《人脸识别算法》由会员分享，可在线阅读，更多相关《人脸识别算法（26页珍藏版）》请在金锄头文库上搜索。
1、设计报告（论文）诚 信 承 诺本人承诺所呈交的毕业设计报告（论文）及取得的成果是在导师指导下完成，引用他人成果的部分均已列出参考文献。如论文涉及任何知识产权纠纷，本人将承担一切责任。 学生签名： 日期：一种基于图象分析的柜员机-人脸识别算法的研究摘 要随着科技的发展和人类社会的进步，银行柜员机系统的安全性问题被人们越来越重视，普通柜员机无法识别是否其他人盗用银行卡取款。这几年人脸识别技术飞速发展，我们提出了一种基于人脸识别的银行柜员机系统以此来提高系统的安全性。本文研究一种基于图像分析的模拟柜员机系统，本系统可对人脸进行识别，以此来提升模拟柜员机系统的安全性。本系统在MatLab和.NET平台
2、下实现人脸识别，Matlab主要实现界面可视化，而.NET平台则是提供了开发环境。文中我们具体采用PCA（主成分分析）算法，通过提取数据的主要特征分量，进行数据降维处理，最终达到人脸识别的效果。关键字：模拟柜员机系统；人脸识别 ；PCA算法Research on a Case - Based Recognition Algorithm Based on Image AnalysisAbstractWith the development of science and technology and the progress of human society, the security probl
3、em of the bank ATM system has been paid more and more attention. Ordinary teller machine can not recognize whether or not people are using bank card withdrawals. In recent years, the rapid development of face recognition technology, we proposed a face recognition based on the bank teller system to i
4、mprove the security of the ATM system. The face recognition operation is quick and easy, recognizing the high accuracy of identity and improving the problem well.This paper studies an image-based simulation of the ATM - face recognition system, the system can be captured on the face image, create a
5、face map, face training, face positioning, face image gray Processing, and finally determine whether this person is a person in the face database, in order to enhance the security of the ATM system.The system in MatLab and. NET platform to achieve face recognition, Matlab, the main interface visuali
6、zation, and. NET platform is to provide a development environment. In this paper, we use PCA (principal component analysis) algorithm, by extracting the main feature components of the data, the data dimension reduction processing, and finally achieve the effect of face recognition.Key words: Analog
7、Teller System；Face Recognition；PCA AlgorithmI目 录摘 要IAbstractII第一章 引言11.1 立题背景11.2 国内外研究现状11.3 选题目的及意义11.4 课题主要研究内容及关键问题21.5 论文组织架构2第二章 技术简介32.1 人脸检测技术32.2 图像预处理技术32.2.1 灰度化32.2.2 二值化32.2.3 直方图均衡42.2.4 图象锐化42.2.5 图象归一化42.3 人脸特征提取技术42.4 人脸比对技术42.5 人脸识别的难点52.5.1 复杂条件下关键点定位问题52.5.2 姿态问题52.5.3 表情问题52.5.4
