论文总字数：16867字

摘 要

人脸识别技术可以通过模拟自然图像来帮助人们来判断人物特征。成功模拟人脸识别估计是一项具有科学意义和社会效用的技术。高校考试的信息化管理受到越来越多的重视，高校信息化构建迫在眉睫，为提高高校考试管理的效率，方便学生进行考试身份验证，需要建立基于人脸识别的系统。由此可以看出人脸识别技术对高校的考试身份验证来说是非常重要的，因此研究基于人脸识别的考试身份验证系统是非常有意义的。

本系统运用了

1.python语言开发人脸识别系统。

2.通过opencv调用摄像头采集图像中人脸信息。

3.通过mtcnn算法实现人脸识别。

4.基于tensorflow对图像进行训练，最终得出识别出的结果。

系统目前已通过测试，且识别率能达到90%以上。

关键词： 人脸识别； 考试身份验证； opencv

Face face authentication Based on face recognition

Abstract

Face recognition technology can help people to judge the characteristics of people by simulating natural images. The successful simulation of face recognition estimation is a technology with scientific significance and social utility. More and more attention has been paid to the information management of university examination, and the construction of university information is imminent. In order to improve the efficiency of university examination management and facilitate students to carry out examination identity verification, it is necessary to establish a system based on face recognition. It can be seen that face recognition technology is very important for the examination authentication of colleges and universities, so it is very meaningful to study the examination authentication system based on face recognition.

In this paper：

1.we use Python language to develop face recognition system

2.call the camera to collect face information in the image through opencv

3.realize face recognition through mtcnn algorithm

4.train the image based on tensorflow, and finally get the recognition results.

Key words: face recognition, examination, authentication, opencv

目 录

摘 要 I

Abstract II

目 录 III

第一章 绪论 1

1.1 课题背景 1

1.2 研究现状 1

1.3 主要工作内容 2

1.4 论文的组织结构 2

第二章 开发环境及技术介绍 3

2.1开发技术介绍 3

2.2人脸识别介绍 3

2.3人脸特征 4

2.4卷积神经网络 5

2.5本章小结 7

第三章 需求分析 8

3.1 功能需求分析 8

3.1.1 人像采集功能分析 8

3.1.2人脸识别功能分析 8

3.1.3系统功能用例图 9

3.2 性能需求分析 9

3.2.1系统的易用性 9

3.2.2系统的正确性 9

3.2.3系统的可扩展性 9

3.2.4系统的标准性 9

3.3 本章小结 9

第四章 系统设计 10

4.1 系统总体设计 10

4.1.1 系统总体工作流程设计 10

4.1.2 系统功能模块设计 11

4.2系统详细设计 11

4.2.1人像采集模块 11

4.2.2考生识别模块 12

4.4核心算法设计 13

4.5本章小结 14

第五章 系统实现与测试 15

5.1 系统实现工具与环境 15

5.1.1 硬件环境 15

5.1.2 软件环境 15

5.2 核心代码分析 15

5.2.1 后端申明 15

5.2.2 数据库申明 15

5.2.3 前端界面 16

5.2.4 开启和关闭摄像头 16

5.2.5 人像采集 16

5.2.6建立人脸特征库 17

5.2.7清空所有条目 17

5.3 系统主要运行界面 17

5.3.1打开本地图片功能 17

5.3.2 建立人脸特征库 18

5.3.3人脸识别结果 18

5.4 系统的测试 19

5.4.1 系统测试环境与工具 19

5.4.2 系统功能测试 19

5.5 本章小结 19

第六章 总结与展望 20

6.1 总结 20

6.2 展望 20

致谢 21

参考文献 22

第一章 绪论

本章对课题的背景以及一些行业内现状进行了剖析，以及对整片论文的组织结构进行了简要的介绍。

1.1 课题背景

进入二十一世纪，随着经济的发展、科技的进步，计算机科学也有了迅速发展。机器学习、人工智能、大数据等计算机前沿技术也兴起。在2017年，Instagram就达到了每天图片上载量6000万张以上；而跨平台智能通讯应用WhatsApp的每日图片发送量也达到了5亿张。同时在国内，微信、微博以及各种新闻网站上充斥着各种各样的图片。在大数据时代，这些海量图像意味着无限的可能性和使用价值。 我们知道图像处理在计算机科学中是一个不再过时的课题。图像处理技术是计算机前沿技术中比较“亲民”的一种，也是目前大力开发应用的一种技术。其中有一个近年来一直热度不减的领域，那就是人脸图像处理。

值得注意的是人脸识别的研究意义绝对不仅仅局限于人们的自娱自乐生活中。广泛应用在智能安保系统中，对于公安部门对于身份证的管理以及逃犯的追拿、防止未成年人进入特定场合都是非常有用的；除此之外还广泛应用在一些电子商务系统、办公领域中。

剩余内容已隐藏，请支付后下载全文，论文总字数：16867字