人脸智能识别系统的设计与实现

VIP免费

3.0 高德中 2024-11-19 5 4 1.56MB 51 页 15积分

侵权投诉

人脸智能识别系统的设计与实现

摘要

伴随着全球经济的高速发展，各国对安全越来越重视。生物识别技术已经成

为安全领域的重要研究方面。目前，国内外著名大学都有生物识别的研究课题，

而人脸识别作为生物识别的重要组成部分，其研究热度不言而喻。目前，在应用

与信息安全、出入口控制、企业身份认证、刑事侦破、人脸识别技术都具有非常广阔

的应用前景。本文的研究内容包括人脸图像预处理、识别理论与算法、PCA 和 2DPCA

识别技术、人脸图像分类器。

本文首先介绍人脸图像的一般预处理方法：灰度变化、二值化、几何校正、直

方图均衡化、图像滤波、图像锐化，随后简略地概述了现在较流行的人脸识别理论

和算法，对常见识别算法的速度和识别率进行了比较。在较小的人脸数据库中，

本文针对遇到的“小样本”问题，提出了 PCA 和 2DPCA 算法，提高了图像在一些

光照不足条件下的识别率。本文将主成分分析法与人工神经网络识别相结合，利

用 PCA 方法对人脸图像进行特征提取，保证输入图像的主要信息尽量少损失，然

后在人工神经网络分类器上进行识别，最终得出识别结果。

本文采用常见的 ORL 人脸识别数据库，这是为了保证试验数据的有效性和科

学性。并将该试验主要核心技术运用到了实际的软件环境中。最终的试验结果表明

本文提出的算法在实际的环境中有较好的识别率和识别速度。

关键词：人脸识别预处理特征提取分类器人工神经网络

ABSTRACT

With the rapid economic and technological development of biometric

authentication technology has become an important way of personal identification.

Currently, the well-known universities have biometrics research ，biometrics and face

recognition as an important part of its research 。Currently, the face recognition

technology is widely used as information security, access control, forensic and other

fields。 In this paper, face image preprocessing, recognition theory and algorithms,

PCA Recognition Technology are discussed。

This article first introduce face image input formats, as well as pre-treatment

methods: gray scale, binaryzation, geometric correction, histogram equalization, image

filtering, image sharpening. Secondly, this paper briefly outlines the theory which is

popular recognition and algorithms: face segmentation, face detection, face light

treatment, facial expression recognition, face gesture recognition. Finally, the paper

proposed a face PCA algorithm and PCA improved algorithm, and implemented the

algorithm to do a comparative test。

In the small face database, this paper meet the "small sample size problem", and

concluded the PCA algorithm and the 2DPCA algorithm in order to solve the picture in

some of the shortcomings of inadequate lighting conditions. The artificial neural

network decision making combined use for face image feature extraction, to ensure that

the input image to minimize the loss of key information discard irrelevant

information,then the high-dimensional data is mapped to the face characteristics of low-

dimensional face space. Then the use of classifiers will be used for pattern recognition.

In order to ensure the validity and accuracy test, This paper carry out on the ORL

face recognition identification test. And the main core of the technology to test the

actual software environment. In the actual process of software applications, face

