人脸识别算法The Design and Implementationof Algorithms for Human Face Recognition1-i人脸识别算法摘要人脸自动识别是模式识别领域的一项热门研究课题，有着十分广泛的应用前景。
本文对人脸位置矫正，人脸的特征提取和识别这些方面进行了研究，并提出了相应的实现算法。
人脸位置矫正作为人脸检测定位的一个环节，在计算机人脸识别中具有重要的意义。
本文第二章提出了一种基于单人脸灰度图像中眼睛定位的人脸位置矫正方法，它是针对人眼灰度变化特点、人眼几何形状特征及双眼的轴对称性而设计的。
实验结果表明，该方法对于双眼可见单人脸灰度图像能实现快速有效矫正，并能在矫正结果中精确给出双眼瞳孔位置。
本文第三章提出了一种基于神经网络的主元分析人脸图像识别方法。
该方法利用非线性主元分析神经网络对人脸图像提取人脸特征（矢量），并在BP神经网络上实现了对人脸图像的识别。
实验结果证明了该方法的有效性和稳定性。
关键词1-ii人脸位置矫正，人脸特征提取，人脸识别，神经网络，灰度图像，图像块纵向复杂度，主元分析法，1-iiiThe Design and Implementation of Algorithms for Human Face Recognition Student: Yangbo Gu Advisor: Dr. Wenming CaoDepartment of Computer Science and TechnologyCollege of Information EngineeringZhejiang University of TechnologyAbstractThe automatic recognition of human faces is a hot spot in the field of pattern recognition , which has a wide range of potential applications . As the results of our in-depth research ,two algorithms are proposed : one for face pose adjustment , the other for facial feature extraction and face identification .Face pose adjustment , as a loop of human face location, is very important in computer face recognition. Chapter 2 of this thesis presents a new approach to automatic face pose adjustment on gray-scale static images with a single face . In a first stage , the right positions of eyes are precisely detected according to several designed parameters which well characterize the complex changes of the gray parameter in and around eyes and the geometrical shape of eyes . During the second stage , based on the location and the symmetry feature of eyes , the inclination angle is calculated and the face position is redressed . The experimentation shows that the algorithm performs very well both in terms of rate and of efficiency . What’s more , due to the precise location of eyes , the apples of the eyes are detected .1-ivIn chapter 3, a novel approach to human face image recognition based on principal component analysis and neural networks has been proposed . By using BP neural networks , human face images are successfully classified and recognized according to the output of BPNN whose input is the eigenvector extracted from the human face images via nonlinear principal component analysis of a single layer neural network . Simulation results demonstrate the effectiveness and stability of the approach .KeywordsFace Pose Adjustment, Facial Feature Extraction , Human Face Recognition , Neural Networks , Gray-scale Static Image , Vertical-complexity of Image Block, Principal Component Analysis1-v致谢首先要感谢我的毕业设计导师曹文明教授，他是我在人脸识别领域研究的启蒙老师。
在整个毕业设计的过程中，他给了我各方面的悉心指导，他严谨求实的作风和渊博深厚的学识深深的感染了我。
感谢中科院王守觉院士在毕业设计阶段对我的课题研究工作给予的关注和支持，这给了我极大的鼓舞。
还要感谢沈珠俊同学和6-309寝室的全体成员，他们对待毕业设计的认真态度给了我很大的教育，同时也感谢他们随时随地的无私帮助。
毕业设计任务的如期完成离不开我自己的刻苦钻研和辛勤耕耘，但也离不开老师的指导和同学的帮助。
这里，再次对他们表示感谢。
1-vi目录中文摘要 (i)ABSTRACT ............................................................ i i 致谢 ................................................................ i v 目录 ................................................................ v i 第一章绪论 (1)1.1人脸识别技术研究的背景和意义 (1)1.2人脸识别技术简介 (2)1.2.1 人脸识别的研究范围 (2)1.2.2 主要的人脸识别技术 (2)1.3人脸识别系统的构成 (4)1.4论文內容概述 (4)第二章人脸位置矫正算法 (5)2.1人脸位置矫正问题的引入 (5)2.2算法的设计思路 (6)2.3算法的基本实现步骤 (6)2.4算法参数设计和算法基本实现步骤的清晰化 (6)2.4.1 垂直方差投影 (6)2.4.2 水平积分投影 (7)2.4.3 图像块纵向复杂度 (7)2.4.4 眼睛黑斑模型 (7)2.5基于眼睛定位的人脸位置矫正算法 (8)2.5.1 灰度人脸区域（人眼搜索区域）的确定 (8)2.5.2 人眼位置的确定 (10)2.5.2.1 搜索复杂度最大的图像块 (10)2.5.2.2 利用人眼黑斑模型精确定位人眼 (11)1-vii2.5.3 依据人脸图像的轴对称性矫正人脸位置 (12)2.6算法实验结果分析 (13)2.7结论 (14)第三章人脸特征提取与识别算法 (15)3.1特征提取需遵循的原则 (15)3.2主元分析算法 (15)3.3人工神经网络简介及BP神经网络训练算法的数学描述 (16)3.3.1 人工神经网络及其特性介绍 (16)3.3.2 BP神经网络训练算法的数学描述 (17)3.4基于神经网络的主元分析人脸识别方法 (19)3.4.1 利用非线性神经网络提取主元特征 (20)3.4.2 特征数据的归一化和BP神经网络识别 (2)3.5算法实验结果及分析 (22)3.6总结 (22)第四章人脸识别系统结构 (23)4.1人脸识别系统的目标 (23)4.2本文的人脸识别系统结构 (23)第五章总结与展望 (24)5.1本文完成的工作 (24)5.2目前系统存在的不足之处 (24)5.3目前系统改进计划和今后努力方向 (24)参考文献 (25)附录A 毕业设计期间发表论文 (26)附录B 人脸识别系统（软件）使用说明书1-viii1-ix第一章绪论网络信息化时代的一大特征就是身份的数字化和隐性化,如何准确鉴定一个人的身份，保护信息安全是当今信息化时代必须解决的一个关键社会问题。
正在悄然兴起的人脸识别技术正好可以解决这一问题。
人脸识别技术是最近20年在全球范围内迅速发展起来的计算机安全技术，是人体生物特征识别技术的一种。
它根据人脸固有的生物特征信息，利用图像处理和模式识别技术对个人身份进行鉴定。
1.1人脸识别技术研究的背景和意义鉴别人的身份是一个非常困难的问题，传统的身份鉴别方法把这个问题转化为鉴别一些标识个人身份的事物，这包括两个方面：①身份标识物品，比如钥匙、证件、ATM卡等；②身份标识知识，比如用户名和密码。
在一些安全性要求严格的系统中，可以将这两者结合起来，比如ATM机要求用户同时提供ATM卡和密码。
这些传统的身份鉴别方法存在明显的缺点：个人拥有的物品容易丢失或被伪造，个人的密码容易遗忘或记错。
更为严重的是这些系统无法区分真正的拥有者和取得身份标识物的冒充者，一旦他人获得了这些身份标识事物，就可以拥有相同的权力。
与传统的身份鉴定手段相比，基于人脸生物特征信息的身份鉴定技术具有以下优点：●用户易接受：简单易用，对用户无特殊要求。
●防伪性能好：不易伪造或被盗。
●“随身携带”：不用担心遗漏或丢失，随时随地可用。