，有多种不同的分类器：角度、最小距离等。
图4.3主成份数量与识别率的关系
图4.3识别结果
5结论
本设计通过分析各种人脸识别的优缺点，综合各种方法的使用价值和研究成本，所以采用主要成分分析法（Principal Component Analysis，PCA)，该方法的本质就是抽象的将人脸图像识别测评中的基线算法。其本质就是寻找图像在模板上投影后向量差最大的的投影向量，然后将原始图像的数据在向量差最大的方向上投影。为了减少图像的维度，所以本设计主要是研究图像在水平方向上和垂直方向上的投影来确定人脸的特征。该方法的识别流程首先上将输入的图像进行预处理，利用主元件分析法来特征提取，最后识别判决。该方法拥有以下的优点：
（1）由于该方法上在低维度空间上对原始图像进行压缩，所以与其他的人脸识别方法相
比，识别过程更简单、快捷有效。
（2）原始人脸图像通过灰度化处理后得到的灰度数据不需要通过任何处理，可以直接用来识别的学习。
（3）该方法在识别中容易实现，且识别率可以到达实际应用的要求，所以被广泛的应用。
目前该方法的识别只能应用在样本库的图像和测试的图像匹配识别，对人脸图像的预处理模块的要求很高，图像预处理的好坏直接影响到后面的识别。如果测试图像和样本库的图像差别很大，那么系统将无法识别出来，所以要求样本库的图像和测试图像有很大的相似性，所以该方法在使用对象上有很大的局限性，主要表现在以下几个方面：
（1）该方法只能处理正面人脸图像，外界条件和人脸姿态对识别效果影响很大，如外界光照、人脸姿态等[15]。
（2）由于该方法是通过计算某个特征点的距离来达到识别的目的，所以图像的尺寸变化直接影响到识别结果，因此在识别前需要对图像进行处理。
（3）只能处理简单的图像，而且要求图像的背景单一，对于复杂的图像背景和变化多样的图像需要将图像进行分割处理。
由于主元件分析法外界条件的变化和人脸姿态对其识别结果又很大的影响，而且随着光线变化、人脸尺寸的变化、图像的角度变化等因素的变化，而导致识别率的下降，因此主元件成分分析法在人脸识别的应用上还有局限性，对于要求精度很高的应用方向还不能达到要
求，所以主元件成份分析法需要在原来的基础上进行改进。今后PCA人脸识别会采用二维图像和多维图像的结合，多种识别模式的结合使用，从而可以有效的提高系统的识别准确度；图像的算法将有低维图像向高维图像算法的应用；今后主元件成分分析法将会克服外界因素的影响，包括光照、表情和姿态的变化、配戴眼镜等因素的影响；识别的计算量也将向最少化过度。克服以上的诸多因素，从而在国家安全和金融等领域得到有效的应用，从而使得金融机构和国家安全得到保障。
参考文献
[1]王跃，王继文.遥感图像处理技术在人脸识别中的应用研究[J].电脑知识与技术（学术交流）.2007,4（22）
[2]赵明华．人脸检测和识别技术研究[M]．四川大学，2006．
[3]吴玲.人脸识别中的图像处理技术[J].计算机与网络，2012.
[4]刘丽．复杂背景下快速人脸检测与识别[M]．西北工业大学，2004．
[5]阮秋琦．基于动态模板匹配的人脸面部特征提取的研究[M]．湖南大学，2004．
[6]刘洋.基于PCA的人脸识别方法研究[J].北京工业大学.2009.
[7]庄连生.复杂光照下的人脸识别关键算法研究[J].2006
[8]胡晓军，徐飞.MATLAB应用图像处理[M].西安电子科技大学.2011:25-28.
[9]赵红梅.MATLAB基础与提高[M].电子工业.2005:176-182.
[10]袁东,肖广兵.MATLAB快速入门与应用[M].电子工业.2011:170-200
[11]蔡玉.基于主元分析和小滤波变换的人脸识别方法研究与实现[J].2005
[12]马晓路.MATLAB图像处理从人们到精通[M].中国铁道.2013:130-134.
[13]德福，马力男．数字信号处理器在实时数字图像处理中的应用[M]．武警技术学院学报，2001．
[14]张翠平, 苏光大.人脸识别技术综述[J].电子工业. 2000.
[15] 田印中, 董志学, 黄建伟.基于PCA 的人脸识别算法研究及实现. 2010.03.
