1、本 科 毕 业 论 文基于 PCA 算法的人脸识别系统设计Face recognition based on PCA algorithm systemdesign毕业设计（论文）原创性声明和使用授权说明原创性声明本人郑重承诺：所呈交的毕业设计（论文），是我个人在指导教师的指导下进行的研究工作及取得的成果。尽我所知，除文中特别加以标注和致谢的地方外，不包含其他人或组织已经发表或公布过的研究成果，也不包含我为获得安阳工学院及其它教育机构的学位或学历而使用过的材料。对本研究提供过帮助和做出过贡献的个人或集体，均已在文中作了明确的说明并表示了谢意。作 者 签 名： 日 期： 指导教师签名： 日 期：
2、使用授权说明本人完全了解安阳工学院关于收集、保存、使用毕业设计（论文）的规定，即：按照学校要求提交毕业设计（论文）的印刷本和电子版本；学校有权保存毕业设计（论文）的印刷本和电子版，并提供目录检索与阅览服务；学校可以采用影印、缩印、数字化或其它复制手段保存论文；在不以赢利为目的前提下，学校可以公布论文的部分或全部内容。作者签名： 日 期： 目 录摘要 .IAbstract.II引言 .1第一章 绪论 .21.1 人脸识别的背景与发展现状 .21.2 人脸识别的应用与优势 .2第二章 人脸图像的处理 .42.1 图象的人脸定位 .42.2 图象的预处理 .42.2 人脸样本库图象的训练 .5第三章
3、 基于 PCA 算法的人脸识别 .63.1 PCA 的基本思想 .63.2 PCA 算法基本数学原理 .63.3 人脸识别中 PCA 算法的具体步骤 .63.4 PCA 算法在人脸识别中的应用 .73.4 PCA 人脸识别优缺点分析 .8第四章 人脸识别系统的实现及实 验结果分析 .94.1 人脸识别系统 的设计 .94.2 系统功能介绍 .94.2.1 主菜单界面 .94.2.2 训练图像 .94.2.3 载入照片 .104.2.4 人脸识别的功能与说明 .104.3 功能实现及主要函数说明 .114.3.1 保存图像和训练图像 .114.3.2 人脸识别的过程 .124.5 实验结果 .1
4、34.6 影响人脸识别的因素 .134.6.1 光照变化 .134.6.2 人脸形态 变化 .13结论 .15致谢 .16参考文献 .17附录 .18基于 PCA 算法的人脸识别系统设计摘要：近年来，人脸识别在国内有着蓬勃的发展趋势，在很多领域都有应用。例如：家的防盗门，单位的考勤，公安系统，刑事鉴定，面对面支付，人脸解锁等。它有一个很大的发展前景，因此成为一个具有人工智能的范畴的研究热点识别方法。本次毕业论文主要应用了基于 PCA 算法的人脸识别。主要包括人脸图片定位的预处理、人脸的输入、PCA 算法对特征脸提取、人脸识别等四大模块。本文通过 MATLAB 的仿真实现了基于一个 PCA 算法
5、的人脸识别系统，通过对人脸的降维让一个复杂的图象用几个简单的数字表示出来，然后与人脸数据库里的图象相比较，找出最小的欧氏距离，最终输出识别图象。首先，本文提出了人脸识别近几年的发展趋势，以及现状与背景，并且分析了人脸识别与其他识别方法的对比，以及人脸识别的优点跟人脸识别中的难点。然后对人脸识别的过程进行详细的说明，大致分为四个阶段，接下来研究主成分分析法（PCA）提取图象特征值的原理，以及 PCA 算法与其他算法的对比所展现出来的优势与劣势，对设计的人脸识别进行测试、仿真,最终获得预期的结果。本文最后总结了本次毕业设计中，自己的不足之处，以及对这次毕业设计的感悟，自己的心得体会。关键词：人脸识
6、别；特征脸的提取；图片的灰度处理；欧式距离；阈值；Face recognition based on PCA algorithm system designAbstract:In recent years, the development trend of face recognition in domestic has a vigorous, are used in many fields. For example: family security doors, institution of attendance, the public security system, criminal i
