摘 要

随着现代社会经济的高速发展以及第三次科技革命带来的科技发展潮，人脸识别技术以及成为了当今最热门的研究领域之一。从一开始仅用于试验，到现在人脸识别已经广泛应用于金融行业、犯罪识别、安保领域以及智能人脸解锁等领域，对社会的发展进步产生了深远的影响力。在未来，人脸识别技术仍拥有着广阔的发展前景，在研究人员的努力下必将走向更广阔的的应用领域。

本次毕业设计研究的课题是基于MATLAB的人脸识别方法研究。经过查阅资料与比对，最终选用的是PCA人脸识别算法。为了方便，本系统省去了第一步人脸图像采集的工作，建立了一个人脸图像训练库，直接对库中的人脸图像进行预处理。然后通过PCA算法执行面部特征提取，并且获得特征矩阵矢量组，再将测试人脸投影到特征子空间中。然后我们运用欧氏距离法在训练人脸库中找到相对应匹配的人脸图像，输出最终的匹配结果。本篇论文首先介绍的是人脸识别的意义及背景，然后介绍了目前国内外人脸识别领域的研究现状及发展。在后续章节中分别介绍了人脸识别的主要流程、主成分分析方法的基本原理、MATLAB程序仿真的结果演示还有对此次设计的总结。本次设计采用的主成分分析法，在实现角度上较为容易，人脸重建的效果较好，比较适合静态人脸图像的识别，如果对人脸图像的识别有更高要求，还需要使用匹配性更强的算法。

关键词：人脸识别；PCA算法；特征提取

Abstract

With the rapid development of modern society and economy and the third scientific and technological revolution, face recognition technology has become one of the most popular research fields. Face recognition has been widely used in financial industry, crime recognition, security field and intelligent face unlocking, which has exerted a far-reaching influence on social development and progress. In the future, face recognition technology still has broad prospects for development. With the efforts of researchers, it is bound to move towards a broader application field.

This graduation project is based on the research of face recognition method in MATLAB. After consulting and comparing the data, the final choice is PCA face recognition algorithm. For convenience, this system omits the first step of face image acquisition, and establishes a face image training database, which directly preprocesses the face image in the database. Then the PCA algorithm is used to extract facial features, and the feature matrix vector group is obtained. Then the test face is projected into the feature subspace. Then we use Euclidean distance method to find the corresponding matching face images in the training face database and output the final matching results. This paper first introduces the significance and background of face recognition, and then introduces the current research status and development in the field of face recognition at home and abroad. In the following chapters, the main flow of face recognition, the basic principle of principal component analysis, the demonstration of the results of MATLAB program simulation and the summary of this design are introduced respectively. The principal component analysis method used in this design is relatively easy to achieve, and the effect of face reconstruction is better. It is more suitable for static face image recognition. If there are higher requirements for face image recognition, we need to use more matching algorithms.

