人脸识别系统毕业论文第一节课题背景一课题的来源随着安全入口控制和金融贸易方面应用需要的快速增长，生物统计识别技术得到了新的重视。

目前，微电子和视觉系统方面取得的新进展，使该领域中高性能自动识别技术的实现代价降低到了可以接受的程度。

而人脸识别是所有的生物识别方法中应用最广泛的技术之一，人脸识别技术是一项近年来兴起的，但不大为人所知的新技术。

人们更多的是在电影中看到这种技术的神奇应用：警察将偷拍到的嫌疑犯的脸部照片，输入到电脑中，与警方数据库中的资料进行比对，并找出该嫌犯的详细资料和犯罪记录。

这并非虚构的情节。

在国外，人脸识别技术早已被大量使用在国家重要部门以及军警等安防部门。

在国，对于人脸识别技术的研究始于上世纪90年代，目前主要应用在公安、金融、网络安全、物业管理以及考勤等领域。

二人脸识别技术的研究意义1、富有挑战性的课题2、面部关键特征定位及人脸2D形状检测技术3、面部感知系统的重要容基于视觉通道信息的面部感知系统，包括人脸检测和跟踪、面部特征定位、面部识别、人脸归类（年龄、种族、性别等的判别）、表情识别、唇读等分系统，如图1-1所式，可以看出，继人脸检测和跟追之后，面部特征定位通常是面部感知的一个必备环节, 是后续工作的基础，具有重要的意义。

尽管人脸识别不能说是其他面部感知模块的必备功能，但是，可以肯定的是，利用已知的身份信息，结合特定人的先验知识，可以提高表情分析、唇读和语音识别、手势识别乃至手写体识别的可靠性。

而计算机对使用者身份确认的最直接的应用就是基于特定使用者的环境设置：如使用者的个性化工作环境，信息的共享和隐私保护等等。

图1-1面部感知系统结构图 第二章系统的需求分析与方案选择人脸识别系统现在应用于许多领域中，但是人脸识别技术也是一项近年来兴起的， 且不大为人所知的新技术。

在我国以及其他国家都有大量的学者正在研究之中，不断的 更新人脸识别技术，以便系统的识别准确率达到新的高度。

第一节可行性分析在开发该人脸识别软件之前，我们查询了前人所写过的诸多论文以及源程序，在开 发之时，结合了资料中的算法并揉进了自己的一些思想，使程序可以对人脸图片进行简 易识别。

一技术可行性图像的处理方法很多，我们可以根据需要，有选择地使用各种方法。

在确定脸部区域上，通常使用的方法有肤色提取。

肤色提取，则对脸部区域的获取 则比较准确，成功率达到95%以上，并且速度快，减少很多工作。

图像的亮度变化，由于图像的亮度在不同环境的当中，必然受到不同光线的影响， 图像就变得太暗或太亮，我们就要对它的亮度进行调整，主要采取的措施是对图像进行 光线补偿。

高斯平滑：在图像的采集过程中，由于各种因素的影响，图像中往往会出现一些不规 则的随机噪声，如数据在传输、存储时发生的数据丢失和损坏等，这些都会影响图像的质 量，因此需要将图片进行平滑操作以此来消除噪声。

灰度变换：进行灰度处理，我们要保证图像信息尽可能少的丢失。

同样在进行灰度 变视频输入㈡换前，我们也要对图像的信息进行统计，找出一个比较合理的灰度值，才能进行灰度变换。

灰度均衡：灰度变换后，就要进行灰度均衡，可以根据灰度分布来进行灰度均衡。

对比度增强：将所要处理的区域和周围图像区域进一步拉开他们的对比度，使它们更加明显，主要通过像素的聚集来实现。

二操作可行性该人脸识别软件需要如下的运行环境：CPU： 500M及以上；存：64 M及以上。

安装有Windows 98、Windows Me、Windows 2000、Windows NT 等操作系统中的其中一种。

另还装有摄像头可进行随机拍照和识别。

因此，从操作可行性来看，只要系统用户的硬件软件设备满足以上条件，即可用该人脸识别软件进行人脸的识别。

第二节需求分析一应用程序的功能需求分析该软件最主要的功能就是要能识别出人脸，首先该系统需要对通过摄像头拍照而获取到的原始的人脸图片进行一系列处理才可进行下一步的工作，该处理过程也称图像预处理。

