下载文档原格式
基于MATLAB的人脸识别技术研究与应用人脸识别技术是一种通过对图像或视频中的人脸进行检测、识别和验证的技术。
随着计算机视觉和人工智能领域的不断发展，人脸识别技术在各个领域得到了广泛的应用，如安防监控、人脸支付、门禁系统等。
而MATLAB作为一种强大的科学计算软件，被广泛应用于人脸识别技术的研究和开发中。
本文将探讨基于MATLAB的人脸识别技术研究与应用。
人脸识别技术概述人脸识别技术是一种生物特征识别技术，通过对人脸图像进行采集、处理和比对，实现对个体身份的自动识别。
人脸识别技术主要包括人脸检测、特征提取、特征匹配等步骤。
在MATLAB环境下，可以利用其丰富的图像处理工具箱和深度学习工具箱来实现人脸识别算法的开发和优化。
基于MATLAB的人脸检测人脸检测是人脸识别技术中的关键步骤，其目的是在图像中准确地定位出人脸区域。
在MATLAB中，可以利用Haar级联分类器、HOG特征以及深度学习方法如卷积神经网络（CNN）来实现人脸检测算法。
这些方法可以有效地提高人脸检测的准确性和鲁棒性。
基于MATLAB的人脸特征提取在进行人脸识别时，需要从人脸图像中提取出具有区分性的特征信息。
常用的人脸特征提取方法包括主成分分析（PCA）、线性判别分析（LDA）、局部二值模式（LBP）等。
在MATLAB中，可以通过调用相应的函数或自行编写代码来实现这些特征提取算法，并对提取到的特征进行降维和优化。
基于MATLAB的人脸特征匹配在获取到人脸图像的特征表示后，需要进行特征匹配来判断两幅图像是否属于同一个人。
常用的匹配方法包括欧氏距离、余弦相似度、支持向量机（SVM）等。
在MATLAB中，可以利用其强大的数学计算功能和机器学习工具箱来实现不同的特征匹配算法，并根据具体应用场景选择合适的匹配策略。
基于MATLAB的人脸识别系统开发基于上述步骤，可以在MATLAB环境下开发完整的人脸识别系统。
该系统可以包括图像采集模块、预处理模块、特征提取模块、匹配比对模块以及结果显示模块等功能。
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 MatlabStudent: xu wenqiang Teacher:jiang zhong zhengAbstract：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 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 functionKey Words：Face Detection；Video Detection；Skin color characteristics目次摘要 (I)Abstract (II)1 绪论 (1)1.1论文的研究历史背景及目的 (1)1.2国内外研究现状 (2)1.3论文的主要内容安排 (3)2 人脸检测及其算法简介 (5)2.1人脸检测介绍 (5)2.2人脸检测的常用方法 (5)2.2.1基于特征的人脸检测方法 (5)2.2.2模块匹配法的人脸检测 (6)2.2.3基于adaboost算法的人脸检测方法 (7)3 基于视频的人脸检测研究及其实现 (8)3.1 MATLAB图像处理工具箱中的视频操作 (8)3.2提取AVI视频文件的帧 (9)3.3对图像进行肤色特征的人脸检测 (11)3.3.1色彩空间及其内容介绍 (11)3.3.2对图像进行预处理 (11)3.3.3对人脸肤色进行建模 (13)3.3.4 检测人脸区域的选定 (14)3.4图像向AVI视频文件的转换 (16)4 人脸检测在MATLAB软件下仿真实现 (18)4.1设计条件 (18)4.2设计流程 (18)4.4.1基于视频的人脸检测的总设计模块图 (18)4.4.2对图像进行人脸检测具体框图 (19)4.3人脸检测的MATLAB实现 (19)4.3.1人脸检测运行结果 (19)4.3.2人脸检测结果分析 (21)5 结论 (22)致谢 (23)参考文献 (24)附录 (25)1 绪论当前，人脸检测越来越受到大家的关注，它作为生物特征识别中一个非常重要的一个分支，已成为计算机视觉与模式识别领域中非常活跃的一个研究领域。
BI YE SHE JI（20 届）基于MATLAB的人脸识别系统设计所在学院专业班级自动化学生姓名学号指导教师职称完成日期年月I摘要MATLAB以强大的科学计算与可视化功能、简单易用、开放式可扩展环境成为当今最优秀的科技应用软件之一，针对不同学科领域都有不同的工具箱支持，使得它在许多科学领域中成为计算机辅助设计和分析、算法研究和应用开发大的基本工具平台。
主成分分析（Principal Component Analysis ，PCA）是一种掌握事物主要矛盾的统计分析方法，它可以从多元事物中解析出主要影响因素，揭示事物的本质，简化复杂的问题。
人脸的全局表达方式是一种十分有效的人脸识别方法。
它是图像压缩中的一种最优正交变换，在数据空间找一组向量以尽可能解释数据的方差，实现数据的降维，使数据更易处理。
BP神经网络是一种单向传播的多层前向网络，是一种有导师监督学习算法。
它能够实现一种特殊的非线性映射，将输入空间变换到由输出所张成的空间，使得在输出空间的分类问题变得简单易行。
本论文首先对PCA主成分分析方法进行了阐述，然后探讨了BP神经网络的集成识别方法，最后实现了基于MATLAB的人脸识别系统。
关键词：MATLAB，人脸识别，PCA主成分分析，BP神经网络IIAbstractMATLAB with a strong scientific computing and visualization capabilities, easy to use, open and scalable environment to become one of the best scientific and technological applications, has a different toolbox support for different disciplines, making it in many fields of science in computer-aided design and analysis, algorithm research and application development tool platform.The principal component analysis (Principal Component Analysis, the PCA) is the method of statistical analysis of the principal contradiction of a grasp