人脸识别系统设计开题报告
2020-06-03 21:57:20
1. 研究目的与意义（文献综述包含参考文献）
文 献 综 述
1.引言
在生存的这个地球上，居住着近65亿人。每个人的面孔都由额头、眉毛、眼睛、鼻子、嘴巴、双颊等少数几个区域组合而成，这些特征之间的大体位置关系也是固定的，并且每张脸的大小不过七八寸见方。然而，这些特征居然形成了复杂的模式，即使是面容极其相似的双胞胎，其家人通常也能够非常容易地根据其面孔上的细微差异将其区分开来。这使得人们不得不承认这个世界上找不出两张完全相同的人脸!那么，区分如此众多的不同人脸的”特征”到底是什么?能否设计出具有与人类一样的人脸识别能力的自动机器?这种自动机器的人脸识别能力是否能够超越人类自身?对这些问题的分析和解答无疑具有重要的理论和应用价值，这正是众多从事自动人脸识别研究的研究人员所面临的挑战。研究人脸识别技术的发展历程，可以简要将其分为两个阶段：
2. 研究的基本内容、问题解决措施及方案
|
1．本课题要研究或解决的问题和拟采用的研究手段（途径）： |
|
本课题要研究的问题： 1.人脸图片如何处理可以使提取更为清晰。图片处理可能因为噪声过多而显得边缘 不明；也可能因为噪声处理过度而导致图像显示模糊，所以人脸识别首先面对的是图 像预处理的质量问题。 2.人脸识别算法如何选择。若使用二维人脸识别算法如局部保持投影法、人脸模版 匹配法等则容易受到角度、人脸表情、障碍物等因素的影响。
研究手段： 1. 1.canny算子进行图片预处理。算法包括高斯低通滤波器滤波、求图像梯度、非极大值 2. 抑制、双阈值设置四个步骤，主要目的还是为了消除噪声及虚假边缘，提高精确度。 2.采用PCA(主成份分析)的算法，主要步骤包括计算协方差矩阵的特征值和特征向量、 选择主成份（即最大特征值的特征向量）、对原图片库集进行降维、对采集图片库集进 行降维，最后则是人脸的识别部分。将采集集中的每一幅降维图像与降维的原库集进行 匹配，然后将其分类到距离最小的训练集头像中，如果两个头像表示一个人，表示识别 成功，否则表示识别失败。
|
