下载文档原格式
《基于 Python 的人脸识别系统毕业设计》摘要：本毕业设计旨在设计并实现一个基于Python 的人脸识别系统。
通过对人脸识别相关技术的研究与应用，构建了一个具备一定性能的人脸识别模型。
系统采用了先进的图像处理算法和深度学习方法，能够实现对人脸图像的准确识别和分类。
本文详细介绍了系统的设计思路、关键技术、实现过程以及实验结果与分析，展示了该人脸识别系统在实际应用中的潜力和可行性。
一、概述随着科技的不断发展，人脸识别技术在安防、金融、交通等众多领域展现出了巨大的应用价值。
人脸识别系统能够快速、准确地识别人的身份，为人们的生活和工作带来了极大的便利。
本毕业设计基于Python 编程语言，致力于开发一个具有较高性能的人脸识别系统，以满足实际应用的需求。
二、人脸识别系统的相关技术（一）人脸检测技术人脸检测是人脸识别系统的基础，其目的是在图像或视瓶中检测出人脸的位置和大小。
常用的人脸检测方法包括基于特征的方法和基于深度学习的方法。
基于深度学习的方法如卷积神经网络（CNN）具有较高的检测准确率和鲁棒性，在实际应用中得到了广泛的应用。
（二）特征提取技术特征提取是从人脸图像中提取出能够表征人脸身份的特征向量的过程。
传统的特征提取方法如主成分分析（PCA）、线性判别分析（LDA）等，虽然在一定程度上能够提取特征，但效果有限。
近年来，深度学习中的卷积神经网络能够自动学习到深层次的人脸特征，具有更好的性能。
（三）人脸识别算法人脸识别算法是将提取的特征向量进行比对和匹配，以确定人脸的身份。
常见的人脸识别算法包括基于欧式距离的算法、基于余弦相似度的算法等。
在本毕业设计中，采用了基于卷积神经网络的人脸识别算法，通过训练模型来学习人脸特征的映射关系。
三、系统的总体设计（一）系统架构本人脸识别系统采用了分层的架构设计，包括数据采集层、图像处理层、特征提取与识别层、用户界面层等。
数据采集层负责获取人脸图像数据；图像处理层对图像进行预处理，如灰度化、归一化等；特征提取与识别层利用训练好的模型进行特征提取和识别；用户界面层提供友好的人机交互界面，方便用户进行操作和管理。
信息科学与技术学院毕业论文课题名称：基于特征识别的人脸检测系统学院:信息科学与技术学院完成日期：二○一七年五月十九日摘要我的毕业设计题目是基于特征的人脸检测系统，这个系统不仅仅能够检测人脸，还具有识别人脸的功能。
检测人脸检测部分的算法采用的是于仕祺老师的LBP特征加Gentle AdaBoost 分类器相结合的算法,提取识别特征部分的算法采用的是Google在2015年提出的基于深度学习策略的一种人工神经网络FaceNet，较为新颖，其准确率高,在光照不足，姿态和表情变化剧烈时仍能保持稳定，具有很强的鲁棒性。
该系统的界面使用MFC编写,在具体实现中了应用了多线程编程技术实现了一个简单的生产者消费者模型,从而提高了系统的识别效率，另外,对人脸的识别模块还使用了Python，C++混合编程技术引入了Google的开源深度学习框架Tensorflow作为对FaceNet的具体实现，数据库使用的是SQL Server2012，连接数据库使用的是微软公司的ADO 组件.该系统主要有信息采集模块和实时监控模块两个部分，前者完成对任务样本的信息采集工作，后者完成在实时监控的情况下对出现在画面中的人脸进行检测和识别，检测部分的速度可以达到40～60的FPS，识别部分由于计算量较大，只能达到2～5的FPS。
该系统经过简单的硬件支持和部署之后，基本可以完成在实际场景中的简单应用,具有一定的学术研究和实际应用价值。
关键词:人脸检测;人脸识别；机器学习；Tensorflow；实时监控IABSTRACTThe topic of this graduation project is Face Detection System based on characteristics which achieves the face detection and face recognition two functions. The algorithm of face detection part uses a kind of enhanced algorithm based on LBP feature and Gentle AdaBoost classifier proposed by ShiQi Yu，the algorithm of extracting face feature used in recognition part uses a kind of manual neural network FaceNet based on deep learning strategy proposed by Google in 2015.FaceNet has reached high arruracy and it is robustness to the change of illumination，posture and expression。