of things, from diverse things, it can parse out the main factors to reveal the nature of things, to simplify complex issues. The global expression of the face is a very effective method of face recognition. It is the image compression in an optimal orthogonal transform , to the extent possible, explain the variance of the data in the data space to find a set of vectors, the dimensionality reduction of the data, make data easier to handle.BP neural network is a one-way transmission of multi-layer forward network, is a mentor supervised learning algorithm. It can achieve a special kind of nonlinear mapping the input space is transformed by the output into the space, makes the classification problem in the output space becomes simple.This paper first described the PCA principal component analysis method, then discusses the integration of BP neural network identification method, the final realization of the face recognition system based on MATLAB.Keywords：MATLAB, face recognition, PCA principal component analysis, BP neural networkIII目录摘要 (II)Abstract (III)目录 (III)第一章绪论 (1)1.1研究背景 (1)1.2国内外研究现状 (3)1.3 论文的主要任务 (4)第二章基于PCA主成分分析的人脸图像特征提取 (6)2.1经典主成分分析方法 (6)2.1.1K-L变换 (6)2.1.2PCA方法 (8)2.2特征脸法 (10)2.3本章小结 (10)第三章基于BP神经网络的人脸特征分类与识别 (12)3.1BP神经网络的算法及实现方法 (12)3.1.1基本BP神经网络的学习算法 (12)3.1.2神经网络综合优化学习训练算法 (14)3.2 BP神经网络的参数 (17)3.2.1隐含层数目的确定 (17)3.2.2选取隐含层内节点数目的方法 (18)3.2.3激活函数的选取 (19)3.3基于动态权值的BP神经网络的集成 (19)3.4集成BP神经网络的训练与识别过程 (20)3.5 本章小结 (21)第四章图像处理的MATLAB实现 (22)4.1与人脸识别相关问题的概述 (22)4.2 人脸识别的实现方法 (22)IV4.2.1 人脸图像的获取 (22)4.2.2 人脸图像预处理 (22)4.2.3 人脸表征 (24)4.2.4关于人脸检测的问题 (25)4.2.5 人脸判定 (26)4.3 本章小结 (27)第五章结论 (28)参考文献 (29)致谢 (31)附录 (32)附录一 (32)附录二 (33)附录三 (34)附录四 (37)V第一章绪论1.1研究背景人脸识别技术是一种基于生理特征的识别技术，通过计算机提取人脸特征，并根据这些特征进行身份识别和验证的一种技术。
基于MATLAB的⼈脸识别系统研究与实现毕业论⽂本科⽣毕业论⽂(设计) 题⽬：基于MATLAB的⼈脸识别系统研究与实现毕业设计（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：年⽉⽇注意事项1.设计（论⽂）的内容包括：1）封⾯（按教务处制定的标准封⾯格式制作）2）原创性声明3）中⽂摘要（300字左右）、关键词4）外⽂摘要、关键词5）⽬次页（附件不统⼀编⼊）6）论⽂主体部分：引⾔（或绪论）、正⽂、结论7）参考⽂献8）致谢9）附录（对论⽂⽀持必要时）2.论⽂字数要求：理⼯类设计（论⽂）正⽂字数不少于1万字（不包括图纸、程序清单等），⽂科类论⽂正⽂字数不少于1.2万字。
长沙民政职业技术学院毕业实践报告 题目:基于MATLAB 勺人脸识别系统的研扌旨导老师： ______ 谭刚林 ______________________ 系 另寸： 电子信息工程系 __________________ 班 级： ______________ 电子1133 ____________学号：1119013333 1119013334 1119013335 姓 名： 刘盼符思遥樊阳辉类型:2014年5月5日基于MATLAB勺人脸识别系统的研究符思遥、刘盼、樊阳辉指导老师：谭刚林苏宏艮马勇赞【摘要】人脸检测与识别技术是计算机视觉和模式识别等学科的研究热点之一，是进行身份认证最友好直接的手段，在出入境安全检查、内容检索、证件验证、门禁系统等领域都具有十分广泛的应用前景。
多年来，人脸识别技术中的很多问题都被深入地研究，而且大量的算法已经成功应用于人脸识别。
本文在研究了人脸检测和身份识别的关键技术和相关理论的基础上，重点讨论了在光照和背景不同的条件下，彩色静止图像的人脸检测和身份识别问题，它包括基于肤色分割的人脸粗检测、基于人眼检测的几何归一化和基于二维主成分分析法(2DPCA的身份识别。
本文主要工作如下：首先对彩色图像进行光照补偿，其次通过肤色检测获得可能的脸部区域并二值化，再用形态学开闭运算对图像进行滤波处理并通过一定规则确定人脸区域，然后运用水平垂直投影定位人眼坐标以此对人脸进行几何归一化，识别部分运用2DPCA勺图像映射方法对灰度图进行特征匹配，最后输出识别结果并进行语音播报。
实验结果表明，结合肤色和面部几何特征的算法能够对人脸进行较快速和准确的定位，同时2DPCAT法运用于身份识别也能达到较高的识别率。
本毕业设计对实际应用具有一定的参考价值，该系统的操作流程和输入输出方式是以实际应用为出发点，可应用于公安机关证件验证以及日常家庭的自动门禁系统等。
