《《人脸识别系统研究》-公开DOC·毕业论文》由会员分享，可在线阅读，更多相关《《人脸识别系统研究》-公开DOC·毕业论文（45页珍藏版）》请在金锄头文库上搜索。
1、 本科学生毕业论文论文题目：人脸识别系统的研究学 院：电子工程年 级：专 业：电子信息科学与技术姓 名：学 号：指导教师： 年 5 月 11 日摘要人脸识别系统主要包括两大部分，第一、人脸识别；第二，人脸检测。人脸检测的方法种类很多，如Adaboost算法、基于LBP的特征形式LBHF算法和NEB算法。本文主要研究的是Adaboost算法；同样人脸识别也包含许多的方法，最为常用的方法有基于特征脸（PCA）的人脸识别方法、神经网络的人脸识别方法、支持向量机(SVM) 的人脸识别方法。 本文第一章介绍了人脸识别系统研究背景与意义，阐述了人脸识别系统的组成及国内外研究现状，给出了本文的研究脉络；本文
2、第二章介绍了几种常用的人脸检测的方法，并着重对Adboost方法进行了原理和方法分析；本文第三章对基于二维PCA的人脸识别方法的算法原理和分析过程进行了详细的描述。 本文第四章根据第二章中描述的Adboost人脸检测方法和第三章中详细分析的二维PCA人脸识别方法，构建了本文的人脸识别系统，对系统的框架构成和运行机理进行了描述。 最后一章，用编写程序实现了本文的人脸检测系统的构建，给出了相应的人脸检测结果。关键词人脸识别系统；Adaboost检测算法；PCA人脸识别方法；人脸检测；人脸识别Abstract The human face recognition system mainly incl
3、udes two major parts, first, human face recognition; Second, human face examination. There are many kinds of human face examination methods being used, such as Adaboost algorithm, based on LBP characteristic form - LBHF algorithm and NEB algorithm. This article mainly focuses on Adaboost algorithm a
4、t face examination field. At face recognition researching field there are many methods too, the most commonly used methods are human face recognition method based on the characteristic face (PCA), the neural network human face recognition methods, the support vector machines (SVM) human face recogni
5、tion methods.The first chapter of this article introduces full text vein, which describes the full text research direction and introduced the background and the development of human face recognition system.The second chapter of this article introduces several kinds of faces examination methods, main
6、ly analyzing the theory and techniques of Adboost face examination method.The third chapter of this article describes the arithmetic theory and application of 2D PCA face recognition method.According to the Adboost face examination method described in the second chapter and the 2D PCA face recogniti
7、on method analyzed in the third chapter, the human face recognition system is build up, the frame of this system and its function are given in fourth chapter. Last chapter programms the human face recognition system and gives the human face recognition result.Key wordsHuman face recognition system;
8、Adaboost examination algorithm; PCA human face recognition methods; Human face examination; Human face recognition.目录摘要IAbstractI第一章 绪论1一、 人脸识别系统研究的背景与意义1二、 人脸识别系统的组成2三、 人脸识别国内外研究现状2四、 对本文的概述及脉络的引导4第二章 人脸检测常用方法5一、 模板匹配方法5二、 神经网络方法6三、 样本学习方法7四、 AdaBoost检测方法8（一） AdaBoost 算法基本思想8（二） 矩形特征9（三） 积分图10（四） 弱