致谢
四年的大学生活就快走入尾声，我的校园生活就要划上句号，心中是无尽的难舍与眷恋。从这里走出，对我的人生来说，将是踏上一个新的征程，要把所学的知识应用到实际工作中去。
回首四年，取得了些许成绩，生活中有快乐也有艰辛。感谢老师四年来对我孜孜不倦的教诲，对我成长的关心和爱护。
学友情深，情同兄妹。四年的风风雨雨，我们一同走过，充满着关爱，给我留下了值得珍藏的最美好的记忆。
在我的十几年求学历程里，离不开父母的鼓励和支持，是他们辛勤的劳作，无私的付出，为我创造良好的学习条件，我才能顺利完成完成学业，感激他们一直以来对我的抚养与培育。
衷心感谢我的公司伍尔特的电子重庆有限公司桐梓分公司的各位领导和同事，在公司半年有余使我对品质部工作的深入了解，使得我真正将学到的知识应用到工作中去，特别感谢他们在工作中对我的支持和帮助。
我要特别感谢刘娜师。是她在我毕业的最后关头给了我们巨大的帮助与鼓励,使我能够顺利完成毕业设计，在此表示衷心的感激。她认真负责的工作态度，严谨的治学精神和深厚的理论水平都使我收益匪浅。她无论在理论上还是在实践中，都给与我很大的帮助，使我得到不少的提高这对于我以后的工作和学习都有一种巨大的帮助，感谢她耐心的辅导。
最后，衷心祝愿母校长师的明天更加美好！
机器学习概述课程设计报告题目：MATLAB人脸识别系统 姓名：** 学号：** 专业：** 时间：2015/8/7
目录 一、课程设计的目的............................................................................... 二、设计的内容与要求........................................................................... 三、详细设计........................................................................................... 四、课程设计的总结............................................................................... 五、参考文献...........................................................................................
一.课程设计的目的 人脸识别作为一项新兴的科学研究项目，有着广泛的应用前景，而且随着计算机技术的更新发展，它的科学研究价值也越发凸显。经过几十年的研发探讨，世界各大研究结构的研发人员的不断努力下，人脸识别技术一已取得丰硕的成果，可在一定限制条件下完成人脸的自动识别。这些成果的取得更促进了人们对人脸识别这一课题的深入研究。 在电子商务飞速发展的今天，人脸识别系统的范畴一不足以涵括人脸识别的应用范围，在数字图像处理、视频领域、基于内容的检索等方面有着重要的应用价值。。 二．设计的内容及要求 1、选择KNN,聚类或SVM方法中的一种或其他机器学习方法的一种进行课程设计 2、要求能完成具体的识别任务：如图像分割、语音识别、人脸识别 3、要求识别的对象中有自己生活元素，比如图像中包括学校的图片或语音时本人的语音等。三．详细设计 YCbCr空间——>灰度图像转换——>噪声消除——>图像填孔——>图像重构——>人脸区域确定——>边缘检测 （原图-涉及个人隐私，未呈现原图）
摘要 人脸识别技术(FRT)是当今模式识别和人工智能领域的一个重要研究方向。虽然人脸识别的研究已有很长的历史，各种人脸识别的技术也很多，但由于人脸属于复杂模式而且容易受表情、肤色和衣着的影响，目前还没有一种人脸识别技术是公认快速有效的．本文主要讨论了人脸识别技术的一些常用方法，对现有的人脸检测与定位、人脸特征提取、人脸识别的方法进行分析和讨论，最后对人脸识别未来的发展和应用做了展望。 关键字：人脸识别，特征定位，特征提取
ABSTRACT Nowadays the face recognition technology (FRT) is a hot issue in the field of pattern recognition and artificial intelligence．Although this research already has a long history and many different recognition methods are proposed，there is still no effective method with low cost an d high precision．Human face is a complex pattern an d is easily affected by the expression，complexion and clothes．In this paper，some general research are discussed，including methods of face detection and location，features abstraction，and face recognition．Then we analyze and forecast the face recognition’s application and its prospects． Keywords: Face Recognition Technology, Face location，Features abstraction
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：
数字图像处理课程设计--人脸检测
数字图像处理课程设计报告 （人脸检测） 姓名：xxx 学号：xxxx