【关键词】人脸检测；肤色分割；人眼检测；2DPCA特征提取1绪论 (1)1.1选题的背景 (1)1.2人脸识别系统 (2)1.3人脸识别的典型方法 (2)2基于YCbCr颜色空间的肤色分割 (3)2.1三种色彩空间 (3)2.1.1 RGB色彩空间 (3)3基于2DPCA特征提取的身份识别 (4)3.1 2DPCA算法实验结果与分析 (5)3.1.1实验用数据库 (5)3.1.2实验结果与分析 (5)3.1.3 结论 (7)4人脸检测与识别系统设计与实现 (7)4.1系统环境 (7)4.2人脸检测与识别系统框图 (7)4.3系统功能模块 (8)4.4实验结果分析 (9)5总结与展望 (10)5.1总结 (10)5.2展望 (10)参考文献 (12)1绪论1.1选题的背景近年来随着计算机技术和互联网的发展，信息技术的安全变得越来越重要，生物特征识别技术得到广泛研究与开发，如人脸识别、指纹识别、掌形识别等。
人脸识别方法的研究目录第一章绪论第一节课题背景一课题的来源------------------------------------------------------------------------------1二人脸识别技术的研究意义------------------------------------------------------------1 第二节人脸识别技术的国内外发展概况---------------------------------------------------3一国外发展概况---------------------- --------------------------------------------------2二国内发展概况---------------------------------------------------------------------------4 第二章系统的需求分析和方案选择---------------------------------------------------------5第一节可行性分析------------------------------------------------------------------------------5 一技术可行性分析------------------------------------------------------------------------5二操作可行性分析------------------------------------------------------------------------5 第二节需求分析---------------------------------------------------------------------------------6 一应用程序的功能需求分析------------------------------------------------------------6二开发环境的需求分析------------------------------------------------------------------7三运行环境的需求分析------------------------------------------------------------------7 第三节预处理方案选择------------------------------------------------------------------------7 一设计方案原则的选择------------------------------------------------------------------7二图像文件格式选择---------------------------------------------------------------------8三开发工具选择---------------------------------------------------------------------------8四算法选择分析---------------------------------------------------------------------------8 第三章系统的概要设计------------------------------------------------------------------------9第一节各模块功能简介------------------------------------------------------------------------9 第四章系统详细设计-------------------------------------------------------------------------14第一节系统整体设计简述-------------------------------------------------------------------14第二节图像处理详细设计-------------------------------------------------------------------14 一位图详细设计-------------------------------------------------------------------------14二图像点处理详细设计----------------------------------------------------------------15（二）光线补偿算法和代码实现----------------------------------------------------------16（三）图像灰度化算法和代码实现-------------------------------------------------------18（四）高斯平滑算法和代码实现----------------------------------------------------------20（五）灰度均衡算法和代码实现----------------------------------------------------------23（六）图像对比度增强算法和代码实现-------------------------------------------------25 第三节编程时的问题解决-------------------------------------------------------------------26 