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。
《基于 Python 的人脸识别系统毕业设计》摘要：本毕业设计旨在构建一个基于 Python 的人脸识别系统。
通过深入研究人脸识别相关技术，包括图像处理、特征提取和机器学习算法等，设计并实现了一个具有一定性能的人脸识别系统。
该系统能够对输入的图像进行人脸检测、特征提取和识别，具有较高的准确性和鲁棒性。
本文详细介绍了系统的设计思路、实现过程以及关键技术的应用，包括图像预处理、特征提取算法的选择和训练、分类器的设计等。
对系统进行了性能测试和评估，验证了其在实际应用中的可行性和有效性。
通过本毕业设计的研究与实践，为人脸识别技术的进一步发展和应用提供了有益的参考和借鉴。
一、概述随着信息技术的飞速发展，人脸识别技术作为一种重要的生物特征识别技术，在安防、金融、交通等众多领域得到了广泛的应用。
人脸识别系统能够快速、准确地识别个体身份，为人们的生活和工作带来了极大的便利。
近年来，深度学习技术的兴起进一步推动了人脸识别技术的发展，使其性能得到了显著提升。
Python 作为一种高级编程语言，具有简洁易学、丰富的库支持和强大的数据分析与处理能力，非常适合用于开发人脸识别系统。
本毕业设计基于 Python 语言，结合相关技术，构建了一个具有一定性能的人脸识别系统，旨在探索人脸识别技术的实现方法和应用前景。
二、人脸识别系统的总体设计（一）系统架构本人脸识别系统采用了分层架构设计，包括数据采集层、图像处理层、特征提取层、模型训练层和识别应用层。
数据采集层负责获取人脸图像数据；图像处理层对输入的图像进行预处理，包括图像增强、去噪等操作；特征提取层提取人脸特征向量；模型训练层使用训练数据集对分类器进行训练；识别应用层则根据提取的特征向量进行人脸识别。
（二）功能模块设计系统主要包括以下功能模块：1. 人脸检测模块：采用基于深度学习的人脸检测算法，如卷积神经网络（CNN），快速准确地检测图像中的人脸位置。
2. 特征提取模块：选择合适的特征提取算法，如基于深度学习的人脸识别算法（如 FaceNet），提取人脸的特征向量。
毕业设计人脸识别人脸识别技术在近年来得到了广泛的应用和研究，尤其是在安防领域。
作为一种非接触式的生物识别技术，人脸识别具有许多优势，如高精度、方便快捷等。
因此，越来越多的机构和企业开始将人脸识别技术应用于各个领域，比如门禁系统、手机解锁、支付验证等。
在这样的背景下，我选择了人脸识别作为我的毕业设计课题。
首先，我将对人脸识别技术的原理和算法进行深入研究。
人脸识别技术主要包括人脸检测、特征提取和匹配三个步骤。
在人脸检测阶段，我们需要使用一些图像处理的方法，如Haar特征、卷积神经网络等，来准确定位和提取人脸区域。
接下来，在特征提取阶段，我们需要将人脸图像转化为一组特征向量，这些特征向量能够准确地描述人脸的特征。
最后，在匹配阶段，我们需要将待识别的人脸特征与数据库中的特征进行比对，找出最相似的人脸信息。
通过对这些算法的研究和实践，我将能够更好地理解人脸识别技术的工作原理，并能够根据实际情况进行优化和改进。
其次，我将设计一个基于人脸识别的门禁系统。
门禁系统是人脸识别技术的一种常见应用场景。
通过将人脸识别技术应用于门禁系统中，可以实现更加安全和便捷的进出管理。
在设计过程中，我将考虑到系统的稳定性、安全性和实用性。
首先，我将选择一些高质量的摄像头和传感器，以确保图像的清晰度和准确性。
其次，我将设计一个完善的数据库系统，用于存储和管理人脸信息。
同时，我还将考虑到系统的实时性和响应速度，以确保快速准确地识别出合法用户。
最后，我还将加入一些智能化的功能，比如活体检测和表情识别等，以提高系统的安全性和可靠性。
另外，我还计划进行一些实验和测试，以验证人脸识别技术的性能和可靠性。
在实验过程中，我将使用一些公开的人脸数据集，并结合一些评价指标，比如准确率、召回率和误识率等，来评估人脸识别算法的性能。
通过这些实验和测试，我将能够更好地了解人脸识别技术的优势和局限性，并能够根据实际情况进行优化和改进。
最后，我将总结和归纳我的毕业设计成果，并撰写一篇详细的论文。
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。
人脸识别本科毕业设计人脸识别本科毕业设计在当今科技发展迅猛的时代，人脸识别技术已经成为一个热门的话题。
随着智能手机、安防系统、支付系统等的普及，人脸识别技术开始渗透到我们的日常生活中。
作为一名计算机科学专业的本科生，我决定选择人脸识别作为我的毕业设计课题。
首先，我将介绍人脸识别技术的原理和应用。
人脸识别技术是通过计算机对人脸图像进行分析和比对，从而识别出人脸的身份。
这一技术主要基于计算机视觉和模式识别的理论，通过提取人脸的特征点、纹理和几何信息等来实现。
目前，人脸识别技术已经广泛应用于安全领域、金融领域、社交媒体等各个行业。
接下来，我将介绍我设计的人脸识别系统的具体实现。
首先，我将从数据集的收集和预处理开始。