Key Words：Face Recognition; PCA Algorithms; Feature Extraction

目录

第1章 绪论 1

1.1 人脸识别的背景和意义 1

1.2 人脸识别的国内外研究现状 2

1.3 人脸识别存在的难题 3

第2章 人脸识别的流程 5

2.1 人脸图像的获取 5

2.2 人脸图像的预处理 6

2.3 人脸特征的提取与匹配 8

第3章 基于PCA算法的人脸识别原理 10

3.1 主成分分析方法的介绍 10

3.2 人脸识别的分类准则 11

3.2.1 相似性测度 11

3.2.2 分类器 12

第4章 基于PCA算法和欧氏距离分类器的人脸识别 13

4.1 系统框架 13

4.2 程序的仿真与调试 14

4.2.1 人脸库的建立 14

4.2.2 人脸训练 14

4.2.3 特征提取及人脸重建的仿真 15

第5章 总结与展望 19

参考文献 20

致谢 21

第1章 绪论

1.1 人脸识别的背景和意义

随着科技的不断进步和发展，人工智能方面的相关技术取得了长足的进步，以及所涉及的图像识别技术的研究也得到了深刻的影响和发展，特别是人们对于机器的图像识别受到了广泛学者的研究，因为它具有极大的实用价值。在进行人工智能和神经网络学的研究中，人们一直致力于让机器拥有跟人类接近的能力的研究，所以从视觉学、认知学、行为感知学等方面，我们正在研究人的思维机制以及事物的感知和处理机制，并试图将有实际用处的这些机制付诸实践，例如各种视觉识别智能机器人的发展。在这种情况下，人们正在利用机器对人脸识别进行研究，因为人们发现机器人有许多可以为人类做的事情，但是需要进行深刻的研究和探索，诸如人脸识别、语音识别、文字翻译等方面都需要深刻的研究。在不同的环境下，同一个人被拍摄所得到的人脸图像是不同的，不仅仅是衣着相貌上的改变，拍摄的背景不同也会给识别带来很大难度。所以在各种干扰条件下实现人脸图像的识别的难度会大大提升。在很多年之前，国外对人脸图像识别的研究就已经开展，虽然实际系统可以投入使用但是对于设备的实现条件比较严格，所以导致其应用范围并不广泛，因此国内也有许多研究机构参与了这一领域，并取得了许多成功。由于人脸识别是一个新领域并且拥有着广阔的发展前景，很多人开始意识到其中蕴含的机遇，从而开始投入人脸识别的研究当中，这是人脸识别研究热度持续高涨的背景与前提。

那么，人脸识别的意义究竟在哪呢？它最大的意义就在于实际应用上。在科技高速发展的今天，人脸识别从最初的试验阶段早已走向了我们生活中的方方面面，目前主要有以下方面的应用：

在银行和金融业，人脸识别技术经常用于银行身份的认证、票据识别等场景。而文字识别也属于识别技术，应用也比较常见。目前互联网金融行业蓬勃发展，各银行或者金融公司也开发了基于人脸识别的远程身份认证对比服务。

在手机和通信行业，人脸识别技术为各类手机厂商提供图像处理、人脸识别、图像识别技术支持服务，使得出产的手机拥有一系列智能识别功能。为运营商提供各种识别、活体认证、门禁系统以及手机卡实名认证项目等等。

人脸识别技术进步的主要推动因素就是安全方面的需求，所以安防行业是人脸识别技术运用最多的领域，也是时间最长的领域。人脸识别为安防厂商提供结构视频化、人脸布控、人脸搜索、车辆识别、人群分析等软硬件一体形态提供产品技术升级服务，还有为政府的智慧城市、平安城市等大型项目提供技术支撑。值得一提的是，犯罪识别和天网等跟踪系统也离不开人脸识别技术，它为我国的公众安全提供了强有力的保障。

1.2 人脸识别的国内外研究现状

不论是在国内还是国外，如今人脸识别技术都已经成为炙手可热的研究方向。人脸识别的研究起源于国外，在二十世纪六十年代中后期，来自PRI的布莱德索开始了对机器自动人脸识别的研究。直到二十世纪九十年代，随着计算机技术和光学成像技术的飞速发展，人脸识别才开始真正投入实际应用当中。在此期间，日本成功研制了人脸图像识别仪器，一秒钟的时间里可以从三千多个人中较为准确识别出你要寻找的人脸。美国军方成立了著名的Face Recognition Technology项目，简称为FERET项目，建立了FERET人脸库，并且研发了商业化运作的面部识别系统，比如说Visionics系统。MIT媒体实验室的Turk和Pentland提出了特征脸方法，此方法已经成为了最为经典的人脸识别算法之一，被用作人脸识别性能测试的基准算法。

进入二十一世纪，人脸识别的发展进入了新阶段。在以往的大量算法评估表明，之前比较主流的人脸识别方法变化鲁棒性较差，主要影响因素是人脸图像采集时的不规范化和光线强度还有人脸姿态问题。在九十年代这项技术主要用于科学研究，进入二十一世纪之后人脸识别技术在商业化领域走得更远了，美国军方还为此组织了两次商业人脸识别系统的评测工作。在人脸识别发展的新时期，又有很多创造力的研究学者提出了新的识别算法。比如Georghiades等人提出了基于光照锥模型的人脸识别方法，该方法适用于不同的光照条件以及不同的人脸姿态，是近年来人脸识别领域的重要成果之一。此外，统计学习理论也被引入了人脸识别的算法当中，其代表是支持向量机。总的来说，新时期人脸识别的热点问题主要集中于大规模人脸数据与非理想采样条件下的识别。随着时间的推移，基于3D模型的人脸建模、神经网络、Adaboost人脸识别算法和Haar人脸特征检测方法成为了研究的趋势，国外在这些方面的研究成果也是层出不穷。