recognition system has a better recognition rate。

Key Words ：Face Recognition, Preprocessing, Feature Extraction,

Classifier, Artificial Neural Network

摘要

ABSTRACT

第一章绪论.........................................................1

§1.1 课题研究背景与研究意义......................................1

§1.2 国内外研究现状分析..........................................2
§1.2.1 人脸识别技术发展过程..................................2
§1.2.2 人脸识别技术存在的难点................................3
§1.3 人脸识别技术概述............................................4
§1.4 论文内容....................................................5
第二章 人脸图像预处理...............................................6
§2.1 人脸图像预处理..............................................6
§2.1.1 灰度变化..............................................6
§2.1.2 二值化................................................7
§2.1.3 几何校正..............................................8
§2.1.4 直方图修正............................................9
§2.1.5 图像滤波.............................................11
§2.1.6 图像锐化.............................................12
§2.2 本章小结...................................................14
第三章 人脸图像特征提取............................................15
§3.1 概念介绍...................................................15
§3.2 相关原理...................................................16
§3.2.1 K-L 变化原理..........................................16
§3.2.2 奇异分解（SVD）......................................18
§3.3 主成分分析（PCA）应用研究..................................20
§3.3.1 PCA 的定义............................................20
§3.3.2 PCA 在人脸中的应用....................................20
§3.4 二维主成分分析（2DPCA）应用研究............................21
§3.4.1 2DPCA 算法原理........................................21
§3.4.2 2DPCA 在人脸中的运用..................................23
§3.5 实验分析...................................................23
§3.6 本章小结...................................................25
第四章 人脸图像分类器设计..........................................26
§4.1 人工神经网络原理与应用介绍.................................26
§4.2 BP 神经网络和 RBF神经网络...................................28
§4.2.1 BP 神经网络的工作原理.................................28
§4.2.2 BP 神经网络实现算法...................................29
§4.2.3 BP 神经网络算法的实现步骤.............................33
§4.2.4 BP 神经网络学习算法的改进.............................35
§4.2.5 径向基（RBF）网络....................................36
§4.3 实验分析...................................................38
§4.4 本章小结...................................................40
第五章 人脸智能识别系统的实现......................................41
§5.1 系统概述...................................................41
§5.1.1 系统硬件和软件配置环境...............................41
§5.1.2 系统应用的人脸识别算法...............................41
§5.1.3 系统运行.............................................43
§5.2 系统软件代码描述...........................................43

§5.2.1 系统模块框架.........................................43
§5.2.2 软件用户层主要模块用户界面...........................44
§5.3 识别效果演示...............................................45
§5.3.1 人脸图像采集操作界面.................................45
§5.3.2 人脸图像训练样本界面.................................46
§5.3.3 人脸图像识别界面.....................................46
§5.4 实验结果分析...............................................47
§5.5 本章小结...................................................47
第六章总结与展望..................................................48
§6.1 论文相关工作总结...........................................48
§6.2 后续工作的展望.............................................48
参考文献............................................................50