第五章结构设计-------------------------------------------------------------------------------28 第六章测试-------------------------------------------------------------------------------------35 第一节测试方案选择的原则----------------------------------------------------------------35 第二节测试方案-------------------------------------------------------------------------------36 结束语----------------------------------------------------------------------------------------------------------37 致谢参考文献摘要人脸识别因其在安全验证系统、信用卡验证、医学、档案管理、视频会议、人机交互、系统公安(罪犯识别等)等方面的巨大应用前景而越来越成为当前模式识别和人工智能领域的一个研究热点。
基于matlab 的人脸识别技术论文摘要：随着计算机技术的飞速发展，人脸识别技术逐渐发展壮大起来，并应用到众多领域。
人脸识别是指在人脸检测的基础上针对输入的人脸图像，通过特征提取与特征匹配，找出与人脸库中匹配的人脸图像，从而达到识别效果。
当前主要采取的人脸识别方法有：基于几何特征的方法 ，基于模板的方法和基于模型的方法。
这些方法较适合于人脸信息的验证，即待识别者是否为预先指定的对象。
不足之处在于，需要建立一个拥有庞大人脸信息的训练样本库，因此就降低了输出结果的时效性和准确性。
在应用领域中存在局限性，不适于具有庞大人脸样本训练库的身份鉴别领域。
鉴于种种不足，本文提出了一种基于可变人脸库的快速人脸识别方法，使人脸识别技术适用于更多的行业。
网络信息化时代的一大特征就是身份的数字化和隐性化,如何准确鉴定一个人的身份，保护信息安全是当今信息化时代必须解决的一个关键社会问题。
正在悄然兴起的人脸识别技术正好可以解决这一问题。
关键词：模式识别，K-L 变换，人脸识别，图像处理，matlab,图像增强，边缘检测，图像预处理，灰度直方图，特征提取1.1识别系统构成自动人脸识别系统具有如图所示的一半框架并完成相应功能的任务。
（1）人脸图像的获取：一般来说，图像的获取都是通过摄像头摄取，氮摄取的图像可以是真人，也可以是人脸的图片或者为了相对简单，可以不考虑通过摄像头来摄取头像，而是直接给定要识别的图像。
（2）人脸的检测：人脸检测的任务是判断静态图像中是否存在人脸。
若存在人脸，给出其在图像中的坐标位置，人脸区域大小等信息。
而人脸跟踪需要进一步输出所检测到的人脸位置，大小等状态随时间的连续变化情况。
（3）特征提取通过人脸特征点的检测与标定可以确定人脸图像中显著特征点的位置（如眼睛，眉毛，鼻子，嘴巴等器官），同时还可以得到这些器官及其面部轮廓的形状信息的描述。
1.人脸特征提取的算法：K-L 变换是图像压缩中的一种最优正交变换，通过它可以把人脸样本从高维空间表示转换到低维空间表示，且由低维空恢复的人脸样本和原人脸样本具有最小的均方误差，从而可用人脸样本在低维空间的变换系数作为对人脸特征的描述。
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。
MATLAB中的人脸检测与人脸关键点定位技术人脸检测与人脸关键点定位是计算机视觉中一个重要的课题，它在许多应用领域都有着广泛的应用，如人脸识别、人机交互、表情分析等。
MATLAB作为一种非常强大的科学计算软件，也提供了丰富的工具和函数来实现这些功能。
在本文中，将探讨MATLAB中的人脸检测与人脸关键点定位技术，并介绍其原理和具体实现方式。
一、人脸检测技术人脸检测是计算机视觉中的一项基础任务，其目标是在给定的图像中准确地识别出人脸的位置。
在MATLAB中，人脸检测通常基于基于统计模型的方法，如Haar特征和级联分类器。
1. Haar特征Haar特征是一种用于物体检测的特征描述方法，它通过计算图像中不同区域的灰度差异来表示目标物体的特征。
在人脸检测中，Haar特征可以用来检测人脸的各种细节，如眼睛、鼻子、嘴巴等。
MATLAB提供了一系列函数和工具箱来计算和提取Haar特征，以及构建Haar特征分类器。
2. 级联分类器级联分类器是一种常用的目标检测方法，它通过级联多个简单的分类器来实现对复杂目标的检测。
在人脸检测中，级联分类器可以用来筛选候选区域，并排除一些不可能是人脸的区域，从而提高检测的准确率。
MATLAB中的人脸检测函数通常会使用级联分类器进行初步筛选，以减少计算量。
二、人脸关键点定位技术人脸关键点定位是在检测到人脸后，进一步定位人脸的关键特征点，如眼睛、眉毛、鼻子、嘴巴等。
在MATLAB中，人脸关键点定位主要基于形状模型和特征点回归方法。
1. 形状模型形状模型是一种用于描述人脸形状变化的数学模型，它通过学习和建模一组训练数据的形状变化，从而能够对新的输入数据进行形状预测。
在人脸关键点定位中，形状模型可以用来对给定的人脸进行局部形状的估计，从而进一步定位关键点。
MATLAB提供了一些函数和工具箱来实现形状模型的训练和预测。
2. 特征点回归特征点回归是一种常用的人脸关键点定位方法，它通过学习一个回归函数，将图像中的像素坐标映射到关键点的位置坐标。
《基于MATLAB的人脸识别算法的研究》篇一一、引言人脸识别技术是近年来计算机视觉领域研究的热点之一，其应用范围广泛，包括安全监控、身份认证、人机交互等。
MATLAB作为一种强大的数学计算软件，为研究人员提供了丰富的工具和函数，使得人脸识别算法的研究和实现变得更加便捷。
本文将介绍基于MATLAB的人脸识别算法的研究，包括算法原理、实现方法、实验结果及分析等方面。
二、人脸识别算法原理人脸识别算法主要基于计算机视觉和模式识别技术，通过对人脸特征进行提取和匹配，实现身份识别。
常见的人脸识别算法包括特征提取、特征匹配等步骤。
其中，特征提取是关键步骤，需要从人脸图像中提取出有效的特征，如纹理、形状、颜色等。
特征匹配则是将提取出的特征与人脸库中的特征进行比对，找出最匹配的人脸。
三、基于MATLAB的人脸识别算法实现1. 预处理在人脸识别算法的实现中，首先需要对人脸图像进行预处理，包括灰度化、归一化、降噪等操作。
这些操作可以有效地提高图像的质量，为后续的特征提取和匹配提供更好的基础。
2. 特征提取特征提取是人脸识别算法的核心步骤之一。
在MATLAB中，可以使用各种算法进行特征提取，如主成分分析（PCA）、局部二值模式（LBP）、方向梯度直方图（HOG）等。
