matlab的人脸特征分析与判别(附件)【字数：12135】
摘 要人脸识别，通常也被称为人像识别或面部识别。是我们现在生物识别领域中的一种热门技术，它利用到了拍照，摄像中所采集到的图像或者视频。随着高新科技技术的大量应用，人脸识别技术也愈发普及，大量应用于信息安全，公安刑侦以及民用安全等领域。本课题将以基于MATLAB的人脸特征与判别作为核心，详细地向大家描述特征提取的方法和MATLAB的应用。在课题中，我们将列举出特征提取的几种方法主成分分析法，线性判别分析，神经网络。了解人脸特征提取的各种概况和主要分类，介绍人脸数据库，并且系统性的运用BP神经网络。使用MATLAB软件完成整体实验的操作运行，同时根据实验结果文字和图像对比，完成毕业设计。
目 录
第一章 绪论 1
1.1研究背景 1
1.2人脸识别发展的状况 1
1.3人脸识别的基本流程 2
1.4人脸识别的基本难点 4
1.5各章节内容安排 5
第二章 MATLAB软件 6
2.1MATLAB的简介 6
2.2运用MATLAB计算特征向量 6
第三章 图像特征提取 10
3.1特征提取的简述 10
3.2主成分分析 10
3.3线性判别分析 12
第四章 BP神经网络 14
4.1BP神经网络简介 14
4.2BP神经网络算法 14
4.2BP神经网络算法 19
第五章 仿真实验及结果分析 21
5.1实验流程 21
5.2实验结果 26
5.3实验总结与分析 30
结束语 31
致 谢 32
参考文献 33
第一章 绪论
1.1研究背景
现代面部识别，通常指经过分析、用于识别在计算机技术的信息的面部的视觉特性的比较。它利用了视频捕捉，获取了关于面部图像的识别，并根据面部特征，形状和计算和面部有关的核心算法的分析角度，然后与模板进行比较，最后确定对象身份。这也是现在计算机科学和图像技术结合的产物。
在人脸系统识别全球发展的历史上，最迟起源时间是在20 *好棒文|www.hbsrm.com +Q: ^351916072*
世纪60年代。人脸识别在自然性和不易被察觉的特点上，有着独一无二的优势。自然性一般是指，识别方式同人类(甚至其他生物)进行个体识别时所利用的生物特征相同。比方说区分不同身份时，所使用的人脸识别。而不易被察觉的特点一般不会引起人们的反感，而且因为它不易被主意，所以得到的结果会真实。因为人脸比指纹识别，更具有非接触性，所以会显得更加自然，亲近，易于被大家所接受。
随着时间的推移，科学技术也在不断地发展，传统身份识别已经暴露出了一系列问题，已不能满足各种安全需要。人们希望有一个新的身份鉴别技术出现，来代替传统身份识别技术。在此，生物特征识别技术给这一切带来了极大地转变。人脸识别因为它的难以复制性，在现在的小区门禁管理系统中也得到了广泛应用。人脸识别门禁利用的技术是根据计算机分析人脸，从中提取出有效识别信息,再对比数据库的人脸来控制门禁的技术，比往常传统的身份识别系统相比安全性和防范能力提高了许多。
研究目的：为人事管理提高效率、降低成本、实现人事管理的优化，达到物流和信息流的畅通。实现人事档案的统计、查询、更新、打印输出等。用计算机统计使人们从繁重的手工操作中解脱出来，近一些简单的操作即可及时、准确地获得需要的信息。?
