基于Gabor小波变换开题报告.docVIP

西南科技大学毕业设计（论文）开题报告 学 院 专业班级 姓 名 学 号 题 目 基于Gabor小波的人脸特征提取算法研究及仿真 题目类型 理论研究 一、选题背景及依据（简述国内外研究现状、生产需求状况，说明选题目的、意义，列出主要参考文献） 1.1国内外研究现状 随着信息化社会的不断进步，身份鉴定技术具有十分重要的应用价值；而随着网络技术的发展，信息安全也显示出前所未有的重要性。在金融、保安、司法、网络传输等各个应用领域，都需要精确的身份鉴定。 目前最主要的身份鉴别技术是主要是ID卡和密码手段。但是由于这些手段的不方便性和易损坏丢失性，使得人们不得不寻找新的鉴别技术来替代。而生物特征识别技术突破了传统鉴别技术的缺陷，由于其提供了唯一的，高可靠性和稳定性的人体生物特征鉴别方法，使之成为身份鉴别的一个热门发展方向。 所谓生物特征识别技术,就是依据人体本身所固有的生理特征或行为特征,利用图像处理技术和模式识别的方法来达到身份鉴别或验证的一门科学。身体特征包括：指纹、视网膜、虹膜、人脸等；行为特征包括签名、声音、步态等。而人脸识别技术也是生物 特征识别技术中的一种，本设计研究的就是基于Gabor小波的人脸特征提取算法及仿真。 日常生活中，人类每时每刻都通过感官自然而然地从外界获取想要的信息。这些信息中有大约80%是通过视觉得到的，因此，视觉信息处理在现代人工智能技术中占有极为重要的地位。人脸数据的提取方式多种多样，既可取静态图像，也可取视频序列，背景还可以变化。人脸数据的提取对设备也没有特殊要求，既可对真人拍照或摄像，也可从照片扫描。更为重要的是人脸识别和人类通常的识别相一致，更易被接受。因此，人脸识别及其相关技术的应用前景是生物特征识别诸多技术中最被看好的。生物特征识别在国外发展很快，我国截止2011年已举行了六届生物特征识别研讨会。 1992年，Samal总结了早期的人脸识别方法。后来，Valentin讨论了人脸识别的神经网络模型。Chellappa主要从工程应用方面对人脸识别进行了评述。而从不同角度出发的综述文章还有两个有关人脸识别的国际会议AFGR和AVBPA的出现，充分说明了人脸识别的重要性。IEEE模式分析与机器智能（PAMI）协会在1997年7月出版了有关人脸和手势识别的专刊，Daugman这样写道“在未来的机器智能领域，我们将发现一个有趣的现象，即为建立具有类似人类外貌、表情、手势等特征的人机界面所做出的努力，将最终导致我们可以和机器随心所欲地交流”。 从1990年代起，由于计算机、数字图像处理、模式识别等技术的发展，加上人们对人脸图像自动识别的迫切需求，人脸模式识别方法有了较大的突破，提出了多种机器全自动识别系统。1996年美国军方组织了人脸自动识别系统大赛，勒克菲勒大学的Face1t系统获得冠军。最近，美国的LAU公司研制的人脸图像自动识别系统，是以人眼辨别人脸的原理，基于生物测量学、人像复原技术开发的装置。用人脸12～42个特征点，对人群中寻找的人进行定量定性识别，已经用在机场、火车站、公共场所、重点控制地区。 在人脸识别技术诞生至今的二三十年中，人们已提出了很多成熟、高效的识别算法，为工程应用提供了强有力的后盾。自从“911”事件以来，世界上对人脸识别系统的需求有了明显增长。对人脸识别的研究也是理论界的一个热点。目前世界上最有名的识别系统为Visionics公司的“FaceIt”系统，在活动场景（人和照相机都是活动的）下，该系统的识别率仅为50%；而可控条件下，识别率可达80%以上。在中国，中科院计算所高文教授主持的863项目“面像检测与识别核心技术”通过鉴定。该系统会自动在人脸上选取103个点，然后通过分析面部皮肤反射属性、三维结构等特征进行识别，静态场景下识别准确率达到96.5％。中科院自动化所和微软亚洲研究院也在进行这方面的研究。2008年，中国自主产权人脸系统成功用于北京奥运会，这算是我国人脸识别技术的一次重大突破。 1.2选题目的 通过做该课题可以学习掌握MATLAB软件开发平台与应用系统开发过程；掌握人脸识别技术的优化及实现；掌握MATLAB的应用原理和开发设计过程；融合了程序设计语言等所学的知识，理论联系实际，提高自己的动手能力，也为以后的学习和工作打下坚实的基础。 1.3研究意义 自动人脸识别技术之所以得到如此重视，源于它所体现的巨大潜在的应用前景。 首先，人脸识别技术本身就是涉及多门学科的交叉学科，主要涉及到的有数字图象处理、机器视觉、模式识别、人工智能等相关学科。这些学科多而杂，且跨度大，以前基本上都是各自研究各自的领域，而人脸识别技术恰好提供了能将这些学科融合的研究对象，方便于去尝试研究新的理论和方法。人