为了训练和测试我的系统，我需要收集一定数量的人脸图像，并对这些图像进行预处理，包括去除噪声、对齐和归一化等。
然后，我将使用深度学习算法来构建我的人脸识别模型。
深度学习是一种基于神经网络的机器学习方法，通过多层次的神经网络结构来提取特征并进行分类。
在我的系统中，我将使用卷积神经网络（CNN）来提取人脸图像的特征，并使用支持向量机（SVM）来进行分类。
最后，我将对我的系统进行训练和测试，并评估其性能。
在设计过程中，我还将考虑一些实际应用的问题。
例如，人脸识别系统在不同光照条件下的鲁棒性如何？在人脸图像中存在的遮挡和表情变化如何影响系统的性能？我将通过实验和分析来回答这些问题，并尝试提出一些改进的方法。
此外，我还将关注人脸识别技术的伦理和隐私问题。
人脸识别技术的广泛应用引发了一系列关于个人隐私和数据安全的担忧。
我将研究当前的隐私保护措施，并提出一些解决方案，以确保人脸识别技术的合理使用和保护用户的隐私权。
最后，我将总结我的毕业设计，并展望人脸识别技术的未来发展。
人脸识别技术作为一种前沿的技术，具有广阔的应用前景。
随着人工智能和深度学习的不断发展，人脸识别技术将变得更加准确和智能化。
然而，我们也需要加强对人脸识别技术的监管和管理，以确保其合法、公正和安全的应用。
人脸识别考勤系统毕业设计人脸识别考勤系统是一种利用现代人脸识别技术结合考勤管理系统的智能化设备。
它通过摄像头捕捉员工面部特征，将其与已注册的员工信息进行比对，确保员工的真实身份和考勤记录准确无误。
由于其高效、准确的优势，已经广泛应用于企业、学校、机关等场所。
本文将就人脸识别考勤系统的特点、设计原理以及实际应用进行深入探讨，从而为毕业设计提供指导和参考。
一、系统设计原理1.1 人脸识别技术人脸识别技术是指通过图像处理和模式识别技术，对图像中的人脸进行识别和验证。
常见的人脸识别技术包括特征提取、特征匹配和模式识别。
人脸识别系统通常包括人脸检测、人脸特征提取、特征匹配三个主要步骤。
1.2 考勤管理系统考勤管理系统是一种用于员工考勤记录管理的软件。
它可以记录员工的上下班时间、加班情况等信息，实现考勤数据的统计和分析，并生成考勤报表。
1.3 人脸识别考勤系统设计原理人脸识别考勤系统主要包括人脸采集、人脸特征提取、人脸比对和考勤记录等功能。
系统首先通过摄像头采集员工的面部图像，然后对图像进行人脸检测和特征提取，提取出人脸的关键特征点。
接着将提取出的人脸特征点与已注册的员工信息进行比对，确定员工的真实身份。
最后将员工的考勤记录保存至系统数据库中，以供考勤管理系统进行数据统计和生成报表。
二、系统特点2.1 高效性人脸识别考勤系统采用自动化识别技术，无需员工手动打卡，能够实现全天候的自动考勤记录，极大提高考勤效率。
2.2 准确性人脸识别技术在识别精度上具有很高的准确性，可以有效避免因忘记打卡、代打卡等情况导致的考勤纠纷，确保考勤记录的准确无误。
2.3 安全性人脸识别考勤系统采用个人面部特征进行识别，具有较高的防伪性，能够有效防止考勤作弊和身份冒用的情况。
2.4 数据化系统能够将员工的考勤记录自动保存至数据库中，可以方便快捷地进行考勤数据统计和分析，生成各类考勤报表，提供决策参考。
三、系统实际应用3.1 企业在企业内部，人脸识别考勤系统可以替代传统的打卡机制，提高考勤效率，减少人力成本。
基于opencv人脸识别毕业设计英文回答：My graduation project is based on face recognitionusing OpenCV. Face recognition is a popular field in computer vision, and OpenCV provides a powerful library for image processing and computer vision tasks. In this project, I aim to develop a system that can accurately recognize and identify faces in real-time.To achieve this, I will start by collecting a datasetof face images. This dataset will consist of images of different individuals, with variations in lighting conditions, facial expressions, and poses. I will then use OpenCV to preprocess these images, extracting relevant features and reducing noise.Next, I will train a machine learning model using the preprocessed images. There are several algorithms that can be used for