基于PCA的人脸识别算法研究毕业论文目录摘要 .................................................. 错误!未定义书签。

Abstract .............................................. 错误!未定义书签。

第1章绪论 .. (1)1.1选题背景及意义 (1)1.2国外研究现状 (2)1.2.1 国外研究现状 (2)1.2.2 国研究现状 (3)1.3人脸识别技术的研究容与技术难点 (3)1.3.1 人脸识别技术研究容 (3)1.3.2 人脸识别技术研究难点 (3)1.4本文研究容与结构安排 (4)第2章人脸识别相关技术介绍 (5)2.1系统概述 (5)2.2人脸识别主要技术 (5)2.2.1 二维人脸识别算法介绍 (5)2.2.2 三维人脸识别算法介绍 (6)2.3常用的人脸图像库 (6)2.4人脸的特征提取 (7)2.4.1 几何特征提取法 (7)2.4.2 代数特征提取法 (8)2.5本章小结 (10)第3章基于PCA的人脸识别算法 (12)3.1引言 (12)3.2K-L变换 (12)3.2.1 K-L变换原理 (13)3.2.2 K-L变换性质 (14)3.3SVD定理 (15)3.4距离的计算 (17)3.5基于PCA的人脸识别 (18)3.5.1 人脸的表示 (18)3.5.2 特征脸空间的构造 (18)3.5.3 特征提取 (19)3.5.4 人脸识别 (20)3.6MATLAB仿真实现 (20)3.7结果分析 (26)3.8本章小结 (28)第4章与基于Fisherface方法的特征提取原理对比 (29)4.1PCA方法的优缺点 (29)4.2基于Fisherface法的人脸特征提取理论介绍 (29)4.3FisherFace方法的优缺点 (31)4.4两种方案的理论对比 (31)4.5本章小结 (32)结论 (33)参考文献 (34)致谢 (36)附录 1 (37)附录 2 (44)附录 3 (48)附录 4 (57)第1章绪论1.1选题背景及意义当今时代社会高速发展，技术不断进步。

自动化，智能化及科技化已是日常生活的常态。

信息的安全的重要性也日益凸显，普通的身份识别已经无法保证信息的安全性。

再加上计算机软件及硬件的性能在近几年飞速的提升，人体的生物识别技术因其高效、稳定、快速、唯一的特性得到了相当大的重视和发展。

生物识别技术利用的主要是人体的特有特征，例如指纹，人脸，虹膜等。

而人脸作为区分人与人差异的重要特征，得到了国外研究学者的青睐。

所谓人脸识别指从用计算机从图像或者图像的序列中检测到人的脸部，对其进行身份判别。

人脸识别的优势具体体现在以下几个方面[1]。

(1)操作具有隐秘性质，适用在监控，安全，公安等行业领域。

(2)采集时非直接接触人体，容易接受没有侵犯性。

(3)快速便捷，具有实时的追踪能力。

(4)符合人类的识别习惯，以人为本，而且互动强。

(5)图像采集的方式灵活，硬件设备（摄像头）的成本比较低。

正是这些优势给人脸识别技术带来了广泛的应用前景，在国家安全领域，各种各样的门禁系统，视频系统、监控系统、公安布控、身份验证等都是典型的应用；在经济和民生领域中，各类存值卡，银行卡，信用卡等持有人的身份验证等具有很高的应用价值；在娱乐领域有智能玩具，虚拟游戏玩家等有趣的应用。

均可将其归为以下四大类。

(1)刑警侦查破案。

事先将犯罪分子的各种信息包括人脸图片入库存储，将得到的嫌疑犯的照片利用人脸识别技术识别后，从数据库中找出最为相似的照片，进行比对，对破案有着很大的辅助作用。

(2)证件识别验证。

居民，护照等证件都有照片，现在还多是人工验证，如果利用人脸识别技术就能实现此类工作的自动化，智能化。

银行金融部门等的身份验证，可通过拍摄照片后与后台人脸数据库进行比对，无须密码进行交易。

(3)出入口控制。

该项应用涉及到的围很广，可以是办公楼宇，小区住宅的入口检查，或某些安全部门的入口检查。

目前比较常用的是保安人员再三核查证件。

这样效率低下，也不够人性化。

在一些安全级别较高的地方，可以使用人脸识别，加证件识别。

(4)视频监控。

现在几乎所有的办公大楼，商场，娱乐场所等公共场合都设有24小时监控视频，在对这些视频图像后期集中分析与处理时，就要利用人脸的检测和识别技术。

1.2 国外研究现状1.2.1国外研究现状人脸识别技术的重要性在不断凸显，很多专家学者都参与到人脸识别的研究大潮中。

目前国外有以下几种研究方法[2]：(1)模板匹配，包括变形和固定模版两种方式。

早期系统中固定模版使用较多，但是由于人脸的特点具有很强的变化性，找到一些标准的模板来描述人脸的共同特点非常困难。

变形模版与固定模版原理相通，只是变形模版还包括一部分变动的元素。

这些变动元素通常通过手工和系统自动构造来表示。

(2)示例学习，本方法的主要原理是在已给的示例中总结出一般性的原则。

且要求其能够在判别过程中接受所有正例并可以排斥所有的反例。

人脸识别中同理，也需要产生某种规则，要求其可以接受人脸而排斥非人脸，在判别中，在训练样本的阶段时要用到大量的且高纬度的数据，从而提高判别的精确率。

但是这同时会给后续的算法设计增添难度。

需要考虑到如何判别是不是人脸和对数据维度的降低。

(3)神经网络，该方法其实同样是基于样本学习。

到现在为止，神经网络的方法取得如下成果[3]：MIT的学者首先在检测样本是否为人脸时应用了聚类分析的方法，利用MLP网络作为分类器，以测试样本和人脸样本子集的距离差为度量原则进行分类。

