数字信号处理技术的人脸识别系统设计
随着人类社会的发展，和科技水平的提高，加强身份的安全是现代社会所必备的一项技能，因此人们研究更可靠更安全的身份识别方法。因为人脸识别操作很方便，识别的结果直观，也有很高的准确性，必要情况下也可以不需要别人的配合，这些优点使得人脸识别成为实验研究的焦点。主成分分析方法是人脸识别中一种重要的算法，它主要通过提取高维面部图像的主元，来降低图像处理的难度，在低维空间中处理图像就变得相对容易，现已成为人脸识别理论中一个非常重要的领域。 本研究基于PCA人脸识别算法和欧式距离算法的实现。本文根据人脸的一般过程分析了基于PCA算法和欧几里德距离的人脸识别系统。并查资料了解到ORL人脸库是早期经常被采用的数据库，所以选取ORL来载入人脸图像。接下来预处理方法，这是人脸识别中最重要的部分，由于使用的人脸图像变化模式少，并且已经进行了相应的预处理，本文中就只采取了灰度处理和归一化。然后使用PCA提取人脸特征，并使用欧几里得距离来达到人脸识别的目的。研究发现，PCA与欧氏距离的结合使得人脸识别系统的识别率非常高，因此对人脸识别的研究是有意义的。关键词 人脸识别，PCA算法，欧几里德距离
目 录
1 绪论 1
1.1 课题的研究背景与意义 1
1.2 人脸识别研究与发展现状 1
2 人脸识别概述 2
3 人脸识别的常用算法 3
3.1 基于几何特征的方法 3
3.2 局部特征分析方法 4
3.3 特征脸方法 4
4 PCA人脸识别方法 5
4.1 KL变换的基本理论 5
4.2 PCA方法的优缺点 6
4.3 利用 PCA 进行人脸识别步骤 6
5 人脸图像常用预处理方法 7
5.1 滤波去噪 8
5.2 灰度变换 8
5.4 尺寸归一化 8
6 人脸识别系统的实现及实验结果分析 8
6.1 创建数据库 8
6.2 系统设计 10
6.3 GUI转为可执行文件 14
6.4 系统测试 16
总 结 20
致 谢 2 *好棒文|www.hbsrm.com +Q: ^351916072#
1
参 考 文 献 22
1 绪论
1.1 课题的研究背景与意义
人脸识别技术是包括人脸检测和人脸识别技术，人脸检测就是先获取人脸图像，再使用图像处理技术和相关算法，从图像中确定是否存在面部，并给出人脸数量和位置，并进一步通过脸和脸匹配来识别人的身份。
人脸识别技术的研究在理论和实践上都具有重要意义。涵盖心理学，生理学，数字图像处理，模式识别，神经网络，计算机视觉和人工智能等知识内容。 促进各学科发展具有重要的理论意义。在网络安全方面，财务，公安，物业管理，出勤等领域也具有很大的应用价值。如面部识别技术可以快速计算面部数据的实时采集和面部图像在数据库中的已知人员之间的面部数据相似性，返回到识别结果和相应的可信度。如应用面对面捕获，人脸识别技术可以在一个人的范围内进行监测并确定其位置。如商场，银行，交易所等金融相关场所，面对智能监控的认可，不包括入侵不法分子。人脸识别技术的用处很多比如可以登录电脑控制，可以使用应用安全，数据库安全访问和文件加密，LAN和WAN可以实现安全控制，可以保护电子商务的安全。如访问控制，通过摄像头动态捕捉脸部，面部信息与数据库面对面的信息进行比较，只有图像信息才能满足人才，否则拒绝进入。脸部认可在日常生活中是使用最多的。作为友好，直接和方便的特征的面部识别，是最可接受的识别方式。
1.2 人脸识别研究与发展现状
人脸识别的研究历史比较悠久。高尔顿早期撰写了关于依靠人脸来鉴别身份的文章，分析了人脸的识别能力，但由于技术问题还不能自动识别。人脸识别的研究技术报告已出版四十年。近年来，人脸识别研究得到了进不，吸引了多数科研人员，也发明了很多技术算法。特别是1990以来，人脸识别得到了很大的发展。
人脸识别大致可分为三个阶段：
(1)第一阶段（1964 年~1990年）
这个阶段的主要技术方案是基于几何特征的方法。这反映在人的剪影的研究，并做了大量的研究，对面部轮廓的结构特征提取和分析已经完成。人工神经网络也才刚起步。总的来说，这个阶段是人脸识别研究的起步阶段，没有大的成就，没有实际的成果[1]。
(2)第二阶段（1991 年~1997年）
不少学术研究人员开始涉足人脸识别领域，也有不少优秀成果：像美国军方创建的FERET人脸识别算法和著名的FaceIt 系统。“特征脸”方法也在同一时期成为最流行的算法，也就是PCA 算法，成为了人脸识别的基准算法。人脸识别在这个时期进入良好的发展阶段，各项技术逐步开始成熟，也有几个著名的人脸识别系统诞生了。
(3)第三阶段（1998年~现在）?