7、dentification, face pay, face unlock, etc. It has great prospects for development, thus become the research focus in the recognition method with artificial intelligence category.PCA algorithm human face recognition is proposed in this paper. Mainly includes the pretreatment of face image location, a
8、 face of input, PCA algorithm for extracting feature face, face recognition and so on four big modules. In this article, through MATLAB simulation implements a face recognition system based on a PCA algorithm, through the dimension reduction of face to a complex image with a few simple Numbers, and
9、then compared with the face images in the database, find the minimum Euclidean distance, finally the output image.First, this paper puts forward the development trend of face recognition in recent years, as well as the present situation and background, and analyzes the face recognition compared with
10、 other identification method, and the advantages of face recognition with the difficulties in face recognition. And detail the process of face recognition, roughly divided into four stages, and the next research principal component analysis (PCA) to extract the principle of image characteristic valu
11、e, and PCA algorithm compared with other algorithm show the advantages and disadvantages, test, simulation for the design of face recognition. Eventually get the expected result. Finally, the paper summarizes the graduation design, their own shortcomings, and the feeling of the graduation design, fo
12、r your own comments.Key Words: Face recognition; Characteristics of the extraction of face; Image grayscale processing; Euclidean distance; The threshold value;0引 言在当今的时代，科技飞速的发展，越来越多的安全问题困扰着大家。随着我国经济的快速发展，国内人群的流动性增强，社会安全的不稳定性也随之增高，因此安全问题成为 21 世纪人们广泛关注的问题。当前社会，很多地方都涉及到安全问题，上网娱乐、银行业务、网上购物、家庭防盗门等许多日常活
13、动都跟密码息息相关，随着服务数量的增加，密码也随之增多，导致不能准确的记忆。伴随着科技的提高，密码也越来越越不安全，越来越容易被破译，密码安全系数越来越低。给人们的日常生活带来很多的安全隐患。因此这些年，很多国家都投入大量资金、精力来研究生物识别系统，与其他原始人类的识别技术相比，生物识别技术具有更高的安全性，操作更方便。另外人类本身就有很多生物特性，比如面目特征、DNA、指纹、虹膜、声音等。根据人类这些特征，然后再与计算机技术相结合，进而发展成为更多的关于人类生物特征的人体身份辨别技术。1第一章 绪论1.1 人脸识别的背景与发展现状在当前社会，人脸识别系统在很多领域都有应用，人脸支付、人脸解