Raphael则利用多层神经网络，通过CGM及MLP实现了迅速和精准的人脸检测，且该方式可以运用到网页端的人脸图像检索中。

Shang-Hung Lin等人利用神经网络建构了一个较为完整的人脸识别系统。

三个基于概率决策神经网络构成了这个系统，有人眼睛定位，人脸的检测和对人脸识别的功能。

除以上之外，Mohamed还提出了基于照明、面部表情等差别产生的人脸识别障碍的方法。

其有两点创新理念：一是提取面部特征用新的多尺度方向框架。

二是通过在识别阶段改变正则变化的参数来开发共享任务产生的关系，进而可以改进多任务的稀疏学习架构。

Lacramioara还提出了基于高阶奇异值分解的新算法，此算法仅利用第三阶量来编写不同的量矩阵乘法模式，该算法在识别率上比特征脸算法更加成功。

1.2.2 国研究现状国的研究起步相对较晚，大概在二十世纪末才开始。

雷震等人将人脸识别不仅应用在识别人脸，还应用在了识别卡片，蔡芷玲等人将人脸识别技术运用到了安卓设备中，这对移动设备的信息安全做出了很大的贡献。

根将面部特征的人脸识别算法和进化算法结合，提出了新的研究算法。

锐则对人脸表情，光线遮挡，不同姿势等问题提出来新的解决办法，这些办法可以进行有效的身份识别。

1.3 人脸识别技术的研究容与技术难点1.3.1 人脸识别技术研究容人脸识别的过程就是指从图片中提取有效的特征值来表征该人脸，并以此作为区分。

人脸识别的算法一般都由以下四部分组成：(1)人脸的检测和定位[4]：该过程主要是从图片中检测是否有人脸，然后可以从图片中提取出人脸。

光线强弱，表情变化，头部脸部的遮挡，头部姿态、各种噪音等造成了人脸的可变性相当高。

这是一项非常复杂的技术。

(2)图像的预处理：为了增强人脸的特征，此步骤就是在识别前对图像进行各方面的处理。

方法主要有，直方图修正，锐化与平滑，灰度变换以及图像的几何校正等。

(3)人脸的特征提取：此步骤主要是想从人脸中提取关键的特有的特征，次特征要能够表示出该人脸的唯一性，主要有几种表示方法，几何特征法、人工神经网络法、人脸特征脸法、模板匹配法。

(4)人脸识别：以待识别人脸和数据库人脸在特征脸空间中的距离为标准，输出最小的距离，达到身份验证的作用。

1.3.2 人脸识别技术研究难点人脸识别技术因其独有优势得到了不断的发展，但在此过程中还是遇到很多难点[1]，如下所述：(1)时间变动：随着时间的改变，人脸的特征会相应发生一些变化，这将对现有的人脸库造成识别困难。

因此研究时间的鲁棒性也是人脸识别算法的研究重点与难点。

(2)遮挡物问题：在难以配合的环境下，头发，帽子，眼镜等遮挡物这都将对人脸的识别产生很大的影响，在图像采集的时候不能采集到完整的人脸图片，造成识别精度的下降。

(3)姿态多变问题：目前来看研究的主要方向还都是人脸的正面部分，还有一些变化幅度很小的侧面人脸的部分。

在实际的采集头像环境中，人脸的角度都是不受控制的，当人脸的姿态有复杂的变化时，这也将会导致算法精确度的明显降低。

(4)计算速度问题[5]：人脸数据库中存储着大量的人脸数据，能够保证快速准确的人脸识别是非常重要和关键的问题。

随着技术不断的进步与完善，识别效果会越来越精确。

实际使用也一定会越来越智能化。

1.4 本文研究容与结构安排本论文以MATLAB为实现工具，来研究基于PCA的人脸识别算法，要实现将待识别的人脸图片输入系统后，能够从预存人脸库中匹配出本人的图片并输出。

本论文的结构安排如下。

第1章绪论主要介绍了人脸识别算法的研究意义及其研究背景，并查阅相关文献对国外现状进行了简要的总结分析。

并对人脸识别技术的研究容和研究难点做了介绍，方便读者对其整体的理解。

第2章主要是人脸识别当中的相关技术综述。

对人脸识别系统进行了广义的概括。

并对人脸识别当前主流的二维人脸识别和三维人脸识别进行了简要的介绍。

研究学者们研究用的主流人脸库也做了相应简介。

最后对人脸识别中最重要的部分特征提取做了着重的介绍。

第3章主要讲基于PCA的人脸识别算法，首先对该算法涉及到的原理定理一一做了介绍，包括K-L变换原理，SVD定理，以及各种距离函数。

然后是对子本次研究的全部容分条重点介绍，主要有四大块，人脸的表示，特征脸空间的构造，特征提取，人脸识别。

并对MATLAB仿真过程及结果分析进行了较为详细的说明。

第4章主要讲了基于PCA的特征提取法和基于FisherFace的特征提取法的比较，简要介绍了FisherFace法的理论基础，并对两种方法的优缺点各自做了说明。

综合对比后本次毕业设计决定采用基于PCA的人脸识别算法进行研究。

第2章人脸识别相关技术介绍2.1 系统概述人脸识别技术是模式识别技术中非常重要的应用方面[6][7]，可分为三大方面，一是对人脸的图片进行预处理；二是特征提取；三是比较识别。

人脸识别系统一般由以下步骤组成：人脸的检测、人脸的定位、图像的预处理、提取特征、图像训练、图像识别对比等步骤，系统的流程图如下图所示：图2-1 人脸识别系统流程图2.2 人脸识别主要技术目前人脸识别的算法主要有两大类[8]：二维的人脸识别算法和三维的人脸识别算法。