8、 遮挡问题52.5.5 光照问题52.6 本章小结5第三章 模拟柜员机系统的概述63.1 柜员机系统诞生的背景63.2 模拟柜员机系统开发的意义63.3 模拟柜员机系统的介绍63.3.1 开发语言63.3.2 开发环境63.3.3 模拟柜员机系统界面介绍63.4 模拟柜员机系统与人脸识别的交互8第四章 人脸识别算法设计104.1 人脸检测与定位104.2 基于PCA的人脸特征提取104.3 人脸识别方法124.3.1 几何特征法124.3.2 特征脸法124.3.3 弹性图匹配法144.3.4 神经网络法14第五章 系统实现155.1 人脸识别流程155.2 算法实现步骤155.3 人脸识别系
9、统的实现165.4 本章小结20第六章 人脸识别算法总结21致 谢22参考文献23I东南大学成贤学院毕业论文第一章 引言1.1 立题背景随着电子计算机技能的进步和社会的高度发展，人们对高效牢靠的身份判别的需求愈来愈高。各种技术在研究和实践中受到重视。由于生物特性内在的稳定性和独特性，成为身份鉴别的理想依据。而人脸作为生物特性的典型特征，也是一个很好的隐藏，容易被用户所接受，且不需要配合的其他优点。已成为身份研究领域的热点。PCA算法减小维数，提取主要元素，减少数据冗余，解决图象过高，缓慢处理或处理的问题。在脸部识别范畴，在其基础上改良了大批深奥的判别算法。所以，基于PCA人脸判别算法的探寻具有
10、重要的参考价值和现实意义。1.2 国内外研究现状20世纪60年代末至70年代初，人脸识研究刚刚起步。最早的研究者是 Bledsoe，他建立了一个半自动的人脸识别系统，主要是以人脸特征点的间距、比率等参数为特征。20世纪90年代以来，对着计算机软硬件性能的迅速提高，以及对人脸识别能力的高要求，是发展更具鲁棒性2的人脸识别方法称为时代的必然。于是基于整体的识别方法营运而生，并且很快成了研究的重点，如特征脸方法和弹性图匹配方法。90年代中期以来，人脸识别方法想着整体识别和部件分析相结合的趋势发展。研究人员开始逐渐认识到人脸识别算法必须能充分地利用人脸的各种特征信息，融合人脸的形状拓扑结构特征、局部灰
11、度特征和全局灰度分布特征等多种特征。因此，出现了很多新的算法，这些算法是将原先单一的算法结合起来，共同完成人脸的识别。灰度和形状分离的可变形模型方法就是其中之一。1.3 选题目的及意义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一种新型的身份识别技术，它是生物识别技术的一种。随着人们应用需求的不断深入，人脸识别技术将呈现出主流化、芯片化、标准化发展趋势。近年来受到了各国研究
12、人员的普遍关注，主要用于安全保密等领域。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。人脸识别按照信息来源可分为两类：基于静态人脸图像的识别和基于动态信息的识别。由于动态识别研究处于起步阶段，该技术相对较欠缺，因此本文只研究基于静态人脸图像的识别方法。1.4 课题主要研究内容及关键问题1. 系
13、统的主要功能：可以使用笔记本电脑进行图像采集，图像抓取，人脸库训练，人脸定位，灰度化和人脸识别。2. 关键问题：人脸定位问题，光照问题，人的姿态问题以及遮挡问题等。1.5 论文组织架构第一章，引言介绍了人脸识别在各个领域的研究背景，课题研究的主要内容以及课题研究遇到的关键问题。第二章，介绍了人脸识别主要应用的技术，以及相关技术之间的联系。第三章，介绍了模拟银行柜员机系统，说明了开发此系统用的开发语言和运用的环境，以及对其进行基本的功能说明。 第四章，介绍了人脸识别系统的算法设计。 第五章，介绍了人脸识别系统的具体实现，包含人脸识别流程，以及人脸识别的具体步骤，最后成功的实现对人脸的识别。第六章
14、，对人脸识别PCA算法进行了总结。第二章 技术简介2.1 人脸检测技术人脸检测是指在动态的场景与复杂的背景中判断是否存在面像，并分离出这种面像。一般有下列几种方法：参考模板法首先设计一个或数个标准人脸的模板，然后计算测试采集的样品与标准模板之间的匹配程度，并通过阈值来判断是否存在人脸；人脸规则法由于人脸具有一定的结构分布特征，所谓人脸规则的方法即提取这些特征生成相应的规则以判断测试样品是否包含人脸；样品学习法这种方法即采用模式识别中人工神经网络的方法，即通过对面像样品集和非面像样品集的学习产生分类器；肤色模型法这种方法是依据面貌肤色在色彩空间中分布相对集中的规律来进行检测。特征子脸法这种方法是
15、将所有面像集合视为一个面像子空间，并基于检测样品与其在子空间的投影之间的距离判断是否存在面像。2.2 图像预处理技术2.2.1 灰度化人脸识别的对通常是灰色图象。灰度图只含有亮度消息，灰度图的亮度是持续转变的，是以灰度图象量化亮度值分为：0-255，共256个品级。所有黑色为0，其它全255表现为全亮。常用的经验公式为灰色= 0.39 * R + 0.5 * G + 0.11 * B。2.2.2 二值化二值化是通过选择适当的阈值将灰度图象的灰度值从0变换为255，将其转换为只有0和255的黑白图象。在面部识别中，两个值用于将头发，眼睛，脸部和脸部从明亮区域分开。在图二值化过程当中采取恰当的阈值是十分重要的。而我们经常使用
