人脸识别技术的研究与设计.docx

人脸识别技术的研究与设计.docx

《人脸识别技术的研究与设计.docx》由会员分享，可在线阅读，更多相关《人脸识别技术的研究与设计.docx（65页珍藏版）》请在冰豆网上搜索。

人脸识别技术的研究与设计

本科毕业设计（论文）

人脸识别技术的研究与设计

年级:

学号:

姓名:

专业:

电子信息工程

指导老师:

院系电气工程学院专业电子信息工程

年级姓名

题目人脸识别技术的研究与设计

指导教师金炜东

评语

指导教师（签章）

评阅人

评语

评阅人（签章）

成绩

答辩委员会主任（签章）

年月日

毕业设计（论文）任务书

班级电子学生姓名学号

发题日期：

完成日期：

题目人脸识别技术的研究与设计

1、本论文的目的、意义

人脸识别技术涉及模式识别、图像处理、视频技术等多个学科领域，属当前的前沿技术，有着广泛的应用前景，受到了越来越多的关注。

通过该毕业设计，使学生了解人脸识别技术基本内容，分析人脸识别的最基础的技术方法，对人脸识别技术进行最基础的程序实现。

该毕业设计的具体内容，可视学生的能力，可深可浅，将使学生尽可能地发挥自身能力，学习探索人脸识别技术的实现。

2、学生应完成的任务

（1）收集资料，分析人脸识别技术；

（2）对人脸识别模型算法进行程序实现；

（3）进行人脸识别的实验，尽可能分析影响人脸识别性能的因素；

（4）完成毕业设计论文。

3、论文各部分内容及时间分配：

（共12周）

第一部分收集资料，分析人脸识别技术基本内容（3周）

第二部分对人脸识别模型算法进行程序实现（4周）

第三部分进行人脸识别的实验分析（3周）

第四部分撰写毕业设计论文（1周）

第五部分（周）

评阅及答辩（1周）

备注毕业设计完成时应交出的文件：

（1）毕业设计论文及电子文档（用光盘保存）；

（2）实现系统的程序源代码（可用光盘保存）。

指导教师：

年月日

审批人：

年月日

摘要

人脸识别技术是生物特征识别技术的重要组成部分，是一个基于多个学科的非常活跃的研究课题。

它主要包括了人脸检测、特征提取和人脸识别三方面内容。

虽然人类能毫不费力地识别出人脸及其表情，但人脸的识别对于计算机却是一个难度极大的课题。

本文分析了有关人脸识别方面的最新研究成果和最新信息，对所涉及到的学科和存在的问题做了简单的介绍。

然后，把人脸识别技术分为人脸检测和人脸识别分别进行系统的探讨和研究。

第二章是人脸检测部分，分析了人脸检测问题、人脸模式特征、基于知识和基于统计的人脸检测方法。

第三章是人脸识别技术研究部分，在这章中，重点介绍了基于隐马尔可夫模型的人脸识别技术。

最后引出嵌入式隐马尔可夫模型的相关知识。

最后，本论文基于MFC和OpenCV1.0，在VC环境下编译生成系统，对系统的各个主要模块进行了详细的分析。

系统生成后，分别运用YALE人脸库、ORL人脸库和自建的人脸库进行人脸识别试验，测试系统识别正确率，并把数据纪录到表格中。

关键词:

人脸检测；人脸识别；隐马尔可夫模型（HMM）；嵌入式隐马尔可夫模型（EHMM）

Abstract

Facerecognitiontechnologyisanimportantbranchofpatternrecognition，whichisbasedonvarieskindsofsubjects。

Itisoneofthemostactiveandchallengingtasksforresearch。

Itincludestwoparts:

FaceDetectionandFaceRecognition。

Despitethefactthathumanfacesareessentiallysimilar，peopleareveryeasyskilledatrecognizingtheidentitiesofpeoplefromtheirfaces。

Itisveryeasilyforthepeopletorecognizefacesandexpressions。

Astocomputers，facerecognitionisanextremelydifficulttask。

Thispapersummarizesandanalyzesthelatestresultsofresearchandinformationonfacerecognition，andmakesabriefintroductiontotheproblemoffacerecognition。

Then，theproblemoffacerecognitiontechnologyisdividedintofacedetectionandfacerecognition，andwillhaveadeepdiscussiononthetwoareasrespectively。

ThesecondchapterispartofFaceDetection，therewillhavetheanalysisabouttheproblemoffacedetection，knowledge-basedandstatistics-basedfacedetectionmethods。

Chapter3isthefacerecognitiontechnology，andinthischapter，thepaperfocusesonthefacerecognitionsystemwhichisbasedontheHiddenMarkovmodel。

Finally，therewillpresenttherelevantknowledgeoftheembeddedhiddenMarkovmodel。

Finally，thesystemisimplementedsuccessfullybasedontheMFCandOpenCV1.0intheVCenvironment，andwillgiveadetailedanalysisaboutthemainmoduleofthesystem。