预处理这个模块在整个人脸识别系统的开发过程中占有很重要的地位，只有预处理模块做的好，才可能很好的完成后面的人脸定位和特征提取这两大关键模块。

因此本设计中所要完成的主要功能如下所述：图像获取功能：该模块主要是从摄像头拍照后进行获取图片，也可以从图片库中获取，获取后的图片可以在软件的界面中显示出来以便进行识别。

图像预处理功能：该模块主要包括图像光线补偿、图像变成灰色、高斯平滑、均衡直方图、实现图像对比度增强、二值化变换等。

人脸定位功能：该模块主要是将处理后的人脸图片进行定位，将眼睛、鼻子、嘴巴标记出来, 以便进行特征提取。

特征提取功能：该模块是在定位后的人脸图片中将眼睛、鼻子、嘴巴的特征值提取出来。

识别功能：该模块是将从图片中提取的特征值和后台数据库中的值进行比较来完成识别功能。

第三章系统的概要设计本章主要介绍系统的结构设计的流程以及系统各模块的功能及相关原理。

（一）应用程序的总体结构设计流程图如图3—1所示：图3—1总体结构设计流程图（二）图像预处理的层次图如图3-2所示:图3-2 预处理的层次图预处理第一节各模块功能概述以上是该系统的总体结构设计图以及图像预处理模块的层次图。

下面介绍系统中的各模块的功能及算法：图像获取模块该模块主要是从摄像头拍照后进行获取图片，也可以从图片库中获取，获取后的图片可以在软件的界面中显示出来以便进行识别。

人脸区域获取该系统中图像里人脸区域的获取，主要是根据肤色来进行获取，通过肤色非线形分段色彩变换来实现。

这一非线性分段色彩变换得到的肤色模型属于色彩空间中的聚类模型，这一类肤色模型的建立首先要选取一种合适的色彩空间。

图像预处理模块图像预处理就是对获取得来的图像进行适当的处理，使它具有的特征能够在图像中明显的表现出来。

该模块中的子模块有如下5个，下面对它们进行概述：・光线补偿⑶因为系统得到的图片可能会存在光线不平衡的情况，这会影响我们对特征的提取，同时系统中要用到YerCB色彩空间，所以有必要对图像进行光线补偿。