face recognition, such as Eigenfaces,Fisherfaces, and Local Binary Patterns Histograms (LBPH). I will experiment with different algorithms and select the one that gives the best performance for my dataset.Once the model is trained, I will integrate it into a real-time face recognition system. This system will use a webcam to capture live video and apply the trained model to recognize faces in the video stream. When a face is detected, the system will compare it with the faces in the dataset and determine the identity of the person.In addition to face recognition, I also plan to implement some additional features in my project. For example, I will add a face detection module that can detect and locate faces in an image or video. This can be useful for applications such as automatic tagging of people in photos or video surveillance systems.Furthermore, I will explore the possibility of emotion recognition using facial expressions. By analyzing the facial features and expressions, the system can determine the emotional state of the person, such as happiness,sadness, or anger. This can have applications in various fields, such as market research, psychology, and human-computer interaction.Overall, my graduation project aims to develop a robust and accurate face recognition system using OpenCV. By combining image processing techniques, machine learning algorithms, and real-time video processing, I hope to create a system that can be applied in various domains, from security and surveillance to social media and entertainment.中文回答：我的毕业设计基于OpenCV的人脸识别技术。
人脸识别毕业论文人脸识别技术在当今社会中扮演着越来越重要的角色。
它不仅广泛应用于安全领域，如身份验证和视频监控，还在商业和娱乐领域中得到了广泛应用。
本文将探讨人脸识别技术的原理、应用和潜在的问题。
首先，我们来了解一下人脸识别技术的原理。
人脸识别是一种基于人脸特征的生物识别技术，通过对人脸进行采集、提取和比对，来判断一个人的身份。
在人脸识别过程中，首先需要对人脸进行采集，通常是通过摄像头获取人脸图像。
然后，通过图像处理算法，提取人脸的特征点，如眼睛、鼻子和嘴巴等。
最后，将提取到的特征与数据库中的已知人脸特征进行比对，以确定身份。
人脸识别技术在安全领域中得到了广泛应用。
例如，许多机场和边境检查站使用人脸识别技术来加强边境安全和打击恐怖主义。
此外，许多公司和政府机构也使用人脸识别技术来进行员工考勤和门禁控制。
人脸识别技术的高精度和高效率使其成为安全领域中的重要工具。
除了安全领域，人脸识别技术还在商业和娱乐领域中得到了广泛应用。
许多手机和电脑都配备了人脸识别解锁功能，使用户可以方便而安全地解锁设备。
此外，一些社交媒体平台也使用人脸识别技术来进行人脸标记和面部识别，以提供更好的用户体验。
然而，人脸识别技术也存在一些潜在的问题。
首先，隐私问题是人脸识别技术面临的主要挑战之一。
由于人脸识别技术需要收集和存储大量的人脸数据，这可能导致个人隐私泄露的风险。
