摘 要

人脸识别作为全球范围最热门的课题之一，它的应用已经深入到了信息安全、公共安全等各个领域。横向对比，人脸识别在目前众多模式识别方式中有十分明显优势，具有自然性、非强制性、非接触性以及人机交互性强的天然优势，应用地点更加广泛。纵向来看，现在市面上已有大量商业化人脸识别产品，并还在不断增长，人脸识别将在未来呈现爆发式的增长。因而研究人脸识别在当前具有十分重大的现实意义。

本文主要研究了人脸预处理、人脸特征提取和人脸识别这三大内容。特别是对主成分分析(Principal Component Analysis, PCA)和支持向量机(Support Vector Machines, SVM)等算法进行了深入的研究，提出了基于 PCA 和 SVM 的人脸识别框架，并基于改进后的框架，成功的运用Matlab构建了一个人脸识别系统，并完成识别任务。

关键字：人脸识别，主成份分析，支持向量机

ABSTRACT

As one of the most popular subjects in the world, face recognition has been applied in information security, public security and other fields. Transverse comparison, face recognition in the present in many pattern recognition method has obvious advantages, has a natural, not mandatory, non-contact, and man-machine interactive natural advantages, more extensive application site. Vertically speaking, there are a large number of commercial face recognition products on the market, and they are still growing, and face recognition will show explosive growth in the future. Therefore, it is of great practical significance to study face recognition.

This paper mainly studies face preprocessing, face feature extraction and face recognition. Especially to the Principal Component Analysis (Principal Component Analysis, PCA) and Support Vector machine (Support Vector those, SVM) algorithm is carried on the thorough research, put forward the framework for face recognition based on PCA and SVM, and based on the improved framework, successful use of Matlab implements a face recognition system.

Keywords: face recognition, principal component analysis(PCA), support vector machine(SVM).

目录

摘要 I

ABSTRACT II

第1章 绪论 1

1.1 课题研究目的及意义 1

1.2 国内外现状及发展趋势 1

1.3 主要研究内容与技术路线 2

1.3.1 主要研究内容 2

1.3.2 技术路线及实施方案 3

1.4开发工具Matlab2017 简介 3

1.4.1 Matlab开发工具概述 3

1.4.2 Matlab在图像处理上的优点 3

1.4.3开发环境的选择 4

1.5论文结构安排 4

第2章 图像预处理 5

2.1 图像预处理简介 5

2.2图像灰度化 5

2.3灰度变换 6

2.4直方图均衡化 8

2.5图像归一化 9

2.6小结 10

第3章PCA特征提取方法 11

3.1概述 11

3.2 PCA基本原理 11

3.2.1 PCA概念 12

3.2.2 PCA原理 12

3.3小结 15

第4章 基于支持向量机的人脸识别 16

4.1 概述 16

4.2 支持向量机 16

4.2.1支持向量机原理 16

4.2.2 最近距离标准 18

4.3小结 18

第5章人脸识别系统的设计与分析 19

5.1 概述 19

5.2 系统的总体框架 19

5.3程序设计 20

5.3.1 特征分析 20

5.3.2 SVM分类器 20

5.3.3图片读取与转换 21

5.3.4主函数 21

5.4程序测试分析 22

5.4.1识别步骤 22

5.4.2结果 22

5.5本章小结 23

第6章 总结 24

参考文献 25

附录 26

致谢 27

绪论

课题研究目的及意义

人脸识别，是生物识别中十分常用的一种识别技术，在基于人的脸部特征信息上对人的身份进行识别验证。对人脸使用摄像头/摄像机采集视频流/图像数据，并自动在图像数据中跟踪和检测人脸，从而对检测到的人脸进行脸部比对的一系列相关技术，也可以叫做面部识别、人像识别、脸部识别^[1]。

人们的身份验证包括基于标记的验证或基于知识的验证。基于标记方法的人应持有驾驶执照、护照或其他授权的身份证。在基于知识的识别系统中，密码或唯一的代码被使用。这两种身份验证方法都不安全，因为授权许可证可以被窃取，密码也可以被破解。所以我们需要一些独特和安全的东西。每个个体都有独特的生物学特性。生物测定学与这些可测量的生物学特性有关。这些是DNA，虹膜，指纹，手，声音，手掌几何识别和面部识别。如果单一性状被用于识别，那么它就被称为单模式生物识别。两种或两种以上特征的结合称为多模态生物统计学。在所有这些特征中，面部识别是唯一不涉及到人的特征。所以这些天的脸是吸引力的主要焦点。人脑在不同情况下识别人脸是相当聪明的。但如果我们讨论的是基于计算机的系统，这是一项困难的任务，故人脸识别技术发展迫在眉睫。