研究意义：人脸识别研究在理论和技术层面都具有着重要意义：一是可以改善人们对视觉系统的认知；二是迎合了人工智能应用的需要。采用人脸识别技术，建立自动人脸识别系统，用计算机实现对人脸图像的自动识别有着广阔的应用领域和诱人的应用前景。
1.2人脸识别发展的状况
从上世纪八十年代开始，我国关于人脸识别的研究就已经开始进行。由清华大学牵头，和一线高校陆续对人脸识别课题进行了研究探索并取得了不菲的成果。
而随着人脸识别技术的大力发展，和传播媒介日新月异的变化。人脸识别技术也已经从刑侦，公共安全等领域逐步向民用领域所靠近。如今家用的人脸识别系统，通常只是简单由显示屏和摄像头所组成。首先由摄像头，录入访问人脸部特征信息，再将信息显示在显示屏上。显示屏在此时将会充当一个微型计算机的功能，调出之前所存入的脸部骨骼信息，与访问人信息所匹对。如果匹配成功，防盗门将会打开，匹配失败将录入访问人信息，系统重返最初菜单。这些设置也极大地给人们生活带来了便利性，和安全性。
在我们的日常生活中，无论是机场还是银行都已经具备了人脸识别系统，甚至包括了我们网络消费购物时个人信息的验证，这些都与人脸识别技术密不可分。毫不夸张的说，人脸识别系统从无到有，再到人们日常生活的普及，只花费了短短三十年时间。而随着现代社会对数字化和信息化地大力发展，人们对其认知了解度逐渐地加深，所以市场规模也在不断地扩大。而我们也有理由可以想象，人脸识别技术将会不断完善，最终也将更好地服务人们。
1.3人脸识别的基本流程
在脸识别的过程大多数由软件参与，MATLAB主要所需要完成的步骤包括：人脸检测和跟踪、特征提取、特征降维、匹配识别（face detection and tracking、face extraction、face dimensionality reduction、matching and classification）。
人脸识别系统的第一个步骤通常为人脸检测/跟踪。这个步骤的主要目的是要在输入的图像中寻找出人脸区域。从细节上说：就是任意给出一幅人脸图像，人脸检测就可以核对该图像是否存在。如果人脸存在，那么就给出每个人脸的位置、范围。现实应用中人脸图像的采集和获取在不受控的条件下进行，这样所得到的图像的人脸在尺寸、明暗、遮挡、朝向、分辨率等方面都有很多不一样，会让同一个人的图像产生不同的变形，并且将可能引起错识误漏的失败情况。为校正人脸在光照和旋转等方面的变化需要利用一些光照归一化等手段来调整不同的人脸图像，方便于用统一的算法进行识别。
特征提取拥有区分不同的人脸和提取各种人脸的特性，从人脸图像中可以参考映射出提取一组能反映人脸特征的数值作为样本。那么首先需要某种表示方式来表示检测出的人脸和数据库中已知的人脸。一般的表达方式有几何特征（欧氏距离、曲率、角度）、代数特征（矩阵或特征向量）、固定特征模板和特征脸等。特征降维是指从人脸图像中提取很多不同的特征，在表示人脸的原始特征对应高维空间的数据，例如对应一幅M*N的图像，空间维数就可以达到M*N。在利用高维数据进行筛选除了需要很多的匹配计算量外，很难对各高维数据的描述能力进行有效的判断，所以也不能保证基于这么多数据进行的识别结果的正确性。
匹配识别是根据特征提取做出了一部分改变，利用合适的匹配方式，把待识别的人脸和数据库中已知的人脸进行匹对并建立它们之间的相关关系，最终输出系统认知的判断结果。与人脸检测不同的是，这里所利用的主要是每个人人脸信息的个人差异处。
目 录
第一章 绪论 1
1.1研究背景 1
1.2人脸识别发展的状况 1
1.3人脸识别的基本流程 2
1.4人脸识别的基本难点 4
1.5各章节内容安排 5
第二章 MATLAB软件 6
2.1MATLAB的简介 6
2.2运用MATLAB计算特征向量 6
第三章 图像特征提取 10
3.1特征提取的简述 10
3.2主成分分析 10
3.3线性判别分析 12
第四章 BP神经网络 14
4.1BP神经网络简介 14
4.2BP神经网络算法 14
4.2BP神经网络算法 19
第五章 仿真实验及结果分析 21
5.1实验流程 21
5.2实验结果 26
5.3实验总结与分析 30
结束语 31
致 谢 32
参考文献 33
第一章 绪论
1.1研究背景
现代面部识别，通常指经过分析、用于识别在计算机技术的信息的面部的视觉特性的比较。它利用了视频捕捉，获取了关于面部图像的识别，并根据面部特征，形状和计算和面部有关的核心算法的分析角度，然后与模板进行比较，最后确定对象身份。这也是现在计算机科学和图像技术结合的产物。
在人脸系统识别全球发展的历史上，最迟起源时间是在20 *好棒文|www.hbsrm.com +Q: ^351916072*
世纪60年代。人脸识别在自然性和不易被察觉的特点上，有着独一无二的优势。自然性一般是指，识别方式同人类(甚至其他生物)进行个体识别时所利用的生物特征相同。比方说区分不同身份时，所使用的人脸识别。而不易被察觉的特点一般不会引起人们的反感，而且因为它不易被主意，所以得到的结果会真实。因为人脸比指纹识别，更具有非接触性，所以会显得更加自然，亲近，易于被大家所接受。
随着时间的推移，科学技术也在不断地发展，传统身份识别已经暴露出了一系列问题，已不能满足各种安全需要。人们希望有一个新的身份鉴别技术出现，来代替传统身份识别技术。在此，生物特征识别技术给这一切带来了极大地转变。人脸识别因为它的难以复制性，在现在的小区门禁管理系统中也得到了广泛应用。人脸识别门禁利用的技术是根据计算机分析人脸，从中提取出有效识别信息,再对比数据库的人脸来控制门禁的技术，比往常传统的身份识别系统相比安全性和防范能力提高了许多。
研究目的：为人事管理提高效率、降低成本、实现人事管理的优化，达到物流和信息流的畅通。实现人事档案的统计、查询、更新、打印输出等。用计算机统计使人们从繁重的手工操作中解脱出来，近一些简单的操作即可及时、准确地获得需要的信息。?