此外，人脸识别技术的准确性也存在一定的局限性。
例如，当人脸图像受到光线、角度和遮挡等因素的影响时，人脸识别系统可能无法正确识别。
为了解决这些问题，研究人员正在不断改进人脸识别技术。
他们通过改进图像处理算法和模型训练方法，提高了人脸识别系统的准确性和鲁棒性。
此外，一些法律和政策也被制定，以保护个人隐私和规范人脸识别技术的使用。
总结起来，人脸识别技术在安全、商业和娱乐领域中发挥着重要作用。
它通过采集、提取和比对人脸特征，来判断一个人的身份。
然而，人脸识别技术也面临着隐私和准确性等问题。
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。
本文提出了基于24位彩色图像对人脸进行识别的方法，介绍的主要内容是图像处理，它在整个软件中占有极其重要的地位，图像处理的好坏直接影响着定位和识别的准确率。
本软件主要用到的图像处理技术是：光线补偿、高斯平滑和二值化。
在识别前，先对图像进行补光处理，再通过肤色获得可能的脸部区域，最后根据人脸固有眼睛的对称性来确定是否就是人脸，同时采用高斯平滑来消除图像的噪声，再进行二值化，二值化主要采用局域取阈值方法，接下来就进行定位、提取特征值和识别等操作。
经过测试，图像预处理模块对图像的处理达到了较好的效果，提高了定位和识别的正确率。
【关键字】：人脸识别；光线补偿；高斯平滑；对比度增强AbstractFace recognition is a complex and difficult problem that is important for surveillance and security, telecommunications, digital libraries , video meeting, and human-computer intelligent interactions.The paper introduced the method of face recognition that based on the 24 bit multicolor image, Main content that the paper introduced is the picture treatment, It occupies the extremely important position in the whole software, the quality of picture process directly influenced the accuracy rate of localization and discerning. The picture process technology that the software mainly used included : light compensating、gauss smooth and twain value method. before discerning, we compensated the light for image, then we could obtain the possible face area through the complexion, finally, the system could depend on the symmetry of eyes to make sure whether it is the face of people, at the same time, the system could eliminate noises through the method that named gauss smoothness, then we used twain value method to deal with picture，the method got the threshold value in face area . After dealing with picture , the following operations are localization、draw characteristic value 、discerning and so on . After testing, we made true that the picture pretreatment modal has get the better effect in the process of dealing with picture, and improve the exactness rate of localization and discerning.【key word】: Face recognition；light compensating；gauss smooth；contrast enhancing第一章前言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。