本文采用PCA 算法进行特征提取，通过降维的方式将高维的人脸图像数据转化为低维的特征向量。
3. 特征匹配特征匹配是将提取出的特征与人脸库中的特征进行比对的过程。
在MATLAB中，可以使用各种相似度度量方法进行特征匹配，如欧氏距离、余弦相似度等。
本文采用欧氏距离作为相似度度量方法，通过计算特征向量之间的欧氏距离来找出最匹配的人脸。
四、实验结果及分析为了验证基于MATLAB的人脸识别算法的有效性，我们进行了多组实验。
实验数据集包括ORL人脸库、Yale人脸库等。
在实验中，我们使用了不同的特征提取和匹配方法，对算法的性能进行了评估。
实验结果表明，基于PCA算法的特征提取方法和欧氏距离相似度度量方法在人脸识别中具有较好的性能。
人脸识别技术的研究与设计毕业论文标题：基于人脸识别技术的研究与设计摘要：随着人脸识别技术的快速发展，其在安全监控、身份验证和图像等领域扮演着重要角色。
本论文旨在研究和设计基于人脸识别技术的系统，提供一种可行的解决方案。
首先，介绍人脸识别的原理和发展趋势。
然后，讨论设计和开发的关键要素，包括图像采集、特征提取、特征匹配和系统性能评估等。
最后，通过实验验证自己所提出的系统在实际应用中的有效性与准确性。
关键词：人脸识别，图像采集，特征提取，特征匹配，系统性能评估引言：人脸作为人类最基本的身份特征之一，一直以来都受到人们广泛关注。
人脸识别技术的发展为人们的生活和工作带来了极大的便利。
与传统的身份验证方法相比，人脸识别技术不需要接触式设备，而是通过对人脸图像的采集、提取和匹配等步骤实现自动识别。
然而，由于人脸图像的干扰、变化和质量等因素的存在，使得人脸识别技术的研究和设计变得复杂而具有挑战性。
本论文旨在对人脸识别技术进行深入研究，并基于所得到的研究成果设计一个高效、准确的人脸识别系统。
论文结构如下：一、人脸识别技术的原理和发展趋势二、系统设计与开发1.图像采集：通过选择合适的设备、摄像头和光线条件，实现高质量的人脸图像采集。
2.图像预处理：对采集的图像进行去噪、归一化和对齐等处理，提高识别系统的性能。
3.特征提取：通过选取适当的特征提取算法，提取人脸图像中的关键特征，并将其转化为数学表示。
4.特征匹配：利用已有的特征数据库与待识别的人脸特征进行比对，并计算相似度得分。
5.系统性能评估：通过对识别系统的准确率、召回率、误识率等指标进行评估，验证其性能以及对抗各种挑战的能力。
三、实验结果与讨论本部分将通过实验验证所设计的人脸识别系统的有效性与准确性，并对系统的性能进行分析。
同时，还将讨论实验结果中存在的问题，并提出解决方案。
结论：本论文针对人脸识别技术的研究与设计进行了全面的探讨。
通过分析人脸识别技术的原理和发展趋势，设计了一个基于人脸识别技术的高效、准确的系统。
(此文档为word格式，下载后您可任意编辑修改！)佳木斯大学毕业论文基于Matlab的人脸识别系统设计与仿真学院信息电子技术专业电子信息工程班级11级1班姓名杨雷指导教师周经国佳木斯大学2015年6月10日摘要人脸识别即指利用分析比对人脸视觉特征信息从而达到身份鉴别效果的计算机技术。
人脸识别是一项当下十分热门的计算机技术的研究领域，该项技术可以人脸明暗侦测，并且自动调整动态曝光补偿，同时对人脸追踪侦测，并自动调整影像放大；这项技术属于生物特征识别技术的一种，是利用生物体（一般指人）本身的生物特征从而达到区分生物体个体的目的。
人脸识别技术目前主要用做身份识别。
由于视频监控的飞速普及，使这项应用迫切的需要一种能实现在用户非配合状态下、远距离的进行快速身份识别的技术，以求能在远距离之下快速识别人员身份，从而实现智能预警的功能。
最佳的选择无疑是人脸识别技术。
采用快速人脸检测识别技术可以从视频监控图象中实时捕获到人脸信息，并与人脸数据库中的已存信息进行实时比对，从而达到快速身份识别的效果。
报告利用MATLAB软件来实现人脸信息检测与识别，利用YCbCr空间以及灰度图像来实现人脸的边缘分割, 将真彩图像转换为灰度图像，并根据肤色在YCbCr色度空间上的分布范围，来设定门限阀值，从而实现人脸区域与非人脸区域的分割，通过图像处理等一系列的操作来剔除干扰因素，再通过长宽比和目标面积等方法在图像中定位出人脸区域，经试验，该方法能够排除面部表情、衣着背景、发型等干扰因素，从而定位出人脸区域。
关键词：Matlab软件；灰度图像；边缘分割；人脸区域AbstractFace recognition especially use comparative analysis face visual feature information for identification of computer technology. Face recognition is a , light and shade can be automatically adjusted dynamically exposure compensation, face tracking detection, automatic adjustment of image magnification; It belongs to the biometric identification technology, it is of organisms (generally refers to a person) individual biological characteristics to distinguish between the organism itself.Face recognition is mainly used for identification. Because of the video monitoring is fast popularization, many of the video monitoring application is an urgent need to a long distance, the user not cooperate condition of rapid identification technology, in order . Face recognition technology is undoubtedly the best choice, the fast face detection technology to monitor in real-time video image search from face, and with real-time than face database, so as to realize rapid identification.Report