基于2DPCA的人脸识别算法研究摘要人脸识别技术是对图像和视频中的人脸进行检测和定位的一门模式识别技术，包含位置、大小、个数和形态等人脸图像的所有信息。
由于近年来计算机技术的飞速发展，为人脸识别技术的广泛应用提供了可能，所以图像处理技术被广泛应用了各种领域。
该技术具有广阔的前景，如今已有大量的研究人员专注于人脸识别技术的开发。
本文的主要工作内容如下：1)介绍了人脸识别技术的基础知识，包括该技术的应用、背景、研究方向以及目前研究该技术的困难，并对人脸识别系统的运行过程以及运行平台作了简单的介绍。
2)预处理工作是在原始0RL人脸库上进行的。
在图像的预处理阶段，经过了图象的颜色处理，图像的几何归一化，图像的均衡化和图象的灰度归一化四个过程。
所有人脸图像通过上述处理后，就可以在一定程度上减小光照、背景等一些外在因素的不利影响。
3)介绍了目前主流的一些人脸检测算法，本文采用并详细叙述了Adaboost人脸检测算法。
Adaboost算法首先需要创建人脸图像的训练样本，再通过对样本的训练，得到的级联分类器就可以对人脸进行检测。
4)本文介绍了基于PCA算法的人脸特征点提取，并在PCA算法的基础上应用了改进型的2DPCA算法，对两者的性能进行了对比，得出后者的准确度和实时性均大于前者，最后将Adaboost人脸检测算法和2DPCA算法结合，不仅能大幅度降低识别时间，而且还相互补充，有效的提高了识别率。
关键词：人脸识别 2DPCA 特征提取人脸检测2DPCA Face Recognition Algorithm Basedon The ResearchAbstract：Face recognition is a technology to detect and locate human face in an image or video streams,Including location, size, shape, number and other information of human face in an image or video streams.Due to the rapid development of computer operation speed makes the image processing technology has been widely applied in many fields in recent years. This paper's work has the following several aspects:1)Explained the background, research scope and method of face recognition,and introduced the theoretical method of face recognition field in general.2)The pretreatments work is based on the original ORL face database. In the image preprocessing stage, there are the color of the image processing, image geometric normalization, image equalization and image gray scale normalization four parts. After united processing, the face image is standard, which can eliminate the adverse effects of some external factors.3)All kinds of face detection algorithm is introduced, and detailed describing the Adaboost algorithm for face detection. Through the Adaboost algorithm to create a training sample,then Training the samples of face image,and obtaining the cascade classifier to detect human face.4)This paper introduces the facial feature points extraction based on PCA ,and 2DPCA is used on the basis of the PCA as a improved algorithm.Performance is compared between the two, it is concluds that the real time and accuracy of the latter is greater than the former.Finally the Adaboost face detection