人脸检测毕业设计.docx

1、人脸检测毕业设计人脸检测毕业设计篇一：毕业设计+人脸识别完整版摘 要人脸识别技术(FRT)是现今模式识别和人工智能领域的一个重要研究方向。尽管人脸识别的研究已有很长的历史，各类人脸识别的技术也很多，但由于人脸属于复杂模式而且容易受表情、肤色和穿着的阻碍， 目前尚未一种人脸识别技术是公认快速有效的本文要紧讨论了人脸识别技术的一些经常使用方式，对现有的人脸检测与定位、人脸特点提取、人脸识别的方式进行分析和讨论，最后对人脸识别以后的进展和应用做了展望。 关键字：人脸识别，特点定位，特点提取 ABSTRACTNowadays the face recognition technology (FRT)

2、is a hot issue in the field of pattern recognition and artificial intelligenceAlthough this research already has a long history and many different recognition methods are proposed，there is still no effective method with low cost an d high precisionHuman face is a complex pattern an d is easily affec

3、ted by the expression，complexion and clothesIn this paper，some general research are discussed，including methods of face detection and location，features abstraction，and face recognitionThen we analyze and forecast the face recognitions application and its prospects Keywords: Face Recognition Technolo

4、gy, Face location，Features abstraction 第1章 绪 论所谓人脸识别，是指对输入的人脸图像或视频判定其中是不是存在人脸，若是存在人脸，那么进一步给出每张人脸的位置、大小和各个要紧脸部器官的位置信息。而且依据这些信息，进一步提取每张人脸包括的身份特点，并将其与已知人脸库中的人脸进行对照，从而识别每张人脸的身份。人脸识别研究涉及的范围普遍，内容涉及模式识别、运算机视觉、图像处置、人工智能等方面。人脸识别还涉及到神经网络等学科， 也和人脑的熟悉程度紧密相关。 这诸多因素使得人脸识别成为一项极富挑战性的课题。 1.1人脸识别技术的研究意义 人脸识别是机械视觉和模式识

5、别领域最富有挑战性的课题之一，同时也具有较为普遍的应用意义。人脸识别技术是一个超级活跃的研究领域，它覆盖了数字图像处置、模式识别、运算机视觉、神经网络、心理学、生理学、数学等诸多学科的内容。现在，尽管在这方面的研究已取得了一些可喜的功效，可是FRT在有效应用中仍面临着很严峻的问题，因为人脸五官的散布是超级相似的，而且人脸本身又是一个柔性物体，表情、姿态或发型、化妆的千变万化都给正确识别带来了相当大的麻烦。如何能正确识别大量的人并知足实时性要求是迫切需要解决的问题。1.2国内外的研究现状人脸识别系统此刻在大多数领域中起到举足轻重的作用，尤其是用在机关单位的平安和考勤、网络平安、银行、海关边检、物

6、业治理、军队平安、智能身份证、智能门禁、司机驾照验证、运算机登录系统。我国在这方面也取得了较好的成绩，国家863项目“面像检测与识别核心技术”通过功效鉴定并初步应用，就标志着我国在人脸识别这一现今热点科研领域把握了必然的核心技术。北京科瑞奇技术开发股分在XX年开发了一种人脸辨别系统，对人脸图像进行处置，排除照相机的阻碍，再对图像进行特点提取和识别。这关于人脸辨别特别有价值，因为人脸辨别通常利用正面照，要辨别的人脸图像是不同时期拍照的，利用的照相机不一样。系统能够同意时刻距离较长的照片，并能达到较高的识别率，在运算机中库藏2300人的正面照片，每人一张照片，利用相距1-7年、不同比较大的照片去查

7、询，首选率能够达到50%，前20 张输出照片中包括有与输入照片为同一人的照片的概率可达70%。美国陆军实验室也是利用vc+开发，通过软件实现的，而且FAR为49%。在美国的进行的公布测试中，FAR，为53%。美国国防部高级研究项目署，利用半自动和全自动算法。这种算法需要人工或自动指出图像中人的两眼的中心坐标，然后进行识别。在机场开展的测试中，系统发出的错误警报太多，国外的一些高校（卡内基梅隆大学（Carnegie Mellon University）为首，麻省理工大学（Massachusetts Institute of Technology ）等，英国的雷丁大学（University of

8、Reading）和公司（Visionics 公司Facelt 人脸识别系统、Viiage 的FaceFINDER 身份验证系统、Lau Tech 公司Hunter系统、德国的BioID 系统等）的工程研究工作也要紧放在公安、刑事方面，在考实验证系统的实现方面深切研究并非多。 1.3本系统研究内容 本系统要紧对人脸的检测与定位做了深切研究。在人脸检测部份主若是对图像进行获取和预处置。图像获取主若是获取图像的大体信息，以便对图像的像素进行处置。预处置的包括对图像灰度化，中值滤波，对照度转变和边缘提取。人脸预处置进程是运算机人脸识别中一个重要进程。人脸图像预处置的好坏对整个系统相当重要，对人脸预处置

9、的研究具有超级重要的意义。特点定位是人脸识别的目的是确信单张人脸在图像中的位置，它通过标记人脸区域 来确信和计算人脸的各器官定位。人脸特点检测是检测人脸特点的有无和位置，比如说眼睛、鼻子、鼻孔、嘴巴、嘴唇等的有无和位置。值得指出的是，人脸检测涉及的方式种类繁多（据报告可知，用于人脸检测方式的有150多种），且涉及的知识点较深，并各有特点，因此咱们小组将人脸检测与人脸识别区分开来，因为后者只是前者一个简单问题。同时，咱们把注意力集中在人脸检测方式上，而没有实现与数据库中的人脸匹配问题。1.4目前研究中存在的问题尽管人类的人脸识别能力很强,，能够记住并分辨上千张不同人脸，可是运算机那么困难多了。其