using MATLAB software to realize face information detection and recognition, using YCbCr space and gray image to realize the face edge segmentation, the true color image is converted to a grayscale image, and according to the color of skin in YCbCr chroma space distribution, to set the threshold threshold, so as to realize the segmentation of face region with the face region, through a series of operations such as image processing to eliminate interference factors, and through such means as aspect ratio and the target area locate the face region in the image, the experiment, this method can eliminate facial expressions, clothes, . Keywords：Matlab；Gray image；edge segmentation；face region目录摘要 (1)ABSTRACT (2)3 第1章绪论 (4)1.1课题的研究背景、目的及意义 (4)1.1.1 课题的研究背景 (4)1.1.2 研究目的及意义 (5)1.2本课题的主要内容 (5)第2章图像处理的MATLAB实现 (6)2.1识别系统构成 (6)2.2人脸图像的读取与显示 (7)2.3图像类型的转换 (7)2.4图像增强 (8)2.5灰度图像平滑与锐化处理..................... 错误！未定义书签。
MATLAB 人脸识别技术的实现摘要随着国家社会的发展和信息技术的进步，身份识别技术逐渐在我国各行各业应用开来，有着广泛的市场需求。
而这项技术的核心应用之一就是人脸识别技术。
目前，对人脸识别技术理论和技术的研究已经逐步深入，它的研究有着较为关键的现实意义。
它不仅能够推动人们对自身感官系统的认识，还能够进一步开发人工智能技术，实现各种满足现实需求的实际功能。
众所周知，人脸识别技术的优势在于不需要人员与设备直接接触，具有主动获取相关信息的能力，并且在快速甄别和判断方面也有着出色的表现，这些特点都促进了人脸识别技术的应用和发展。
因此，通过运用人脸识别技术，构建能够对人脸实现自动识别的信息采集系统，在未来的智能应用中有着广大的发展前景。
本文在整理和分析了相关人脸识别系统常用图像处理技术的基础上，运用MATLAB 方法完成了对人脸识别系统的仿真模拟。
本系统以图像选取、图像定位、特征提取、图像处理和识别为主要分析步骤，最终凭借灰度图像的直方图实现了对人脸信息的识别关键词：人脸识别，MATLAB ，模拟仿真1 绪论1.1 人脸识别技术的研究背景所谓人脸识别技术，是一种以人的脸部特征信息为身份识别手段的人工智能技术。
该技术以摄像机或照相机所采集的人脸特征信息为主要信息源，通过相关图像处理技术可以将所采集到的人脸信息与初始录入信息相对比，自动识别图像信息中的人脸特征，从而找出采集到的人脸信息和初始图片中人脸信息中间的差异和相同之处，最后得以对人脸的身份进行甄别与判断。
因此，该项技术又可以称为人像识别或面部识别。
从人脸识别技术的发展历程可以得知，该项技术的研究最早开始与上世纪六十年代，随着第三次技术革命所带来的计算机技术和信息化技术的最新成果，人脸识别技术在上世纪九十年代后，在以美国和日本为代表的技术强国中逐渐得到了深入发展。
众所周知，人脸识别系统是集人工智能、模型构建、图像处理、信息识别等技术于一身的综合系统，是目前同指纹识别系统一样属于最新的生物特征识别系统。
本科生毕业论文（设计）题目基于MATLAB的人脸识别姓名学号院系专业自动化指导教师职称2015年5月15日曲阜师范大学教务处制目录摘要 (1)关键词 (1)Abstract (1)K e y w o r d s (1)1 绪论 (2)1.1 基本介绍与概念 (2)1.2 研发历史与发展现状 (3)1.3 研究背景与意义 (3)2 人脸检测 (4)2.1 检测的具体步骤 (4)2.1 YCbCr空间 (4)2.2 灰度图像转换 (4)2.3 噪声消除 (5)2.4 图像填孔 (5)2.5 图像重构 (5)2.6 边缘检测 (6)2.7 利用规则确定人脸 (6)3 人脸识别 (7)3.1 人脸识别的步骤 (7)3.2 K-L变换原理 (7)3.3 K-L变换 (7)3.4 图像特征脸基底的确立 (8)3.5 图像的识别 (9)4 MATLAB仿真功能的实现 (10)4.1 系统仿真综述 (10)4.2选择预存人脸数据库 (10)4.3 创建预存人脸向量库T (13)4.4 求特征脸空间 (14)4.5人脸识别 (15)4.6 人脸识别结果显示 (16)5 结果分析 (17)6 结论 (18)致谢 (19)参考文献 (19)附录： (20)基于MATLAB的人脸识别自动化专业学生指导老师摘要：人脸识别起始于上个世纪60年代，具有广泛的应用前景，它的工作原理是借由个体的生物特征来确认生物个体，文章利用MATLAB软件实现人脸信息的检测与识别，在输入的图像中寻找人脸区域，把图像分割成两个部分——人脸区域和非人脸区域，之后与设定的人脸库进行特征值比较，辨识出人脸代表的身份。
文章利用YCbCr空间以及二值图像实现人脸边缘分割，用霍特林变换（Kaehunen-Love Transform,K-L）以及主成分分析（Principal Component Analysis,PCA）算法对人脸进行识别对比，并详细介绍了K-L的推导过程，并在MATLAB上对PCA人脸识别算法进行仿真。
本科毕业设计(论文)人脸识别技术及实现学院信息工程学院专业信息工程(电子信息工程方向)年级班别2010级（1）班学号3111002754学生姓名XXX指导教师XXX2014年5 月摘要随着经济的快速发展以及生活方式的改变，社会各方面对于身份识别技术的需求快速增长。
使得生物统计识别技术得到了新的重视。
目前得到主要应用的是指纹识别和人脸识别。
研究人脸识别在理论和技术上都有重要的意义：一是可以推进对人类视觉系统本身的认识；二是可以满足人工智能应用的需要。