14、锁、公安的破案、查缉布控。我国也对人脸识别系统做了很深的研究。中国已经掌握了当前热点研究领域的人脸识别核心技术。北京，一个公司设计的人脸识别系统在 2002，相机通过处理人脸图像的特征消除影响，然后提取图像的识别。通常需要正面人脸识别使用，还需要对人脸图像识别往往采取不同时，使用摄像头将是不同的，所以本系统人脸识别是特别有价值的。要鉴别的人脸图像是不同时期拍摄的，使用的照相机不一样。该系统可以接受的时间间隔较长的照片，而且识别率高，2300 正面图片，财政部的图片，使用 1-7 年，除了要查询的照片之间的差别比较大，第一率可以达到 50%，20 张照片是包含在输出的概率相同的照片输入图像高达
15、70%。该项技术在国内外都处于领先水平。让计算机具有识别人脸特征平且能识别出身份就是人脸识别的目的。通过面部特征来设计基于人脸检测的复杂场景的重要标识，是依靠图象理解、模式识别和计算机视觉，统计和其他技术来完成得。人脸识别的理论发展趋势大概可以划分为三个阶段：第一个阶段，主要以贝迪永、艾伦和帕克为代表，研究的是人脸识别需要用到的的脸部特征。贝迪永将一个简单的语句跟庞大数据库中的某一张脸关联起来，同时结合指纹分析技术，一个很强的识别系统就此产生。第二个阶段，是人机交互式识别阶段。标志性的成果有：莱斯克、格莱斯顿和哈蒙采用几何参数来表示人脸图像。第三个阶段，时间是进入 20 世纪 90 年代，因为
16、高性能计算机的产生，使之人脸识别系统能够更加完美的工作与应用，所以，人脸识别的研究又掀起一股热潮，人脸识别系统完成机器自动识别的新领域。1.2 人脸识别的应用与优势人脸图像识别不仅具备庞大的表面价值和挑战性外，它也有许多隐藏的应用，比如不用连接目标就可以获得样板图像来进行身份鉴别。与其它的认证手段相比，人脸识别具有操作方便，识别效率高等优点。2通过上面的分析。我们可以预测出人脸图像识别在未来会有非常开阔的应用前景，如表 1.1 中所列举就是已经完成或正在完善的应用。表 1.1 人脸识别的应用 应用 优点 存在的问题信用卡 摄像可控 必须创造一个丰富的数据库照片匹配 潜在的巨大图像库 图像质量不
17、统一互联网应用 信息视频价值高 存在不实的问题银行储蓄安全 监控效果好 图像质量差人群监测 图像实时性 图像质量低人脸识别和另外的生物识别比较起来有如下几个优势:（1）人为的行为配合对于其他生物特性识别方法不可或缺，但是人脸识别却可以没有。（2）在视频监控中，人脸识别可以实现远距离视频识别（3）当前，每个人的身份证都有清晰的人脸照片，在这个人脸资源库中。我们能够使用这个库来更直观、更简易的核对该人的身份。（4）人脸识别技术在特征输入方面比较简易，包含的信息丰富。同时人脸系统特别友好，利用面也广。人脸识别技术由于其便利性，唯一性，稳定性，被越来越多的应用于各种标识方法。人脸识别系统分为四大模块：
18、采集和人脸图像预处理，图像特征提取，人脸识别，识别结果输出。如表 4.1 所示。表 4.1 人脸识别系统一般框架 图像特征提取人脸识别过程采集和人脸图像预处理识别结果的输出3第二章 人脸图像的处理2.1 图象的人脸定位如果用一张背景各异的图象直接进行识别，会有太多不需要识别的干扰因素，比如光度、背景。都会让识别的结果受到很大的影响，因此必须对图片进行预处理，首先第一步就是图象的人脸定位。本次毕业设计借助的是 FACESAVE对图象进行人脸定位。如图 2.1 所示图 2.1 图象的人脸定位2.2 图象的预处理在人脸识别当中，图片的灰度处理对PCA算法提取特征值有很重要的作用，图象的灰度是进行图像
19、识别与处理的基础。一般人脸识别都是首先把图像灰度化，图象的灰度化可以更好的提取图象特征值，每个图象都有像素值。如果识别像素过大，会导致训练速度慢、内存不足，从而影响识别效果，所以识别前需要对图象进行归一化，因为PCA算法需要输入的维度要一致。这里我把像素都归为28*23。 利用MALTALAB软件的图象处理，对图象进行归一化处理。 2.2 人脸样本库图象的训练人脸图象的训练分为三个步骤:1、人脸样本的采集，可以直接下载国外人脸识别科研样本，也可以自己拍照，对图象进行人脸定位，像素的统一规划。2、人脸样本库的建立，人脸数据库是基于 PCA 的人脸识别技术，人脸数据库的完善程度极大的影响着人脸识别的效果。但是对于本设计来说，数据库里的图象像素必须统一，并且过多的增加人脸数据库的数据数量，会增大训练计算过程，可能会导致内存的应用不足。此次设计一共用了7个文件夹，每个文件夹5张训练图象。如图2.2所示。