相比起国外，国内的人脸识别的研究显然起步较晚，但是在研究人员的奋起直追下，我们国家也取得了不俗的成绩。1990年之后，受到国际不稳定局势的影响，我国开始着手人脸识别方面的研究。最初，我国的周激流教授取得了正面人脸识别的初步成功，然后开始着手研究正面与侧面的共同识别问题，取得了一定的成果。这些最初的研究构成了我国人脸识别发展的基础，给后续的研究人员带来了很多灵感。之后，国家的863项目“面像检测与核心识别技术”经过检测达到了当时国际上的先进水平。中国科学院曾经也组织过专家团队，研究了一种基于红外线的人脸识别技术，该方法利用红外线获得人脸的多维度视角，以较好的效果实现了面部特征的匹配。近年来，人工智能这个词逐渐走进了大众的视野，给人脸识别带来了全新的研究方法。如果说以前的人脸识别仅仅是按照已有的模板进行非智能化的匹配，那么基于人工智能的人脸识别则颠覆了这种传统的识别办法，识别系统更像是拥有了人的视觉与感官，而不是以前单纯的进行被动的模板匹配操作。人工智能识别技术的兴起，得益于近年来神经网络学科的研究突破，这也是今后研究人员们会持续关注的领域。十年前，在国内，我们在日常生活中可能还不能接触到人脸识别相关的事物，但到了今天，我们却已经离不开这项技术。支付宝的人脸识别支付、手机智能解锁、银行的智能身份认证、乘坐高铁刷脸进站等，人脸识别使得生活中某些繁琐的程序大大简化，这也说明我国在人脸识别的商业化和大众化方面已经做到了世界领先的水平。从无到有，从落后到世界领先，说明我国的人脸识别领域的潜力大有可挖，相信在不久的将来，我国的人脸识别会取得更加丰硕的成果。

1.3 人脸识别存在的难题

目前，人脸识别技术仍然处于高速发展的阶段，众多研究机构及人员还在不断地研究新的算法和技术。人脸识别系统对各种因素比较敏感，许多小因素可能会影响识别的准确程度。相比起指纹和视网膜，人脸不具有良好的稳定性和精确性，识别难度更大。总的来说，人脸识别存在的难题主要有以下几种：

1.光照问题的影响

在收集人的面部信息时，由于时间地点的不同产生的不同光照条件对图像的有效采集影响比较大，这会直接影响到后续的匹配效果。尽管许多科学研究人员致力于研究处理人脸成像后图像光的影响，但效果并不明显。对于静态照片的人脸识别，光照因素可以说影响小一些，但对于实时动态人脸识别系统来说，光照的影响占比可以说是非常大。

2.姿态问题的影响

姿势的差异很可能导致面部变化和面部图像信息的失败，所以姿势问题也是人脸识别中的一大难点。但这也并不是没有解决办法，如果我们学习和记

忆多个姿势特征，它可以有效地解决，但这样就要求识别系统拥有一个巨大的数据存储容量，而这增加了人脸姿态的不确定性，因此单视图的多姿态是当前研究的主流。

3.人脸模式的变化

在人脸识别系统将人脸图像收录进人脸资料库之后，往往会出现一个问题：只能依靠库内的人脸图像来进行识别。但是人的相貌衣着是不断变化的，随着年龄的增长人的人脸特征也在发生不断地改变，或者说不同的穿着打扮也会引起人脸模式的变化，导致识别系统产生不正确的判断。要解决这个问题，只能不断地更新人脸数据库。