人脸识别技术已经发展的相对成熟了，研究者开始关注影响人脸识别率的因素了。如光照、姿态和表情带来的影响；还提出了人脸空间模型；利用局部来描述整体的方法；提出了深度学习的概念等等更高效的人脸识别技术。
从总体人脸识别的角度来看，PCA的特征识别方法是非常重要的，虽然它的识别率不是很高，但对随后人脸识别技术的改进产生了巨大影响。无论是实验研究还是技术开发，PCA都是一个有效又便捷的方法。如果人脸图像尺寸非常高，PCA算法就是最好的选择，而且通过去除相关性，减少冗余度，能解决图像中的人脸识别过程中大多数问题。随着现代科技的发展，对人脸识别的要求也越来越高。
2 人脸识别概述
人脸识别技术生物识别领域中比较优越的一种识别技术，大体上包括以下四个方面的内容：
(1)人脸检测：即从获取的图像或视频中检测出人脸的并确定其位置。根据不同场景的需要，要检测的人脸位置一般是未知的，第一步，就是寻找人脸，如果输入的图像或视频中存在人脸，再进一步定位人脸的位置[2]。由于周边环境、化妆品、表情、噪声等因素影响，人脸的采集效果就差进一步使人脸检测就变的更加困难。所以 一般将人脸图像分为人脸区域和非人脸区域分别进行分析识别。
(2)预处理：这是人脸识别的初级阶段，也是重要环节之一。其目的就是把检测到的人脸图像进行分析，并做初步的处理，如图像灰化、二值化、小波变换等等，来获取图像的重要信息为后续的特征提取做准备。由于人脸识别受到环境或者人为的因素影响，使得图像受到噪声干扰，影响识别效果，所以预处理是必不可少的阶段。
(3)特征提取：将检测到的人脸图像进行变换，保留图像的重要信息。不同的人脸识别系统有不同的方法。特征提取方法通常有几何特征（如欧氏距离、曲率、角度）、代数特征（如矩阵特征矢量）、固定特征模板、特征脸、云纹图等[3]。
目 录
1 绪论 1
1.1 课题的研究背景与意义 1
1.2 人脸识别研究与发展现状 1
2 人脸识别概述 2
3 人脸识别的常用算法 3
3.1 基于几何特征的方法 3
3.2 局部特征分析方法 4
3.3 特征脸方法 4
4 PCA人脸识别方法 5
4.1 KL变换的基本理论 5
4.2 PCA方法的优缺点 6
4.3 利用 PCA 进行人脸识别步骤 6
5 人脸图像常用预处理方法 7
5.1 滤波去噪 8
5.2 灰度变换 8
5.4 尺寸归一化 8
6 人脸识别系统的实现及实验结果分析 8
6.1 创建数据库 8
6.2 系统设计 10
6.3 GUI转为可执行文件 14
6.4 系统测试 16
总 结 20
致 谢 2 *好棒文|www.hbsrm.com +Q: ^351916072#
1
参 考 文 献 22
1 绪论
1.1 课题的研究背景与意义
人脸识别技术是包括人脸检测和人脸识别技术，人脸检测就是先获取人脸图像，再使用图像处理技术和相关算法，从图像中确定是否存在面部，并给出人脸数量和位置，并进一步通过脸和脸匹配来识别人的身份。
人脸识别技术的研究在理论和实践上都具有重要意义。涵盖心理学，生理学，数字图像处理，模式识别，神经网络，计算机视觉和人工智能等知识内容。 促进各学科发展具有重要的理论意义。在网络安全方面，财务，公安，物业管理，出勤等领域也具有很大的应用价值。如面部识别技术可以快速计算面部数据的实时采集和面部图像在数据库中的已知人员之间的面部数据相似性，返回到识别结果和相应的可信度。如应用面对面捕获，人脸识别技术可以在一个人的范围内进行监测并确定其位置。如商场，银行，交易所等金融相关场所，面对智能监控的认可，不包括入侵不法分子。人脸识别技术的用处很多比如可以登录电脑控制，可以使用应用安全，数据库安全访问和文件加密，LAN和WAN可以实现安全控制，可以保护电子商务的安全。如访问控制，通过摄像头动态捕捉脸部，面部信息与数据库面对面的信息进行比较，只有图像信息才能满足人才，否则拒绝进入。脸部认可在日常生活中是使用最多的。作为友好，直接和方便的特征的面部识别，是最可接受的识别方式。