第一章绪论

§1.1 课题研究背景与研究意义

20世纪60 年代末期，人们开始研究人脸识别技术。1990 年开始，商业化的人

脸识别系统已经在市场上渐渐出现。虽然商用人脸识别系统已经出现，但是这些

系统本身还是有一定的缺陷，如实用程度不高，性能和识别率有待提高等问题。

人脸识别不但具有广泛实用，而且不直接接触人体的识别技术，这使得人脸识别

频率较高地应用于安全示警，用户识别，和国际反抗恐怖主义等。

人脸识别较于其它生物识别技术[1]，有其主要优势：首先是其自然性，是指

利用生物的外部特征(人脸)，鉴别个体身份，利用的技术就是使用生物特征区分

个体。比如人脸识别，人们在交往中，自然而然的也是观察人脸特征，区分人脸

和确定某人身份的。除此之外，关于体形的识别，关于语音的识别也具有自然性。

在日常人际交往的过程中，人们彼此并不会通过比较指纹或者虹膜的区别来识别

对方，由此可见指纹识别、虹膜识别没有自然性属性。其次是其不被察觉性，不被

察觉性是指不容易引起人们的注意，识别方法具有这种属性相当有意义，这会使

得被检测的人不反感，不会特意做欺骗。其他的生物识别技术如指纹识别，需要

使用电子压力传感器，直接接触到人体，如虹膜识别，它的采集方式为红外线，

使人能够警觉到自己的生物特征被采集。而人脸识别，在获取人脸图像过程中利

用的是可见光，这一特性使得人脸识别具有不被察觉性。再则是其非接触性和其

唯一性，使其广泛运用于公安刑侦系统，门禁考勤系统，网络应用系统等。

正因为上述特点，人脸识别技术应用范围极其广泛。对于军事方面，数字通

信是重要的组成部分，而基于人脸识别技术的信息技术能够使得数字通信安全性

得到加强，这对于提高敌兵技术鉴定技术，完善具有超高准确率的敌人与自我识

别系统具有重要意义。在经济方面，人脸识别技术可以有效地保护私有财产和认

证拥有者的有效信息，广泛的应用于各种金融活动和各类银行卡的鉴别过程。对

于国家政治方面，人脸识别将设置于各种场合，可以有利于发现犯罪分子，对预

先示警和终止犯罪行为起到积极作用，这能有效抑制各种恐怖活动。在政治安全

方面，选举具有举足轻重的作用，对于发生候选人和选民的替代舞弊行为，人脸

识别能有效地杜绝该类现象，确保选举的公正性。对于公众安全方面，人脸识别

技术将应用于视频系统，保证访问控制安全，确保人员身份得到有效验证，保护

人脸智能识别系统的设计与实现

重要的公共设施，保护人们的日常生活。基于以上几点，人们日益关注人脸识别

技术，它不但具有良好的应用前景，而且还具有客观的经济效益，成为信息科学

研究热点之一。

§1.2 国内外研究现状分析

§1.2.1 人脸识别技术发展过程

人脸识别的研究历史比较悠久。自1960 起，人脸识别技术在计算机图像研究

领域迅速发展，有越来越多的科研人员攀登人脸识别的高峰。近年来，与人脸识

别有关的大量学术论文在计算机重要会议和期刊上得到刊登，出现了大量的新技

术，如基于双子空间的贝叶斯概率学习，光照锥技术， 3D 可变形模型，基于

AdaBoost 的人脸检测技术等，这证明了人脸技术的研究水平有了很大的发展。该

识别技术的发展大致如下所述。

第一阶段(1964 年~1990 年)。在这段时期，人脸识别重点研究了关于人脸的

面部特征，通常认为，这一阶段人们采用模式识别的方式和方法来研究人脸识别

这个问题，其中的代表人物为（ Hermon, Bledsoe,Kannade 以及

Goldstein）。Geometric feature based （人脸几何结构特征）是当时采用的最

主流的技术方案。人脸五官的一些主要特征（眼睛，耳朵，鼻子和嘴的外貌特

征）被研究人员手动标出，依据模板，按比例计算各种主要特征之间的距离和比

例关系，计算出各个模板特征参数，然后与之前设定的参考样本数据对比，之后

得出距离最近的那个参考样本，即为最后的识别结果。

第二阶段(1991 年~1997 年)。这一阶段人脸识别已经采用更加自动化的识别

方法。虽然第二阶段时间很短，但却是人脸识别技术发展的高峰期。一方面出现了

经典的人脸识别算法（统计表观模型，统计模式识别方法，2D 人脸图像线性子空

间判别分析），另一方面出现了面向商业的人脸识别系统（Visionics的FaceIt

系统）。在中小规模正面人脸数据库上（一般情况下，这些图像采集条件和对象配

合方面都非常良好）达到了较快的识别速率和较好的识别效果。

第三阶段(1998 年~现在)。总体来说，近年来人脸技术较之以前有了巨大的改

进，一方面是由于计算机性能的提高，另一方面是由于相关学科的基础理论的发

展。目前研究热点主要聚焦在不理想状态下地大规模人脸数据库的识别问题。在这

期间，人脸识别理论出现了许多新方法，包括基于 Boosting的学习技术、非线性

建模方法、基于 3D 模型的人脸建模与识别方法统计学习理论[2]等。未来的系统沿

用上面的技术发展的同时，更多的需要有机的结合综合多种技术和方法

文档加载中……请稍候！
如果长时间未打开，您也可以点击刷新试试。

下载文档到电脑，查找使用更方便

15 积分 4人已下载

立即下载 VIP免费下载

摘要：

人脸智能识别系统的设计与实现摘要伴随着全球经济的高速发展，各国对安全越来越重视。生物识别技术已经成为安全领域的重要研究方面。目前，国内外著名大学都有生物识别的研究课题，而人脸识别作为生物识别的重要组成部分，其研究热度不言而喻。目前，在应用与信息安全、出入口控制、企业身份认证、刑事侦破、人脸识别技术都具有非常广阔的应用前景。本文的研究内容包括人脸图像预处理、识别理论与算法、PCA和2DPCA识别技术、人脸图像分类器。本文首先介绍人脸图像的一般预处理方法：灰度变化、二值化、几何校正、直方图均衡化、图像滤波、图像锐化，随后简略地概述了现在较流行的人脸识别理论和算法，对常见识别算法的速度和识别率进行了...

展开>> 收起<<

人脸智能识别系统的设计与实现.doc

共51页,预览6页

还剩页未读，继续阅读

人脸智能识别系统的设计与实现

相关推荐

开通VIP享超值会员特权

作者详情

相关内容

推荐作者

热门标签

举报选择: