本科生毕业论文（设计）题目人脸识别技术综述学院计算机学院专业计算机科学与技术学生姓名陶健学号********** 年级2006 指导教师周欣教务处制表二Ο年月日人脸识别技术综述计算机科学与技术学生陶健老师周欣[摘要]随着社会信息化，网络化得不断发展，个人身份趋于数字化，隐性化，如何准确的鉴定，确保信息安全得到越来越多的重视。
人脸识别，一种应用比较广泛的生物识别方法，在基于人脸固有的生物特征信息，利用模式识别和图行图像处理技术来对个人身份进行鉴定，在国家安全，计算机交互，家庭娱乐等其他很多领域发挥着举足轻重的作用，能提高办事效率，防止社会犯罪等，有着重大的经济和社会意义。
本文主要研究了人脸识别在图像检测识别方面的一些常用的方法。
由于图像处理的好坏直接影响着定位和识别的准确率，因此本文对图像的一些识别算法做了着重的介绍，例如基于二维Gabor小波矩阵表征人脸的识别算法，基于模型匹配人脸识别算法等。
此外，本文还提及了一般人脸识别系统的设计，并着重介绍了图像预处理环节的光线补偿，图像灰度化等技术，使图像预处理模块在图像处理过程中能取到良好的作用，提高图像识别和定位的准确率。
[主题词]：人脸识别；特征提取；图像预处理；光线补偿Face Recognition OverviewComputer ScienceStudent：TAO Jian Adviser: ZHOU Xin[Abstract] With the information society, network was growing, personal identity tends to digital, hidden, how to accurately identify, to ensure that information security is more and more attention. Face recognition, an application of biometric identification methods more widely, based on biometric facial information inherent in the use of pattern recognition and image processing techniques to map line of personal identity ,play a great role in the national security, computer interaction, family entertainment and many other areas. Face recognition can improve efficiency, prevent social crime, of course it has significant economic and social significance.This paper studies aspects of face recognition in image detection and some common methods of identification. As the image processing directly impact on the accuracy of location and identification, so some of image recognition algorithm will be focused presentation, such as Gabor wavelet-based two-dimensional matrix representation of face recognition algorithms, model-based matching face recognition algorithm. In addition, the article also mentioned a general recognition system design, and highlights the image preprocessing part of the light compensation, gray image techniques, the image preprocessing module in the image processing to get to the good , and improve image recognition and positioning accuracy.