相对于其它类型的生物识别，人脸识别有很多优点：1.非接触性：在不需要和设备接触的情况下，用户就能获取人脸图像数据；2.非强制性：不需要特意配合人脸数据采集设备，用户可以在无意识的情况下获取人脸图像，这样的取样方式不需要强制用户的行为，十分自然；3.并发性：在实际应用场合中，人脸识别可以对多个人脸进行分拣、判断及识别^[2]。

国内外现状及发展趋势

在国外进行人脸识别研究的主要有美国、日本和欧洲等国家，而科研机构则有瑞士巴塞尔大学 ，比利时鲁汶大学，美国的卡内基梅隆大学、加州大学伯克利分校等。在人脸识别这个领域中，世界上慢慢形成了以下几个大类研究方向：基于肤色模型的方法、基于神经网络识别方法、基于模板匹配的方法、基于几何特征的方法和马尔可夫模型的方法等等。它们都能被归类到基于明显特征和基于隐性特征的两大方法中。自从运用基于 Haar 特征和Adaboost 算法对于人脸进行检测后，各位学者在人脸检测方面取得十足进步。之后基于Haar 特征的人脸检测方法十分受学者专家的重视^[3]，国内外相关人脸识别研究成果也是硕果累累。

在国内，最早的人脸识别研究是在哈尔滨工业大学和中科院计算机研究所联合脸部图像实验室一起完成的。实验室的高文教授，山世光教授，在面向对象视频编码、可伸缩视频编码、人脸与手语模式识别、AVS视频编解码国家标准等方面做出重要贡献。来自中国科学院模式识别国家重点实验室的王蕴红、谭铁牛研究员所带的小组将人脸的重点特征和其他特征进行融合这方面做出了有意义的尝试。王守觉院士在中国科学院半导体研究所不断研究，所提出的识别理论在人脸识别中的应用效果也十分明显。在我国高校中，来自清华的徐光佑教授等所带的课题组在多姿态非线性的人脸图像识别方面进行了十分深入研究；上海交通大学施鹏飞教授的课题组在基于 Gabor 小波特征的多姿态人脸图像识别领域进行了有意义的创新尝试；南大的周志华教授带领的课题组在给予模板匹配与人工神经网络的人脸识别方面取得了显著的成绩。中山大学的赖剑煌教授在频谱脸识别方面有独到的创新。中国科技大学杨光正等在复杂景物中人脸的定位以及人脸器官的边缘检测和特征抽取方面做出了巨大的成果。由此可见，对于国内人脸识别领域来说，已经初步具有了国际先进水平^[4]。

主要研究内容与技术路线

1.3.1 主要研究内容

本论文是基于 PCA 和SVM的人脸识别关键技术研究和实现。在研究了国内外相关人脸识别技术的基础上，对PCA 和SVM算法的数学原理进行了深入的研究，提出基于PCA和SVM的人脸识别框架——PCA SVM^[5]，并在MATLAB上对该人脸识别框架的进行了全面的测试，证明了该框架的优越性，最后基于人脸识别框架完成了一个的人脸检测识别系统。

本文所做的具体工作内容如下：

(1) 研究了人脸图像的预处理技术，并利用Matlab 做了相关的算法检验工作。

(2) 深入研究PCA，SVM 的人脸识别算法，并在基于ORL人脸的图像库上进行了大量的针对性检测，验证了人脸识别框架的性能。

（3）在算法研究的基础上，在Matlab上实现了一个人脸识别系统，并对本文的框架做了大量验证性实验。

1.3.2 技术路线及实施方案

本文主要技术路线如图1.1所示。

图1.1 主要技术路线

首先研究的是人脸图像的预处理技术，包括彩色图像的灰度化、图像的灰度变化、图像滤波以及图像的归一化。由于人脸图像的尺寸较大，运算量也因此很大，为了满足实时性的要求。所以就研究 PCA 降维方法，这样可以大大降低运算量。之后研究了 SVM 算法，用来可以更好的分类样本。

1.4开发工具Matlab2017 简介

1.4.1 Matlab开发工具概述

Matlab是一个专门的工程计算软件，其基本单位是矩阵，里面包括许多现成的算法，并能够直接调用，对于数据处理十分的方便。对于本文来说，Matlab有一个专门的工具，即图像处理工具。利用图像处理工具，对于常用的图像可以高效自动的处理。可以利用应用程序和可视化的函数，来检测图像、视频并能对其处理，可以创建图像的灰度图，调节其中对比度。还可通过在图形处理器(GPU)上运行内置算法对数据来进行加速。这些工具箱函数还支持桌面原型建立的实现和嵌入式视觉系统运行的 C/C 代码生成。

1.4.2 Matlab在图像处理上的优点

（1）图像分析，其中包括分割、形态、统计和测量；

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：