1 引言 随着科学技术的飞速发展，互联网的广泛应用，重要部门(机场、银行、军政机关、重点控制地区)的进出，计算机网络中重要信息的存储与提取，都需要可靠的人身鉴别。身份的识别已经成为一种人们日常生活中经常遇到的问题。人脸识别作为生物特征识别中成功的应用之一，因为其巨大的商业应用前景，受到越来越多的重视。 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。在国内，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。近 30 年以来，人脸识别技术有了长足的发展，并且逐步走向实际应用阶段[1]。 2 实验方法 2.1 方法综述 典型人脸识别系统的实现过程如图2.1所示，一般包括三个步骤:人脸检测、人脸特征提取、人脸识别与验证。在实现过程中，首先输入图像集，然后用人脸检测模块进行人脸检测。如果检测到人脸图像，则进行特征点定位，一般以两眼中心为基准，根据两眼距离d，对人脸图像进行归一化处理，归一化处理包含了图像预处理，图像缩放以及有效人脸区域选取等操作。最后对归一化的人脸图像进行特征提取，送入分类器进行识别，最终获得识别结果[2]。 图像预处理特征提取特征对比 (分类器) 结果输出 图像输入 图2.1 人脸识别技术处理流程图 在预处理阶段，对图像进行优化，尽可能去除或者减小光照、成像系统、外部环境等对待处理图像的干扰，为后续处理提高质量。以便使不同的人脸图像尽可能在同一条件下完成特征提取、训练和识别。人脸图像的预处理主要包括人脸扶正，人脸图像的增强，以及归一化等工作。人脸扶正是为了得到人脸
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
基于肤色的人脸检测 摘要 本文介绍了人脸图像识别中所应用MATLAB对图像进行预处理，应用该工具箱对图像进行经典图像处理,通过实例来应用matlab图像处理功能，对某一特定的人脸图像处理，进而应用到人脸识别系统。本文在总结分析人脸识别系统中几种常用的图像预处理方法基础上，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:脸部定位，特征提取，图像处理，MATLAB
Abasract This paper introduces the application of MATLAB in face image recognition of image preprocessing,the application of the toolkit for classical image processing, application MATLAB image processing function through instance,for a particular face image processing,and then applied to the face recognition system.In face recognition system based on the summary analysis of several commonly used image preprocessing method based on the MATLAB implements a collect a variety of pretreatment method for the integration of the universal facial image preprocessing simulation system,the system as the image preprocessing module can be embedded in a face recognition system,and use the gray histogram of the image matching to realize the face image recognition. Key words:face positioning,feature extraction,picture processing,MATLAB
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.
东北大学 硕士学位论文 基于图像处理的人脸识别系统 姓名：周丹 申请学位级别：硕士 专业：控制理论与控制工程指导教师：王建辉 20050701
东北大学硕士学位论文第一章引言 如何能正确识别大量的人并满足实时性要求是迫切需要解决的问题。总之，要让计算机象人一样方便准确地识别大量的人脸尚需不同学科研究领域的科学家共同做出不懈的努力。 １．３模式识别的基本概念 模式识别研究的内容是利用计算机对客观物体进行分类，在错误概率最小的条件下，使识别的结果尽量与客观物体相符合。 在模式识别学科中，就“模式”与“模式类”而言，模式类是一类事物的代表，而“模式”则是某一事物的具体体现，如数字０，ｌ，２，３，４，５，６，７，８，９是模式类，而用户任意手写的一个数字或任意一个印刷数字则是“模式”，是数字的具体化。 在模式识别技术中，被观测的每个对象称为样品，用ｘ表示，样品的数量用Ｎ表示。 对于一个样品来说，必须确定一些与识别有关的因素作为研究的根据，侮‘ 个因素称为一个特征。模式就是样品所具有的特征描述。模式的特征集由处于同 一个特征空间的特征向量表示，特征向量的每个元素成为特征，该向量也因此称为特征向量。一般地用小写英文字母ｘ，个特征，则可把Ｘ看作一个ｎ维列向量，ｘ榧 Ｙ，ｚ来表示特征。如果一个样品Ⅳ有ｎ该向量ｘ称为特征向量，记作： ’，Ｘ月 模式识别问题就是根据ｘ的几个特征来判别模式工属于ｑ，国：，．．．，∞。类中的 哪一类。 １．４模式识别系统组成 一个典型的模式识别系统如图３．１所示，由数据获取、预处理、特征提取、分类决策及分类器设计五部分组成。一般分为上下两部分。上半部分完成未知类别模式的分类；下半部分属于设计分类器的训练过程，利用样品进行训练，确定分 ２ ＸＧ 一一
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，