10、表此刻：人脸表情丰硕；人脸随年龄增加而转变；人脸所成图像受光照、成像角度及成像距离等阻碍；而且从二维图象重建三维人脸是病态( ill2po sed) 进程，目前尚没有专门好的描述人脸的三维模型。另外，人脸识别还涉及到图象处置、运算机视觉、模式识别和神经网络等学科，也和人脑的熟悉程度紧密相关。这诸多因素使得人脸识别成为一项极富挑战性的课题。篇二：人脸识别毕业设计论文编 号：审定成绩： 重庆邮电大学 毕业设计（论文） 设计（论文）题目： 有姿态转变的人脸图像识别方式 学 院 名 称 ： 专 业 ： 班 级 ：学 号 ： 指 导 教 师 ： 答辩组 负责人 ： 填表时刻： XX年 6 月 重庆邮电大

11、学教务处制摘 要 人脸识别是一种研究以生物特点为基础的利用运算机实现的识别技术。在生物特点识别领域，人脸识别技术操作简单快速，结果直观，准确靠得住，不需要人为的配合，正是这些优势使其成为一个热点学科。人脸识别在人工智能领域中占有极为重要的地位，是由于它自身的优越性和在运算机视觉、图像处置、模式识别、多媒体、心理学等多个领域的普遍运用。 本文研究的重点正是在姿态转变下的多姿态人脸识别，研究测试样本显现姿态转变时的人脸识别的问题。在实际应用中，咱们常常只能取得极少量的训练样本。但是传统的方式在处置具有姿态转变的测试样本时，识别率会急速下降，从而致使系统无法正常工作。为了研究数据更易处置、快速、较易

12、在实际应用中推行的人脸识别算法和方案，本文要紧讨论了专门针对有姿态转变姿态样本的人脸识别策略。本文依照完整人脸识别流程来分析基于PCA(主成份分析)的人脸识别算法实现的性能,选用了ORL人脸数据库。从人脸识别的实效性和可操作性两个角度考虑，针对平面内具有随机旋转角度的人脸图像难以识别问题，本文研究了基于二维图像的正弦变换方式，其特点是能够实现快速的姿态校正。本文利用PCA对训练集进行人脸特点提取，利用KNN（K近邻）分类器来进行人脸判别分类。最后比较有无姿态校正模块的人脸识别系统的准确率。【关键词】人脸识别 姿态校正 正弦变换 PCA算法 K最近邻分类器 ABSTRACT Face recog

13、nition is a computer recognition technology, which is based on biological characteristics. In the field of biometric identification, the advantages of face recognition are fast and simple and the results are intuitive, accurate and reliable. It has become a popular subject for it does not need co-or

14、dination. Due to its advantages, face recognition has been widely used in computer vision, image processing, pattern recognition, multimedia processing, psychology and other fields. So it plays an important role in the field of artificial intelligence.This study is to focus on pose-varied face recog

15、nition with the change of posture and research the face recognition problem when the postures of testing samples have changed. In practice, we merely get a minimal amount of training samples. If test samples have encountered the posture changing, the recognition rate of the traditional methods would

16、 reduce dramatically, which causes the system to be out of work. This paper focuses specifically on developing face recognition strategy of multi-gesture samples, which makes data easy to handle, and promoting the practical application of face recognition algorithms and programs.This paper analyzes

17、the performance of face recognition algorithm which based on the PCA (Principal Component Analysis) and the experiments are conducted on the ORL face database. Considering the effectiveness and operability of face recognition and the difficulties of identifying the face images with random rotation a

18、ngle, this paper studies the sinusoidal transform based on two-dimensional image, which can achieve rapid posture correction. Training set using PCA to extract facial features, and using KNN (K Nearest Neighbor) for face identification and classification in this paper. Finally, comparing the accurac

19、y of face recognition system which has posture correction module or not. 【Key words】face recognition pose corrected sinusoidal transform PCA algorithm KNN 目 录 前 言 . - 1 - 第一章 绪论 . - 2 -第一节 研究背景及意义 . - 2 -第二节 人脸识别研究现状 . - 3 -一、人脸识别现状 . - 3 -二、多姿态人脸识别现状 . - 5 -第三节 人脸识别的应用前景 . - 7 -第四节 本章小结 . - 9 -第二章

20、人脸识别技术概述 . - 10 -第一节 人脸识别的研究范围 . - 10 -第二节 人脸识别系统 . - 10 -第三节 人脸识别的性能评判 . - 11 -第四节 本章小结 . - 12 -第三章 多姿态人脸识别的研究 . - 13 -第一节 引言 . - 13 -第二节 多姿态人脸识别策略 . - 13 -第三节 姿态校正研究 . - 14 -一、姿态校正的人脸识别框架 . - 14 -二、基于ST的姿态校正算法 . - 15 -三、实验结果 . - 15 -第四节 本章小结 . - 19 -第四章 基于PCA的人脸识别方式 . - 20 -第一节 问题描述 . - 20 -第二节 PCA算法介绍 . - 20 -一、PCA的理论基础 . - 20 -二、PCA理论原理 . - 22 -第三节 PCA在运算机视觉领域的应用 . - 23 -一、图像数据的表示 . - 23 -二、对图像进行信息紧缩 . - 23 -三、模式识别 .(转自：wWw.XiAocAoFanWeN.cOm 小 草 范文网:人脸检测毕业设计). - 24 -第四节 本章小结 . - 24 -第五章 人脸识别系统的设计与实现 . - 25 -第一节 仿真实验流程图 . - 25 -第二节 读入人脸库成立人脸空间 . - 25 -一、人脸库简介 . - 25 -二、计算K-L变换的生成矩阵 .