摘 要

在信息技术迅猛发展的今天，如何保证个人身份识别的准确性引起了人们的广泛关注。传统的身份识别方式已经逐渐变得不太安全，随着计算机科学的进步，生物识别技术开始得到了广泛的应用。在生物识别技术中，人脸识别，凭借其友好性、非强制性而得到人们的青睐。

论文主要研究了，借助OpenCV技术，搭建人脸识别的门禁系统。论文对人脸识别的三种经典算法OpenCV、EigenFace、FisherFace进行了分析和比较，最后选择了LBP作为人脸特征提取的方法。论文对搭建人脸识别的门禁系统进行了功能分析，确立了系统的结构框架，并借助OpenCV计算机视觉库，在Visual Studio2010环境下完成了系统的构建。最终构建的系统可以在一定程度上达到较好的人脸识别效果，在论文的最后给出了系统的调试和运行情况。

联系身边的现实场景，结合自身专业所学知识，基于OpenCV的人脸识别的门禁系统的研究，既具有现实意义，又有专业研究价值。

关键词：人脸识别；OpenCV；EigenFace；FisherFace；LBP

Abstract

With the rapid development of information technology, how to ensure the accuracy of personal identification has aroused widespread concern. Traditional identification methods have gradually become less secure. With the advancement of computer science, biometrics technology has begun to be widely used. Among the many biometric technologies, face recognition is popular because of its friendliness and non-mandatory nature.

The dissertation mainly studies the construction of face recognition access control system with OpenCV technology. The paper analyzes and compares three classic algorithms of face recognition: OpenCV, EigenFace, and FisherFace. Finally, LBP is selected as a face feature extraction method. This thesis analyzes the function of the access control system for building face recognition, establishes the structural framework of the system, and uses the OpenCV computer vision library to complete the system construction under Visual Studio 2010 environment. The final system can achieve a good face recognition effect to a certain extent. At the end of the paper, the system's debugging and operation are given.

By associating with the real world scenes and combining the knowledge of our own professions, the research on the face recognition access control system based on OpenCV has both practical significance and professional research value.

Key Words：Face recognition; OpenCV；EigenFace；FisherFace；LBP

目 录

第1章 绪论 1

1.1研究背景及意义 1

1.2人脸识别技术的研究现状 2

1.3人脸识别技术的关键 3

第2章 系统关键技术分析 5

2.1 Visual Studio 5

2.2 OpenCV 6

第3章 人脸识别算法比较与选择 8

3.1 EigenFace 8

3.2 FisherFace 10

3.3 LBP 11

3.4 算法选择 13

第4章 系统设计 15

4.1 总体功能框架 15

4.2 系统结构框架 16

4.3 人脸图像数据收集和预处理技术 17

4.3.1图像灰度变换 18

图9 图像灰度变换流程 18

4.3.2 图像尺寸变换 19

4.3.2 图像直方图均衡化处理 20

4.3.3 图像中值滤波 20

4.3.4 背景数据集 21

4.4 模型训练 23

4.4.1 cvs文件的生成 23

4.4.2 训练模型 24

4.5 人脸识别 25

第5章 系统测试 26

5.1 OpenCV2.4.9开发环境的搭建 26

5.2 调用摄像头并采集图像 27

5.3 人脸检测 28

5.4 人脸识别 29

第6章 结论 30

参考文献 31

致谢 32

第1章 绪论

1.1研究背景及意义

随着电子信息技术的发展，基于人脸识别门禁系统的应用产品已经见于市面。诸如人脸识别考勤门禁系统、火车站人脸识别过闸机等，人脸识别门禁系统的应用方兴未艾。立足于电子信息学科与生活结合的浪潮之巅，在第一章中，我将对人脸识别门禁系统研究的背景和意义加以阐述，然后对系统的核心——人脸识别技术的起源发展，以及现在的研究应用状况作简要介绍。

在信息技术迅猛发展的今天,人们对于安全的需求日益剧增。传统的身份识别方式由于新技术的应用而变得易于被窃取和泄露，如何保证个人身份识别的准确性已经成为社会的热点研究话题。

自我稳定性和个体差异是选择个人身份信息识别的两个最重要的标准。生物特性作为人类的内在属性，完全符合这两个条件。近十年来，随着计算机软硬件性能的迅速提高，图像处理和生物识别技术的不断进步，以及伴随社会的发展提出的新需求，生物特征识别技术应用受到了人们的普遍关注。关于生物识别的研究在计算机视觉研究领域已经有了很大的进步。