1.2 人脸识别研究与发展现状
人脸识别的研究历史比较悠久。高尔顿早期撰写了关于依靠人脸来鉴别身份的文章，分析了人脸的识别能力，但由于技术问题还不能自动识别。人脸识别的研究技术报告已出版四十年。近年来，人脸识别研究得到了进不，吸引了多数科研人员，也发明了很多技术算法。特别是1990以来，人脸识别得到了很大的发展。
人脸识别大致可分为三个阶段：
(1)第一阶段（1964 年~1990年）
这个阶段的主要技术方案是基于几何特征的方法。这反映在人的剪影的研究，并做了大量的研究，对面部轮廓的结构特征提取和分析已经完成。人工神经网络也才刚起步。总的来说，这个阶段是人脸识别研究的起步阶段，没有大的成就，没有实际的成果[1]。
(2)第二阶段（1991 年~1997年）
不少学术研究人员开始涉足人脸识别领域，也有不少优秀成果：像美国军方创建的FERET人脸识别算法和著名的FaceIt 系统。“特征脸”方法也在同一时期成为最流行的算法，也就是PCA 算法，成为了人脸识别的基准算法。人脸识别在这个时期进入良好的发展阶段，各项技术逐步开始成熟，也有几个著名的人脸识别系统诞生了。
(3)第三阶段（1998年~现在）?
人脸识别技术已经发展的相对成熟了，研究者开始关注影响人脸识别率的因素了。如光照、姿态和表情带来的影响；还提出了人脸空间模型；利用局部来描述整体的方法；提出了深度学习的概念等等更高效的人脸识别技术。
从总体人脸识别的角度来看，PCA的特征识别方法是非常重要的，虽然它的识别率不是很高，但对随后人脸识别技术的改进产生了巨大影响。无论是实验研究还是技术开发，PCA都是一个有效又便捷的方法。如果人脸图像尺寸非常高，PCA算法就是最好的选择，而且通过去除相关性，减少冗余度，能解决图像中的人脸识别过程中大多数问题。随着现代科技的发展，对人脸识别的要求也越来越高。
2 人脸识别概述
人脸识别技术生物识别领域中比较优越的一种识别技术，大体上包括以下四个方面的内容：
(1)人脸检测：即从获取的图像或视频中检测出人脸的并确定其位置。根据不同场景的需要，要检测的人脸位置一般是未知的，第一步，就是寻找人脸，如果输入的图像或视频中存在人脸，再进一步定位人脸的位置[2]。由于周边环境、化妆品、表情、噪声等因素影响，人脸的采集效果就差进一步使人脸检测就变的更加困难。所以 一般将人脸图像分为人脸区域和非人脸区域分别进行分析识别。
(2)预处理：这是人脸识别的初级阶段，也是重要环节之一。其目的就是把检测到的人脸图像进行分析，并做初步的处理，如图像灰化、二值化、小波变换等等，来获取图像的重要信息为后续的特征提取做准备。由于人脸识别受到环境或者人为的因素影响，使得图像受到噪声干扰，影响识别效果，所以预处理是必不可少的阶段。
(3)特征提取：将检测到的人脸图像进行变换，保留图像的重要信息。不同的人脸识别系统有不同的方法。特征提取方法通常有几何特征（如欧氏距离、曲率、角度）、代数特征（如矩阵特征矢量）、固定特征模板、特征脸、云纹图等[3]。
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/dzxx/txgc/871.html
