人脸识别的软件系统开发.docxVIP

学 士 毕 业 论 文 人脸识别的软件系统开发 院 系 ： 电子工程系 专 业 ：电子信息科学与技术姓 名 ： 吴 为 学 号 ： 0121013 指导教师 ： 张立明 教授 完成日期 ： 2005 年 6 月 9 日 摘 要 人脸识别技术有着广阔的应用前景和迫切的现实需求，是当前模式识别、计算机视觉等领域里最热门的研究方向之一。而人脸识别的软件系统开发，则是联系理论和实践的最重要的环节。本文着重介绍了人脸识别软件系统开发的背景， 原理以及最后的设计结果。 本文共分为三个部分。第一部分介绍了人脸识别的意义、背景和人脸识别系统的组成。第二部分具体首先介绍了基于Gabor 特征抽取并结合 Fisherface 方法的人脸识别。然后也介绍了用于识别的分类方法和相似度判定方法。第三部分介绍了我开发的人脸识别系统的组成部分和使用方法。最后本文给出一个小规模的测试结果，并根据测试就本系统的优点和不足进行了分析和展望。 关键字：人脸识别 软件系统开发 Gabor 小波变换 Fisherface 目 录 第一章：人脸识别系统综述 01 1.1 引言 01 人脸自动识别系统 01 本文的安排 03 第二章：基于Gabor 特征抽取和Fisherface 的人脸识别 04 2.1 引言 04 Gabor 小波基 04 GABOR 基作特征抽取 05 Gabor 特征矢量的降维以及判据分析 07 Fisherface 方法 08 基于Gabor 特征的分类规则 09 第三章 人脸识别的软件系统开发 10 TOC \o 1-1 \h \z \u 开发环境 10 系统框架 10 系统功能综述 11 用户管理的程序实现 11 身份识别的程序实现 12 视频管理的程序实现 14 系统的典型使用流程 14 系统的测试 16 讨论与展望 17 参考文献 19 致谢 20 PAGE PAGE 10 第一章：人脸识别系统综述 引言 生物识别技术是指通过对人体特征的数字化测量来进行鉴别的技术，包括指纹、人脸、声音、虹膜、掌纹等特征都可以被用来进行身分识别。人脸识别技术是生物识别技术中的一个重要课题，是目前非常活跃的研究方向。与利用其他生物特征进行身份识别相比，人脸识别具有直接、方便、友好、非侵犯性的优点， 因而具有极其广泛的应用前景。 虽然人类能够毫不费力地识别出人脸乃至表情，但人脸的机器识别却是个难度极大的课题。首先人脸是一个三维的非刚体的不规则表面；其次，人脸会随着年龄、健康以及表情的变化而变化；再次，在采集人脸图像时，不同的光照，角度都会影响人脸识别地准确度。由于人类大脑对人脸识别的机制尚不可知，机器人脸识别还处于摸索与创新的阶段，并且涉及到计算机视觉、模式识别、生理学和心理学等多方面的诸多知识。所有这些因素都是的人脸识别成为极具挑战性， 却又十分具有价值的一个课题。 人脸自动识别系统 一个典型的人脸识别系统主要包括训练过程和识别过程。训练过程主要完成将已知人脸进行定位、特征提取与选择、以及分类器的设计；识别过程则完成将未知图片进行处理，并最终识别出身份的分类和决策。其总体结构如图 1.1 所示： 已有人脸库 已有人脸库 获取图像 人脸检测定位 人脸检测定位 图像预处理 图像预处理 特征提取与选择 特征提取与选择 训练 识别 给出身份 图 1.1 典型人脸识别系统的总体结构 从图中可以看出，其主要功能模块包含如下几个部分： 图像获取：人脸图像数据源包括运动图像序列（视频流）和静止图像。主要可以通过扫描仪，数码照相机，摄像头等数字输入设备获取。 人脸检测定位：该模块用来分析输入的图像，判断其中是否有人脸， 如果有，则找出人脸的位置，并把人脸图像从背景图像中分离出来。 图像预处理：预处理的主要作用在于尽可能的使得人脸图像处于同一尺度和标准，最终为后续处理提供高质量的输入图像。通常这部分需要完成对抽取图像的尺度归一化、灰度归一化、降噪、去光照、白平衡等功能。 特征提取和选择：对于处理后的人脸图像按照某种策略抽取出用于识别的特征，将原始的脸空间映射到新的特征空间。在此步骤中，不仅注重如何提取具有良好分离性能的特征数据，还必须考虑到整体算法的鲁棒性和处理效率等应用指标。 训练：即分类器的设计。此过程主要生成可用于识别的参数。通常， 在已有的样本训练集基础上确定某个判定规则，使得按此规则对被识别对象进行分类所造成的错误识别率最小或者结果期望最大。 识别：通过比对获得的未知人脸参数和训练所得的参数完成人脸的分类和判别，给出识别结果。 本文的安排 在论文的组织和安排上，本论文按照内容共分为五章： 第一章，人脸识别系统综述。着重介绍了人脸识别的研究对象、研究意义、研究难点以及典型人脸系统的组成。 第二章，基于 Gabor 特征抽取和