而人脸识别相比较其他生物识别技术而言具有：1、非接触的，用户不需要和设备直接接触；2、非强制性，被识别的人脸图像信息可以主动获取；3、并发性，即实际应用场景下可以进行多个人脸的分拣、判断及识别这几大优点而取得了快速的发展。
采用人脸识别技术，建立自动人脸识别系统，用计算机实现对人脸图像的自动识别有着广阔的应用领域和诱人的应用前景。
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。
通过实现图像的选取，脸部定位，特征提取，图像处理和识别这几个过程，利用灰度图像的直方图比对最终实现人脸图像的识别。
关键词：人脸识别， MATLAB，灰度图像直方图，特征提取AbstactWith the fast development of economy and the change of life style, the demand for the identity recognition technology is increasing rapidly. Meanwhile, The technology of biometric identification is emphasized. The main application is fingerprint recognition and face recognition nowdays. The research of face recognition has important meaning both in theory and technology.Firstly, it can advance the recognition of human vision system.Secondly, it is the need of artificial intelligence application. And face recognition compared to other biometrics has much advantages.Firstly, users do not need to equipment and direct contact.Secondly,it is recognition of the face image information can take the initiative to obtain.Thirdly, the actual application scenarios can be of multi face sorting, judgment, and recognition. Using computer to achieve automatic recognition of the face image has a broad application areas and attractive prospects for application by face recognition technology, automatic face recognition system.Based on the summary analysis of face recognition system and several common image pre processing method , author finally used MATLAB realize a set a variety of pre processing method in one of the generic face image pre processing simulation system. With the image selection, facial localization, feature extraction, image processing and recognition these processes, the author successfully use the histogram ratio of gray image to realize the recognition of face image.Key words：Face recognition;MATLAB;Gray image histogram; Feature extraction目录1 绪论 (1)1.1引言 (1)1.2人脸识别技术的背景 (1)1.3 人脸识别技术国内外发展 (2)1.4人脸识别技术的应用前景 (4)1.5 论文研究的问题 (5)1.6本文人脸识别系统主要结构 (6)1.7论文的内容及组织 (7)2 应用Matlab处理图像 (8)2.1 Matlab介绍 (8)2.2 数字图像处理 (8)2.2.1图像处理的基本操作 (8)2.2.2图像类型的转换 (9)2.2.3图像增强 (9)2.3图像处理功能的Matlab实现实例 (10)2.4 本章小结 (12)3 人脸检测的实现 (13)3.1 引言 (13)3.2系统基本机构 (13)3.3 人脸检测定位算法 (14)3.4 人脸图像的预处理 (19)3.4.1 仿真系统中实现的人脸图像预处理方法 (19)4 基于直方图的人脸识别实现 (22)4.1识别理论 (22)4.2 人脸识别的matlab实现 (22)结论 (24)参考文献 (25)致谢 (27)1 绪论1.1引言本章提出了人脸识别的研究背景及应用前景。
《基于MATLAB的人脸识别算法的研究》篇一一、引言人脸识别技术是计算机视觉领域的重要分支，随着科技的发展和大数据的普及，其在安全监控、身份认证、智能交互等领域得到了广泛的应用。
本文旨在基于MATLAB平台，研究并分析几种常见的人脸识别算法，并对其性能进行对比与评价。
二、人脸识别算法概述人脸识别算法主要包括基于特征的人脸识别算法和基于深度学习的人脸识别算法两大类。
其中，基于特征的人脸识别算法如主成分分析（PCA）、线性判别分析（LDA）、局部二值模式（LBP）等，通过提取人脸特征进行识别；而基于深度学习的人脸识别算法如卷积神经网络（CNN）等，通过深度学习技术自动提取人脸特征并进行识别。
三、基于MATLAB的人脸识别算法实现1. 数据准备：使用MATLAB的Image Acquisition Toolbox获取人脸图像数据，并进行预处理，包括灰度化、归一化等操作。
2. 特征提取：采用PCA、LDA等算法提取人脸特征。
在MATLAB中，可以利用其内置的函数或编写自定义函数进行特征提取。
3. 分类器设计：根据提取的特征，设计分类器进行人脸识别。
在MATLAB中，可以使用其内置的分类器函数或自行设计分类器。
4. 算法实现：将上述步骤组合起来，实现基于MATLAB的人脸识别算法。