4.人脸图像遮挡问题

人脸图像遮挡问题跟人脸模式的变化有类似的地方，比如说在人脸信息采集的时候由于衣物息没有输入完全，这样在识别的时候系统就很可能由于信息不全而产生识别错误。要或者别的物体的遮挡导致人脸信解决这一问题，需要将人工智能技术与人脸识别技术进行结合，提高识别系统的智能程度，这就属于另一个范畴的研究问题了，还需要做更深层次的研究。

1.3 MATLAB软件介绍

本次人脸识别课题采用的开发软件是MATLAB，下面对MATLAB软件进行基本的介绍和了解。

MATLAB是Matrix Laboratory（矩阵实验室）的缩写，是由MathWorks公司1984年于美国发布的一种功能强大的数学软件，它可以用于通信计算机领域、金融和银行领域还有其他需要分析计算的领域。MATLAB是四大著名的数学工具软件之一，它科研人员的模拟仿真研究提供了一个及其便利的平台，为世界学术研究做出了巨大的贡献。MATLAB作为数学工具软件，不仅仅可以快速执行矩阵运算，绘制函数图像，实现算法，还可以创建用户图形界面，和其他的编程语言进行程序的连接。它在工程计算，控制设计，信号处理检测与通信，图像处理，财务建模设计和分析性领域拥有极其重要地位。

图1.1 MATLAB软件的工作环境界面

值得一提的是，MATLAB与传统的编程软件相比，它的代码简单易懂，新手花较短的时间就能够上手，这也是它使用领域如此广泛的原因之一。MATLAB语言的语法和C语言还有C 语言存在一定的相似性，并且可以与其他的编程语言进行程序连接。存储在库中的很多功能为用户提供了便利，比如说MATLAB的库函数与工具箱，随着版本的更新这些功能也在不断地更新。MATLAB主要的优点有：第一，MATLAB对程序的报错会给出相应的错误原因，也会给出自动的解决方案，方便人们调试程序；第二，MATLAB拥有强大的绘图功能，可以用于需要图形绘制的场合；第三，MATLAB的基本单位是矩阵，方便进行数学领域的计算；第四，MATLAB的编程接口可以用来提升代码的质量，可以和其他软件的程序实现互通，为我们提供了多样化的解决方案。在安装了MATLAB的环境之后，我们可以开始课题设计的程序编写调试工作了。

第2章 人脸识别的流程

人脸识别要通过一系列操作流程才能实现整个识别功能。下图是人脸识别系统流程。

图2.1 人脸识别系统流程

2.1 人脸图像的获取

人脸图像的获取也就是人脸图像的采集。在日常生活中，人脸图像的采集主要是通过各种传感器来实现的，例如电脑、手机的前置摄像头，或者是室外的监控摄像头。当人脸信息被传感器获取后，通过某些处理将其转换成数字信号，方便由计算机对其进行进一步的处理。当然，在采集人脸图像的时候，要注意人脸的姿态是否正确、衣物对人脸有无遮挡以及光线强度能否满足要求等，这也是在第一章中提到的注意要点。这些要点对第一步的人脸采集至关重要，否则可能会大大影响后面步骤的识别成功率。人脸图像的识别可以分为动态人脸识别和静态人脸识别。动态人脸识别主要用于识别要求高的领域，比如犯罪识别领域，而静态识别在普通日常生活中使用的比较多。由于技术难度原因，本次毕业设计主要考虑的是静态人脸识别的问题。

本次课题研究采用的是MATLAB开发环境，因此在人脸图像的获取上跟日常生活有所不同。我们在MATLAB中事先存入人脸图片作为人脸数据库，省去了利用传感器获取人脸图像再导入计算机的步骤。其中人脸数据库有两个，一个是训练人脸库，一个是测试人脸库。测试人脸库中的人脸图像是用来进行识别测试的，模拟日常生活中被传感器获取之后的人脸图像。而训练人脸库是使用算法训练过的人脸库，用来模拟人脸信息库。选用测试人脸库中的一张人脸图像进行人脸识别，如果与训练人脸库中的某张人脸图像成功对应，那么就是完成了一次成功的人脸识别。

以上是毕业论文大纲或资料介绍，该课题完整毕业论文、开题报告、任务书、程序设计、图纸设计等资料请添加微信获取，微信号：bysjorg。

相关图片展示：