太原科技大学 毕业设计（论文） 设计(论文)题目：基于PCA算法的人脸识别
毕业设计（论文）原创性声明和使用授权说明 原创性声明 本人郑重承诺：所呈交的毕业设计（论文），是我个人在指导教师的指导下进行的研究工作及取得的成果。尽我所知，除文中特别加以标注和致谢的地方外，不包含其他人或组织已经发表或公布过的研究成果，也不包含我为获得及其它教育机构的学位或学历而使用过的材料。对本研究提供过帮助和做出过贡献的个人或集体，均已在文中作了明确的说明并表示了谢意。 作者签名：日期： 指导教师签名：日期： 使用授权说明 本人完全了解大学关于收集、保存、使用毕业设计（论文）的规定，即：按照学校要求提交毕业设计（论文）的印刷本和电子版本；学校有权保存毕业设计（论文）的印刷本和电子版，并提供目录检索与阅览服务；学校可以采用影印、缩印、数字化或其它复制手段保存论文；在不以赢利为目的前提下，学校可以公布论文的部分或全部内容。 作者签名：日期： Ⅰ
学位论文原创性声明 本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加以标注引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律后果由本人承担。 作者签名：日期：年月日 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。 涉密论文按学校规定处理。 作者签名：日期：年月日 导师签名：日期：年月日 Ⅰ
摘要 摘要 随着社会的发展，各个方面对快速有效的自动身份验证的要求日益迫切。由于生物特征是人的内在属性，具有很强的自身稳定性和个体差异性，因此是身份验证的理想依据。这其中，利用人脸特征又是最自然直接的手段，相比其他生物特征，它具有直接、友好、方便的特点，易于为用户接受。 人脸识别是一个涉及面广且又很有挑战性的研究课题，近年来关于人脸识别的研究取得了较大的进展。 关键词：人脸识别，AT89C51单片机，液晶显示器
Abstract As the development of the society, there are increasing demands in automatic identity check. Since some biological characteristics are intrinsic and stable to people and are strongly different from one to the others, they can be used as features for identity check. Among all the characteristics of human, the characteristics of face are the most direct tools which are friendly and convenient and can easily be accepted by the customers. Face recognition is an extensive and challenging research problem. Recently, significant progresses have been made in the technology of the face recognition. Key word:AT89C51 MCU，human face recognition，LCD
数字图像处理课程设计
人脸检测与识别课程设计一、简介人脸检测与识别是当前模式识别领域的一个前沿课题，人脸识别技术就是利用计算机技 术，根据数据库的人脸图像，分析提取出有效的识别信息，用来 “辨认”身份的技术。人脸识别是模式识别研究的一个热点, 它 在身份鉴别、信用卡识别, 护照的核对及监控系统等方面有着广 泛的应用。人脸图像由于受光照、表情以及姿态等因素的影响, 使得同一个人的脸像矩阵差异也比较大。因此, 进行人脸识别时, 所选取的特征必须对上述因素具备一定的稳定性和不变性. 主 元分析(PCA)方法是一种有效的特征提取方法,将人脸图像表示成 一个列向量, 经过PCA 变换后, 不仅可以有效地降低其维数, 同 时又能保留所需要的识别信息, 这些信息对光照、表情以及姿态 具有一定的不敏感性. 在获得有效的特征向量后, 关键问题是设 计具有良好分类能力和鲁棒性的分类器. 支持向量机(SVM ) 模 式识别方法,兼顾训练误差和泛化能力, 在解决小样本、非线性及 高维模式识别问题中表现出许多特有的优势。 本此课程设计基于MATLAB，将检测与识别分开进行。其中检测 部分使用实验指导书上的肤色模型算法进行，不进行赘述。识别 部分采用PCA算法对检测出的人脸图像进行特征提取, 再利用最
邻近距离分类法对特征向量进行分类识别，将在后文具体表述。仿真结果验证了本算法是有效的。 二、人脸检测源码 1.img=imread('D:\std_test_images\face3.jpg'); figure; imshow(img); R=img(:,:,1); G=img(:,:,2); B=img(:,:,3); faceRgn1=(R>95)&(G>40)&(B>20)&max(img,[],3)-min(img,[],3)>15& abs(R-G)>15&R>B; figure; imshow(faceRgn1); r=double(R)./double(sum(img,3)); g=double(G)./double(sum(img,3)); Y=0.3*R+0.59*G+0.11*B; faceRgn2=(r>0.333)&(r<0.664)&(g>0.246)&(g<0.398)&(r>g)& g>=0.5-0.5*r; figure; imshow(faceRgn2); Q=faceRgn1.*faceRgn2;
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