生物识别技术是一门计算机科学和光学、声学、生物传感器等密切结合的学科^[1]。利用人体固有的物理特性，如人的指纹、皮肤纹理、眼睛鼻子之间的相对位置等，以及人的行为习惯如嗓音、走路姿态等来完成个人身份的识别。在诸多技术中，人脸识别技术相比于其它的生物识别技术，如指纹识别、虹膜识别等，更符合人类固有的识别习惯，且识别过程无需与人体直接接触因而更为友好。人脸识别技术已然在许多身份认证的场合得到认可和欢迎。

想必校园可以说是我们接触最多的生活环境之一。然而近几年来，校园也不像以往那么安宁。社会经济的发展和开放程度的提高也给校园安全带来许多不可预测的隐患。那么如何保障校园环境的安全，为师生的学习、科研提供一个安逸的环境开始成为教育部门和社会各界所关心的话题。对于以往的校园安防，大多数的学校采用的是来客登记，凭借证明出校的方式。这就给一些社会人员提供了利用虚假证件或编造事由进入学校的漏洞。目前有少数学校使用校园一卡通系统等管理手段，但也存在“只认卡不认人”的情况，并不能真正有效地进行学校安全管理。一些社会人员仍可以通过借用或盗取校园卡的方式进入校园。因此，设计和实现一个更安全的门禁系统对校园安全有着迫切的需求。结合我们所学的专业知识，解决我们身边的需要，也赋予了这个课题的社会意义。

1.2人脸识别技术的研究现状

最近几年，很多国家和地区的科研工作都对人脸识别技术在都有着积极的推动作用，人脸识别技术的发展突飞猛进。关于这项技术的研究最早起源于布列索的一篇技术报告。布列索在报告尝试采用了人脸特征点的距离、比率等参数作为人脸特征的描述，构建了一个初级的人脸识别系统^[2]。这个尚不成熟的人脸识别系统引起了各国学者的广泛关注。在接下来的几年中，各个国家和地区的科研工作者把注意力投入到人脸识别的工作中，相关算法得到了进一步的的改进和优化，以至于逐渐趋于成熟，具有进一步应用于社会生活中的价值。自60年代末期以来，人脸识别技术的研究就见诸于科研者的工作中，可以在相关的文献资料中找到研究的记录。然而一直到90年代时，随着计算机技术的迅猛发展，利用计算机技术推动人脸识别技术的发展才逐渐兴盛起来。可以说最近的二十年是计算机技术与人脸识别技术结合起来成为重点研究课题的关键时段。

几十年的发展带给人脸识别技术深刻的变化。从最初的弱人工智能到现在的强人工智能，伴随互联网技术的飞跃，人脸识别算法得到不断优化。可以说在生物识别技术领域，人脸识别技术已然成为的不可或缺的一环。在过去不久的2016年，虽然出现了资本寒冬，但对于人工智能领域来说却是爆炸性发展的一年，甚至可以说是人工智能的元年。我们可以看到，这一年中图像识别，语音识别成为研究攻坚的新高地。图像识别最为广泛，也是最具有应用价值的应用即为人脸识别。各大技术研发公司都成立了相关的研究中心，努力攻克人脸识别中尚存的难点，希望能够做出技术上的突破，在接下来将要到来的人工智能浪潮抢占制高点。

在谷歌创造出的阿尔法狗和人类围棋选手李世石的比赛中，谷歌展现出了美国在人工智能领域的研究的前沿性。随后中国几大互联网巨头百度，华为以及阿里巴巴等公司都建立了自己的人工智能研发中心，进一步完善在人工智能领域的布局，而人脸识别技术就是关注的项目之一。

在2017年，最强大脑的节目中，一个引起人们广泛关注并引发社会讨论的比赛便是人机大战。基于深度学习的小度机器人，在人脸识别环节中险胜。在比赛中，人脸识别环节，小度机器人为观众生动地展示了人脸识别技术的所能达到的高度。随着算法的发展，人脸识别技术的实时处理速度已经变得很快。在1S-2S的时间内，系统就可以完成人脸上千特征点的提取，并实现人脸图像的预处理，匹配以及识别^[3]。同时一些仍待解决的问题和难点也暴露在我们面前，如苛刻的光线条件，特殊的视角，以及由于图像变形，给人脸识别带来的困难。

除了环境以及图像采集中的畸形，其他的一些因素，如人脸遮盖物、帽子、头发、胡须，整容和P图等都会对人脸识别带来影响，直接影响了人脸识别的正确率。

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：