TheexperimentusingYALEfacedatabase，theORLfacedatabase，andthedatabasewhichismadebymyselfinordertoverifythecorrectrateofthesystem。

Thedatawillberecordedinthetable。

Keywords:

FaceDetection；FaceRecognition；HiddenMarkovModel；EmbeddedHiddenMarkovModel

第1章绪论

1.1引言

近些年来，生物特征的身份认证技术得到了迅速的发展，此技术结合多种学科，是一种前沿的多学科性综合技术，主要结合认知科学，图像处理，计算机图形学，小波分析，机器视觉和模式识别等多个领域。

把人脸作为认证的目标已经拥有了几十年的历史，并不是只能在电影中才能看到，现代社会已经可以实现这样的功能，当然还有明显的不足，运用人脸图像来身份识别，主要是因为人的面貌属于人本身固有的生物特征，这种特征具有不可复制，难于伪造的特点，具有唯一性和稳定性，可以作为身份识别的依据。

人脸识别的研究可以追溯到上个世纪六、七十年代，经过几十年的曲折发展已日趋成熟，人脸识别是模式识别和计算机视觉的交叉领域。

人脸识别将计算机视觉和模式识别结合在一起，广泛地运用在机器人等学科中。

作为人类几个外在鉴别特征之一，人脸识别自动鉴别和人类自动分辨有着重要的意义。

计算机人脸识别技术也就是利用计算机分析人脸图象，进而从中提取出有效的识别信息，用来“辨认”身份的一门技术。

人脸识别技术应用背景广泛，可用于公安系统的罪犯身份识别、驾驶执照及护照等与实际持证人的核对、银行及海关的监控系统及自动门卫系统等。

虽然人类的人脸识别能力很强，能够记住并辨别上千个不同人脸，可是计算机则困难多了。

其表现在：

人脸表情丰富；人脸随年龄增长而变化；人脸所成图象受光照、成象角度及成象距离等影响[8]。

如今，虽然在这方面的研究已取得了一些可喜的成果，但是人脸识别技术FRT（FaceRecognitionTechnology）在实用应用中仍面临着很严峻的问题，因为人脸五官的分布是非常相似的，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满足实时性要求是迫切需要解决的问题。

总之，要让计算机象人一样方便准确地识别大量的人脸尚需不同学科研究领域的科学家共同做出不懈的努力。

1.2国内外研究现状与人脸识别的发展阶段

人脸识别是一个算是古老却又年轻的课题，言其古老是因为早在上个世纪，法国Galton就已经开始了这方面的研究，直到七十年代中期以前，典型的模式识别的分类技术始终还是用人脸正面或者侧面特点的距离来度量，而且重点使用的是从侧面人脸图像上提取的几何特征。

这一阶段，对图像的约束条件较多，而提取出的特征数目少，自动提取特征的准确度也十分的低。

八十年代，对FRT的研究仍处于冷凝状态，没有什么进展。

进入九十年代，该课题受到了前所未有的重视，原因是多方面的：

首先是在安全系统即商贸系统中有应用需要；其次是受其他技术发展的影响。

在九十年代前期，研究的重心集中在分割和特征提取以及设计系统的或神经网络的分类器方面，采用一些传统的统计方法，如：

Karhunen—Loeve变换等或新的神经网络技术。

这时的识别工作基本上是在实验室里用规模比较小的数据库进行测试，而且多半是用静态图像。

除此之外，视频流能提供丰富的人脸信息，因此较多的研究小组和公司把工作重心转移到基于多样本的统计方法或神经网络方法的研究上去。

但是，在将理论向实用化转化的过程中，人们认识到只用单样本进行识别的重要性和困难性，言其重要性是因为FRT的一个重要应用是证件核实，在很多应用场合往往只有一张照片可以利用。

它的困难性是显然的，因为一张照片的信息量比多张照片的信息量要少多了，人脸丰富的三维通过单张照片是不可能全部反映出来的[17]。

此外，国外已经有许多学校在研究人脸识别技术，研究涉及的领域也非常的广，其中有从感知和心理学角度探索人类识别人脸机理的，如美国TexasatDallas大学的Abdi和Toole小组，由Stirling大学的Bruce教授和Glasgow大学的Burton教授合作领导的小组等；也有从视觉机理角度进行研究的，如英国的Graw小组和荷兰Groningen大学的Petkov小组等。

在用静态图像或视频图像做人脸识别的领域中，比较有影响的有MIT的Media实验室的Pentland小组，他们主要是用基于KL变换的本征空间的特征提取法，名为“本征脸（eigenface）；还有C.vonderMalsburg小组，他领导了美国的SouthernCalifornia大学和德国的Bochum大学合作，采用动态链接结