algorithm and 2DPCA are combined, which not only can greatly reduce the recognition time, but also complement each other, effectively improve the recognition rate.Key words：Face recognition 2DPCA Feature extraction Face detection目录第1章前言 (1)1.1 人脸识别的应用和研究背景 (1)1.2 人脸识别技术的研究方向 (2)1.3 研究的现状与存在的困难 (3)1.4 本文大概安排 (4)第2章人脸识别系统及软件平台的配置 (4)2.1 人脸识别系统概况 (4)2.1.1 获取人脸图像信息 (5)2.1.2 检测定位 (5)2.1.3 图像的预处理 (5)2.1.4 特征提取 (6)2.1.5 图像的匹配与识别 (6)2.2 OpenCV (6)2.2.1 OpenCV简介 (6)2.2.2 OpenCV的系统配置 (7)2.3 Matlab与图像处理 (8)第3章图像的检测定位 (8)3.1 引言 (8)3.2 人脸检测的方法 (8)3.3 Adaboost算法 (9)3.3.1 Haar特征 (10)3.3.2 积分图 (10)3.3.4 级联分类器 (11)第4章图像的预处理 (13)4.1 引言 (13)4.2 人脸图像库 (13)4.3 人脸预处理算法 (14)4.3.1 颜色处理 (14)4.3.2几何归一化 (15)4.3.3直方图均衡化 (16)4.3.4灰度归一化 (18)4.4 本章小结 (19)第5章图像的特征提取与识别 (19)5.1 引言 (19)5.2 图像特征提取方法 (20)5.2.1基于几何特征的方法 (20)5.2.2基于统计的方法 (20)5.2.3弹性图匹配(elastic graph matching) (21)5.2.4神经网络方法 (21)5.2.5支持向量机(SVM)方法 (22)5.3 距离分类器的选择 (22)5.4 PCA算法的人脸识别 (24)5.5 二维主成分分析（2DPCA） (25)5.5.1 2DPCA人脸识别算法 (25)5.5.2 特征提取 (27)5.5.3 分类方法 (27)5.5.4 基于2DPCA的图像重构 (28)5.6 实验分析 (28)第6章总结与展望 (33)6.1 本文总结 (33)6.2 未来工作展望 (33)致谢 (34)参考文献： (35)第1章前言1.1 人脸识别的应用和研究背景随着社会科学技术的发展进步，特别是最近几年计算机的软硬件技术高速发展，以及人们越来越将视野集中到快速高效的智能身份识别，使生物识别技术在科学研究中取得了重大的进步和发展。
由于生物之间的生物特征具有很好的自身稳定性以及个体差异性，因此身份识别就是利用生物体内在的属性也就是生物特征作为依据[1]。
当然人脸上的所具有的特征也是特别有用的生物特征，因为人脸特征具有被动识别、易于用户接受和方便友好等特点，被广泛用来进行身份的识别和验证等领域[2]。
对于人类而言，对其他个体进行识别是件非常容易的事情，人脸识别属于我们一种无意识的本能行为。
但是对于计算机而言，要想对人脸进行检测并识别出具体的目标却具有非常大的难度。
人脸识别涉及了多个领域的相关知识，包括图像处理、模式识别、心理学、认知学、生理学等。
与人的指纹和虹膜等特征类似，每个人都有唯一的一张脸，因此就像身份证一样用来识别人们的身份。
早在1888年就已经提出了人脸识别的概念[3]，可是直到20世纪80年代末，人脸识别技术才成为人们研究的热点。
而现在该技术已经取得了重大的突破，可谓百家争鸣，很多研究机构都已提出了自己的人脸识别算法。
目前，部分人脸识别技术已经应用于产品中，给人们生活带来了极大的便利。
同其它生物特征识别技术相比，如指纹识别，语音识别，虹膜识别，DNA识别和步态识别等，它具有被动、友好和方便的优点。
其应用范围非常广泛，可应用于下面的几个应用[4]：·嫌疑犯照片的识别匹配·信用卡、护照、个人身份和驾驶执照的识别·商场、银行安全系统·公众场合的监控·计算机登录、门禁系统控制·专家身份识别系统·基于目击者的人脸重构·嫌疑犯的电子照片簿·基于残留人脸的人脸重构·基于父母人脸的小孩脸的推导生成·随着年龄增长的人脸估算1.2 人脸识别技术的研究方向通过匹配人脸的特征点的过程就是人脸识别技术，它是分别通过对人脸进行特征提取和特征识别，属于模式识别技术中的一种。
以下是目前人们公认的几个研究方向[5]：（1）图像的信息检测：图像的信息检测：该技术即是在不同的环境条件下，对人脸的信息进行检测，包括人脸在图像中的具体位置。
虽然在很多情况下，人脸的信息在人为参与下可以很容易的获得，如身份证、学生证上的照片等。
然而在大部分应用中，外界的条件并不单一，人脸的位置是无法预测的，因此实际中的人脸的位置具有很大的不确定性。
人们只有知道了外界环境中需要的人脸信息，才能通过各种各样的技术来有效识别人脸。
可是外界环境对人脸识别的影响是巨大的，因而要进行人脸采集需要克服许多未知的难度。