[Key Words] Face recognition; feature extraction; image preprocessing; light compensation目录1前言 (6)1.1 课题背景 (6)1.1.1 人脸识别技术研究的背景[1] (6)1.2人脸识别技术研究的意义 (7)1.3国内外现状与趋势 (7)1.3.1 人脸识别的发展阶段[1] (7)1.3.2 国内的发展概况 (8)2人脸识别技术 (9)2.1 人脸识别概述 (9)2.1.1 人脸识别的研究范围 (10)2.2 人脸检测算法 (10)2.2.1 基于肤色特征的检测方法 (10)2.2.2 基于启发式模型的方法 (11)2.2.3 基于特征空间的方法 (11)2.2.4 基于统计模型的方法 (11)2.3 人脸识别算法 (11)2.3.1 基于二维Gabor小波矩阵表征人脸的识别方法 (11)2.3.2 基于多特征融合和Boosting RBF神经网络的人脸识别方法 (13)2.3.3 基于模型匹配人脸识别方法 (16)2.3.4 基于分块小波变换与奇异值阈值压缩的人脸特征提取与识别算法183 人脸图像预处理实验 (22)3.1 需求分析 (22)3.2 预处理技术 (22)3.2.1 光线补偿 (22)3.2.2 灰度变化 (22)3.2.3 高斯平滑处理 (22)3.2.4 对比度增强 (23)3.2.5 直方图均衡 (23)3.3 概要设计 (23)3.4 程序设计与实验 (23)3.4.1 光线补偿 (23)3.4.2 图像灰度化 (24)3.4.3 高斯平滑处理 (25)3.4.4 直方图均衡 (27)4 总结 (30)参考文献 (31)声明 (32)致谢 (33)附录(原文及译文) (34)1 前言1.1 课题背景1.1.1 人脸识别技术研究的背景[1]现在地球上居住着六七十亿人，其中几乎每一个人的脸都是由眉毛、眼睛、鼻子、嘴巴等部分组成，这些器官的大体位置基本是固定的，并且每张脸的大小面积也相差不是很大。
然而，我们不得不承认这么一个事实--这个世界上几乎找不出两张完全相同的人脸！即使是面容极其相似的双胞胎，我们也能够比较容易地根据他们脸部的些许细微差异来将他们区分。
那么区别这么多的不同人脸的“特征”应该是什么？我们可不可以设计出具有和我们人类一样的具有人脸识别能力的软件或自动机器？这些软件或自动机器的人脸识别能力能不能够超越我们人类本身？毫无疑问，分析和解答这些问题具有重要的理论价值和应用价值，而这一切，正是那么多从事人脸识别研究的人员所面临的难题和挑战。
但是，回答这些问题并没有想象中的那么容易。
虽然很多研究人员从事过计算机视觉、模式识别、神经计算、生理学等领域的研究，然而始终有一些很基础的科学问题困惑着他们。
比如，我们每天都可以依据人脸区分着亲人、同事、朋友等，但是我们中大多数人却很难讲出是如何区分他们的更有甚者描述不出自己熟悉的人的一些具体特征。
这就得意味着我们要在仿生学人脸识别研究路线以外找到解决方法来回答上述的基本科学问题。
1.2人脸识别技术研究的意义随着社会信息化，网络化得不断发展，个人身份趋于数字化，隐性化，如何准确的鉴定，确保信息安全得到越来越多的重视。
在传统的安全验证手段——比如钥匙，登陆密码与口令等——受到越来越强大的冲击时，生物识别技术与其独有的优点越来越受到人们的亲睐。
近些年来，图形图像，微电子等方面所取得的一系列进展，使得实现高性能自动识别技术的代价越来越低，达到了人们可以接受的程度。
而人脸识别，作为生物识别方法中应用比较广泛的技术，基于人脸固有的生物特征信息，利用模式识别和图行图像处理技术来对个人身份进行鉴定，在国家安全，计算机交互，家庭娱乐等其他很多领域发挥着举足轻重的作用，能提高办事效率，防止社会犯罪等，有着重大的经济和社会意义。
1.3国内外现状与趋势1.3.1 人脸识别的发展阶段[1]第一阶段（1964年----1990年）该阶段人脸识别技术还只是作为一个一般性的模式识别问题来研究，基于人脸几何结构特征（Geometric feature based）的方法是该阶段主要的技术方案。
在剪影（Profile）方面，人们大量研究了面部剪影曲线的结构特征，提取并分析。
布莱索（Bledsoe），戈登斯泰因（Goldstein）、哈蒙（Harmon）以及金出武雄(Kanade Takeo)等是较早从事自动人脸识别AFR研究的研究人员。
总的说来，该阶段是人脸识别研究的初级阶段，没有多少很重要的成果，也基本没有获得什么实际应用。
第二阶段（1991年-----1997年）该阶段尽管时间比较短暂，但却是人脸识别研究的高峰期，取得了很多成果，比如诞生了一些代表性的人脸识别算法，并出现了一些商业化运作的人脸识别系统（比如较著名的Visionics的FaceIt系统）。
麻省理工学院（MIT）的媒体实验室的潘特兰德（Pentland）和特克（Turk）提出的“特征脸”方法，是该时期最负盛名的人脸识别方法。
在这之后的很多人脸识别技术或多或少都与特征脸有关系，而如今的特征脸已经和归一化的协相关量(Normalized Correlation)方法一起成为人脸识别的性能测试基准算法。
当然，这个阶段还提出了人脸识别中的另一种重要方法——弹性图匹配技术(Elastic Graph Matching，EGM)。
它的基本思想是利用一个属性图来描述人脸：属性图顶点代表面部关键特征点，相应特征点处的多分辨率、多方向局部特征为属性——称为Jet。
对任一输入的人脸图像，弹性图匹配技术是先通过一种优化搜索策略，再来定位预先定义的若干面部关键特征点，与此同时提取它们的Jet特征，从而得到所输入图像的属性图，最后再通过计算该输入人脸与已知人脸属性图的相似程度来完成识别过程。
这种方法的优点是既对人脸的关键局部特征进行了建模，又保留了面部的全局结构特征。