9、分类器10五、 训练分类器12（一） 单个强分类器训练过程12（二） 训练层叠分类器12（三） 层叠分类器工作过程13（四） 检测待检测图像过程14六、 本章小结14第三章 二维PCA人脸识别方法15一、 基于特征脸（PCA）的人脸识别方法15（一） 主成分分析（PCA）15二、 二维PCA的人脸识别方法19（一） 二维主成分分析（2DPCA）20（二） 行列结合的二维主成分分析法22（三） 加权的两个方向的二维主成分分析24三、 本章小结24第四章 构建本文的人脸识别系统26一、 人脸检测在系统中的应用27二、 人脸识别在系统中的应用28三、 该系统的应用29四、 本章小结31第五章 基于本
10、文构建的人脸识别系统实验34一、 软件运行环境34二、 人脸识别实验34（一） 视频采集模块35（二） 新用户注册模块36（三） 人脸识别模块37结论39参考文献40致谢41第一章 绪论一、 人脸识别系统研究的背景与意义人脸识别系统(Human face recognition system)是借助于人脸这一生物特征作为身份鉴别的标志，用于加强信息安 张敏,周德龙,潘泉.生物特征识别及研究现状J.生物物理学报.2002,(02):23.全，是个人身份鉴别的主要技术手段。传统的身份鉴别方法还有ID卡(如身份证、工作证、智能卡、计算机标志卡和储蓄卡等)和密码等1，这些技术方便、快捷，但易伪造、易窃
11、取、安全防护能力有限。除人脸外，人类还具有很多其他相对独特的生物特征，如DNA、指纹、虹膜、语音等，这些基于人类生物特征的识别技术具有安全可靠、特征唯一、不易伪造、不可窃取等优点。与这些生物特征相比之下，人脸识别技术特征录入较为方便隐蔽、信息丰富、适用范围广、可交互性强，有着广阔的发展前景2。早期的人脸识别系统研究主要集中在人脸的识别方面，但人脸识别算法通常需要假 陈绵书,陈贺新,桑爱军.计算机人脸识别技术综述J. 吉林大学学报(信息科学版).2003:51.定输入数据为归一化后的正面人脸，人脸检测就是鉴于这个问题而提出的。作为应用领域最为广泛的目标检测问题，人脸检测要求在内容不受控的输入图像
12、中判断人脸的存在，确定存在人脸的位置与大小，甚至精确定位出五官的具体位置，是全自动人脸识别系统和监视系统的前端。随着人脸识别技术在金融、司法、国家安全、电子商务、电子政务等领域的应用，人脸检测也得到持续深入的推广。由人脸检测和人脸识别综合构建起来的自动人脸识别系统在安全访问控制、视频监控、基于内容的检索和新一代人机界面等领域上的应用日益受到研究者的重视。二、人脸识别系统的组成人脸识别系统主要由两大模块组成：人脸检测(Human face examination)与人脸识别(Human face recognition)。人脸检测模块是系统的前端，主要功能是对静态的图片或视频流完成人脸检测与定位
13、的功能；人脸识别模块主要对定位后的人脸图像进行特征提取与特征匹配的功能，即确定所检测到的人脸图像为人脸图像库中的哪个人。人脸检测与人脸识别由于实现的功能不同，所采用的算法也不同。人脸检测重在人脸图像与大千世界其他非人脸图像的区别，是一种总体上的区别；人脸识别是人脸与人脸之间的区别，重在比较细致的区别，需要提取个体信息作为特征，是人脸特征与人脸特征之间的比对。本文将构建一个完整的人脸识别系统的，在本系统中，人脸检测算法采用基于Adaboost算法的分类器设计技术；人脸识别算法采用基于PCA的特征提取技术和基于欧式距离的最小近邻法特征比对识别技术；两种算法都是基于灰度图像的算法，具有良好的统一性。
14、三、人脸识别的国内外研究现状人脸识别的研究已经有很长的历史，最早可以追溯到上个世纪法国人Galton的工作，但真正有发展还是近40年的事。1973年Kanade的工作起至今，大多数人脸识别研究工作的对象为正面或接近正面的人脸图像。人脸识别试验所采用的人脸库通常不大，最常见的人脸库一般包括100幅左右的人脸图像，如MIT库、Yale库、CMU库、ORL库。国内外对于人脸识别的研究发展，技术趋势分别经历了三个阶段:传统的人机交互式阶段、机器自动识别初级阶段、机器自动识别高级阶段。以下分别对该技术的发展趋势进行介绍:1、传统的人机交互式阶段第一阶段是以Bertlioin为代表，主要研究人脸识别所需要
15、的面部特征，该阶段的识别依赖于人的操作。这些人脸识别方法都需要利用操作员的某些先验知识，仍然摆脱不了人的干预。2、自动识别初级阶段第二阶段主要是采用机器自动识别的手段进行识别，20世纪90年代以来，随着高速度高性能计算机的出现，人脸识别方法有了重大突破，进入了真正的机器自动识别阶段，人脸识别研究也得到了前所未有的重视。国外有很多大学在此方面取得了很大进展，他们研究涉及的领域很广，其中有从感知和心理学角度探索人类识别人脸机理的，如美国TxeasDallas大学的Abdi和Toole小组，主要研究人类感知人脸的规律，如漫画效应、性别识别与人脸识别的关系、种族效应等;由Srtilnig大学的Bruce教授和Glasgow大学的Burton教授合作领导的小组，主要是研究人类大脑在人脸认知中的作用，并在此基础上建立了人脸认知的两大功能模型，他们对熟悉和陌生人脸的识别规律以及图像序列的人脸识别规律也进行了研究。也有从视觉机理角度进行研究的，如英国Aberdeen大学的Carw小组，主要研究人脸视觉表征方法，他们对空间频率在人脸识别中的