研究意义：人脸识别研究在理论和技术层面都具有着重要意义：一是可以改善人们对视觉系统的认知；二是迎合了人工智能应用的需要。采用人脸识别技术，建立自动人脸识别系统，用计算机实现对人脸图像的自动识别有着广阔的应用领域和诱人的应用前景。
1.2人脸识别发展的状况
从上世纪八十年代开始，我国关于人脸识别的研究就已经开始进行。由清华大学牵头，和一线高校陆续对人脸识别课题进行了研究探索并取得了不菲的成果。
而随着人脸识别技术的大力发展，和传播媒介日新月异的变化。人脸识别技术也已经从刑侦，公共安全等领域逐步向民用领域所靠近。如今家用的人脸识别系统，通常只是简单由显示屏和摄像头所组成。首先由摄像头，录入访问人脸部特征信息，再将信息显示在显示屏上。显示屏在此时将会充当一个微型计算机的功能，调出之前所存入的脸部骨骼信息，与访问人信息所匹对。如果匹配成功，防盗门将会打开，匹配失败将录入访问人信息，系统重返最初菜单。这些设置也极大地给人们生活带来了便利性，和安全性。
在我们的日常生活中，无论是机场还是银行都已经具备了人脸识别系统，甚至包括了我们网络消费购物时个人信息的验证，这些都与人脸识别技术密不可分。毫不夸张的说，人脸识别系统从无到有，再到人们日常生活的普及，只花费了短短三十年时间。而随着现代社会对数字化和信息化地大力发展，人们对其认知了解度逐渐地加深，所以市场规模也在不断地扩大。而我们也有理由可以想象，人脸识别技术将会不断完善，最终也将更好地服务人们。
1.3人脸识别的基本流程
在脸识别的过程大多数由软件参与，MATLAB主要所需要完成的步骤包括：人脸检测和跟踪、特征提取、特征降维、匹配识别（face detection and tracking、face extraction、face dimensionality reduction、matching and classification）。
人脸识别系统的第一个步骤通常为人脸检测/跟踪。这个步骤的主要目的是要在输入的图像中寻找出人脸区域。从细节上说：就是任意给出一幅人脸图像，人脸检测就可以核对该图像是否存在。如果人脸存在，那么就给出每个人脸的位置、范围。现实应用中人脸图像的采集和获取在不受控的条件下进行，这样所得到的图像的人脸在尺寸、明暗、遮挡、朝向、分辨率等方面都有很多不一样，会让同一个人的图像产生不同的变形，并且将可能引起错识误漏的失败情况。为校正人脸在光照和旋转等方面的变化需要利用一些光照归一化等手段来调整不同的人脸图像，方便于用统一的算法进行识别。
特征提取拥有区分不同的人脸和提取各种人脸的特性，从人脸图像中可以参考映射出提取一组能反映人脸特征的数值作为样本。那么首先需要某种表示方式来表示检测出的人脸和数据库中已知的人脸。一般的表达方式有几何特征（欧氏距离、曲率、角度）、代数特征（矩阵或特征向量）、固定特征模板和特征脸等。特征降维是指从人脸图像中提取很多不同的特征，在表示人脸的原始特征对应高维空间的数据，例如对应一幅M*N的图像，空间维数就可以达到M*N。在利用高维数据进行筛选除了需要很多的匹配计算量外，很难对各高维数据的描述能力进行有效的判断，所以也不能保证基于这么多数据进行的识别结果的正确性。
匹配识别是根据特征提取做出了一部分改变，利用合适的匹配方式，把待识别的人脸和数据库中已知的人脸进行匹对并建立它们之间的相关关系，最终输出系统认知的判断结果。与人脸检测不同的是，这里所利用的主要是每个人人脸信息的个人差异处。
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/jxgc/zdh/756.html