四、常见人脸识别算法的比较与分析1. PCA算法：PCA是一种常用的特征提取方法，能够有效地降低数据的维度，提高识别的速度和准确性。
但PCA算法对光照、表情等因素的敏感性较高，需要结合其他技术进行优化。
2. LDA算法：LDA算法通过最大化类间距离和最小化类内距离来提取特征，具有较好的分类性能。
但LDA算法对样本数量的要求较高，样本数量不足时可能导致性能下降。
3. CNN算法：CNN是一种基于深度学习的人脸识别算法，能够自动提取人脸特征并进行识别。
CNN算法具有较高的准确性和鲁棒性，但需要大量的训练数据和计算资源。
五、实验与结果分析为了验证上述人脸识别算法的性能，我们进行了多组实验。
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 MatlabStudent: xu wenqiang Teacher:jiang zhong zhengAbstract：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 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 functionKey Words：Face Detection；Video Detection；Skin color characteristics本科毕业设计·论文目次摘要 (I)Abstract (II)1 绪论 (1)1.1论文的研究历史背景及目的 (1)1.2国内外研究现状 (2)1.3论文的主要内容安排 (3)2 人脸检测及其算法简介 (5)2.1人脸检测介绍 (5)2.2人脸检测的常用方法 (5)2.2.1基于特征的人脸检测方法 (5)2.2.2模块匹配法的人脸检测 (6)2.2.3基于adaboost算法的人脸检测方法 (7)3 基于视频的人脸检测研究及其实现 (8)3.1 MATLAB图像处理工具箱中的视频操作 (8)3.2提取AVI视频文件的帧 (9)3.3对图像进行肤色特征的人脸检测 (11)3.3.1色彩空间及其内容介绍 (11)3.3.2对图像进行预处理 (12)3.3.3对人脸肤色进行建模 (13)3.3.4 检测人脸区域的选定 (14)3.4图像向AVI视频文件的转换 (17)4 人脸检测在MATLAB软件下仿真实现 (19)4.1设计条件 (19)4.2设计流程 (19)4.4.1基于视频的人脸检测的总设计模块图 (19)4.4.2对图像进行人脸检测具体框图 (20)本科毕业设计·论文4.3人脸检测的MATLAB实现 (20)4.3.1人脸检测运行结果 (20)4.3.2人脸检测结果分析 (22)5 结论 (23)致谢 (24)参考文献 (25)附录 (26)本科毕业设计·论文1 绪论当前，人脸检测越来越受到大家的关注，它作为生物特征识别中一个非常重要的一个分支，已成为计算机视觉与模式识别领域中非常活跃的一个研究领域。
而基于视频的人脸检测更是学术界的一个难点。
数字视频是数字图像在时间轴上的扩展，可以将视频的每一个帧视为一副静止的图像，而本文先会对视频进行处理，然后再对图像进行人脸检测[3]。
作为图像与视频中最重要的视觉图像之一，人脸包含很多信息，，通过人脸检测，我们可以很快的知道一个的部分基本资料，如性别，表情，年龄和身份等基本信息，在现实生活中如在公安、金融、网络安全、物业管理以及考勤等都会用到人脸检测，因此人脸检测技术具有很高的学术的研究价值和商业价值，这就引起了在人脸识别这方面的广大科学研究工作者的浓厚兴趣，可以这么说，人脸检测已经成为当前科学界最热门的一个课题之一。
1.1 论文的研究历史背景及目的近年来，由于视频监控，人机交互和视频检索等应用的需求，视频中的人脸检测研究得到迅速发展。
视频中人脸检测可以划分为三个环节:先提取视频文件中的帧，对图像进行人脸检测，再还原成视频，完成视频中人脸的检测。
人脸检测最初来源于人脸识别。
是指对于任意一副给定的图像，采用一定的策略对其进行搜索以确定其中是否含有人脸，如果是则返回一脸的位置、大小和姿态，并把有人脸的地放识别出来。
早期，人脸检测技术主要服务于人脸识别课题的研究；但是，随着生物识别技术的快速发展，入脸检测技术己经被广泛的应用于其它相关领域，产生一定的商业价值。
例如：国家军事、安全系统验证、视频会议、人机智能交，各类金融卡、身份验证等等方面具有重要的应用价值，所以，现在人们有许多人对人脸识别越来越重视了。
人脸检测的研究同时也具有非常重要的的学术价值，人脸是一类具有相当复杂的细节变化的自然结构目标，对此类目标的挑战性在于：人脸由于外貌、表情、肤色等不同，具有模式的可变性；一般意义下的人脸上，可能存在眼镜、胡须等附属物；作为三维物体的人脸影像不可避免地受由光照产生的阴影的影响。
因此，如果能够找到本科毕业设计·论文解决这些问题的方法，成功地构造出人脸检测系统，将为解决其他类似的复杂模式的检测问题提供重要的启示。
人脸检测的目的是检测一张图像是否由人脸，如果有人脸，就把它从图像背景中分离出来，然后对特征进行人脸识别。
而在视频中的人脸检测在信息处理中，已经成为是一项相当难突破的技术，越来越受到计算机视觉界的广泛关注，作为这个有价值课题，已经渗透到各不同领域中。
1.2 国内外研究现状目前，越来越多的国家开始对人脸检测及其识别的研究。
并且发展得很快，已经由原来的静态识别到动态识别，由单向多张脸识别，还有从最初的二维脸识别到现在的三围立体的识别。
在国内，最早研究人脸检测识别的，当属于中科院计算所跟哈工大的一个联合面像实验室。
该实验室的高文教授，陈熙林教授，山世光教授，直到今天，都一直活跃在人脸识别领域，更可贵的是，在IEEE上面发表了很多paper。
这一点，很值得国内的同行学习。
后来，该实验室，成为上海银晨的研发中心，专门为上海银晨做技术研发和技术支持。
其次是中科院生物识别研究所的李子青教授，以及下属的中科奥森公司。
李子青教授，当年在微软亚洲研究院的时候，就从事人脸识别方面的研究工作。
后来，在中科院组建了专门的人脸识别研究团队。
该研究团队，首先提出了基于近红外的人脸识别技术，并将该项人脸识别技术用于08年北京奥运会。
同时，基于近红外的人脸识别技术，得到了国际上同行业专家的认同和一致肯定。
接着，是清华大学的丁晓青教授。
丁晓青教授在OCR(字符识别)领域，可谓国内第一人。
不过，最近几年转行做人脸识别，也是非常有成就的。
不说别的，就只从FRVT2006（美国国家标准研究所2006年全球人脸识别供应商系统性能测试）的测试结果来看，丁晓青教授的研究团队是唯一一个完成大规模3D人脸识别性能测试的参赛团队。
由此可见，在国内人脸识别领域来说，她们的算法，在3D领域，绝对排名第一。
国外主要有美国、欧洲国家、日本等著名的科研机构有美国的MIT和CMU，英国的剑桥大学。