尽可能将它的特征在图像中表现出来。

YCrCB是一种色彩空间，它用于视频系统中，在该色彩空间中，Y分量表示像素的亮度，Cr表示红色分量，Cb表示蓝色分量，通常把Cr和Cb称为色度。

YCrCB色彩空间是以演播室质量标准为目标的CC601编码方案中采用的彩色表示模型。

•灰度变化⑷图像灰度化的过程就是把彩色图像转换为黑白色图像的过程，它也是为了将图像的信息更加具体、简单的表现出来，但是，这样做也将会丢失图像信息。

因此，尽可能在转化的过程中用简单的方式表现图像复杂的信息。

•髙斯平滑处理⑸髙斯平滑将对图像进行平滑处理，在图像采集过程中，由于各种因素的影响，图像往往会出现一些不规则的噪声，入图像在传输、存储等都有可能产生数据的丢失。

从而影响图像的质量。

处理噪声的过程称为平滑。

平滑可以降低图像的视觉噪声，同时出去图像中的高频部分后，那些本来不明显的低频成分更容易识别。

平滑可以通过卷积来实现。

经过卷积平滑后的水平投影后，二值化提供了较好的图像效果。

•对比度增強⑹对比度增强，就是对图像的进一步处理，将对比度再一次拉开。

它针对原始图像的每一个像素直接对其灰度进行处理的，其处理过程主要是通过增强函数对像素的灰度级进行运算并将运算结果作为该像素的新灰度值来实现的。

通过改变选用的增强函数的解析表达式就可以得到不同的处理效果。

•二值化㈤二值化的目的是将采集获得的多层次灰度图像处理成二值图像，以便于分析理解和识别并减少计算量。

二值化就是通过一些算法，通过一个阈值改变图像中的像素颜色，令整幅图像画面仅有黑白二值，该图像一般由黑色区域和白色区域组成，可以用一个比特表示一个像素，“1”表示黑色，“0”表示白色，当然也可以倒过来表示，这种图像称之为二值图像。

这便有利于我们对特征的提取。

该设计中采用组方差和组外方差来实现二值化。

・直方图均衡⑻直方图均衡化的目的是使一输入图像转换为在每一灰度级上都有相同的象素点数，它的处理的中心思想是把原始图像的灰度直方图从比较集中的某个灰度区间变成在全部灰度围的均匀分布，它的研究思路是：通过直方图变换式来进行直方图的均衡处理，直方图变换式是心（D） =算里缨但是直方图均衡化存在着两个缺点：' f［厂W）］1）变换后图像的灰度级减少，某些细节消失；2）某些图像，如直方图有高峰，经处理后对比度不自然的过分增强。

人脸定位模块人脸定位是将典型的脸部特征（如眼睛，鼻尖，嘴唇等等）标记出来，在本系统中，定位的特征是眼睛，鼻尖和嘴巴三个。

由于眼睛具有对称性，因此可以很快就能标记出来，而鼻子是在眼睛下面，且嘴巴在鼻子下面，所以只要眼睛标记好，鼻子和嘴巴也能相应的标记出来。

特征提取模块特征提取按以下4个步骤进行：(1)、提取两只眼睛的距离(2)、眼睛的倾角度(3)、眼睛、嘴巴的重心(4)、用一个矩形标出每一个特征在特征提取完之后将会得到相应的特征值以便存入后台数据库。

识别模块该模块通过与库存中的特征向量进行比较，找出与特征最相近的参数，再对该参数进一步分析。

如果分析在我们所确认的围，我们就认为该人就是我们所要找的。

然后从库存中提取出该人相关的信息，并显示出来。

如果库存中没有，则给出提示是否对存库作为样本。

第四章系统的详细设计本章主要对图像处理这一模块进行详细介绍，对其子模块所用到的算法及具体实现进行详细讲述。

第一节系统的运行流程图图6-1系统的运行流程图VC++没有提供使用十分方便的DIB绘制方法，只好自己去创建一个实用的DlB类了。

本系统中建立了一个专门的类DIB来处理设备无关位图，表4—1列出了对位图的操作函数。

表6-1 Dib类的部分功能二图像点处理详细设计图像点运算是一种既简单又重要的技术，它能让用户改变图像数据占据的灰度围，一幅输入图像经过点运算后将产生一幅新的输出图像，由输入像素点的灰度值决定相应的输出像素点的灰度值，点运算与局部运算的差别在于：后者每个输出像素的灰度值由对应输入像素的一个领域几个像素的灰度值决定。

所以，点运算不可以改变图像的空间关系。

点运算可以按照预定的方式改变一幅图的灰度直方图。

除了灰度级的改变是根据某种特定的灰度变换函数进行之外，点运算可以看作是“从像素到像素”的复制操作。

如果输入图像为A (x, y),输出图像为B (x, y),则点运算可表示为：B (x, y) = f[A (x, y) J (式2)其中函数f (D)被称为灰度变换(Gray SCaIe TranSfOrmatiOn , GST)函数，它描述了输入灰度值和输出灰度值之间的转换关系，一旦灰度变换函数确定，该点运算就完全被确定下来了。

点运算有时又称为对比度增强、对比度拉伸或灰度变换，它是图像数字化软件和图像显示软件的重要组成部分。