发布时间 : 星期四 文章基于PCA算法的人脸识别系统设计毕业设计更新完毕开始阅读6101f707842458fb770bf78a6529647d2628344f
Face recognition based on PCA algorithm system design
Abstract:In recent years, the development trend of face recognition in domestic many fields. For example: family security doors, institution of attendance, the public security system, criminal identification, face pay, face unlock, etc. It the recognition method with artificial intelligence category.PCA algorithm face recognition is proposed in this paper. Mainly includes the pretreatment of face image location, a 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 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 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 value, 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, for your own comments.
Key Words: Face recognition; Characteristics of the extraction of face; Image grayscale processing; Euclidean distance; The threshold value;
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。
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。
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 信用卡 照片匹配 互联网应用 银行储蓄安全 人群监测
优点 摄像可控
潜在的巨大图像库 信息视频价值高 监控效果好 图像实时性
存在的问题
必须创造一个丰富的数据库 图像质量不统一 存在不实的问题 图像质量差 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：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
→→→ →→→ →→→
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
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。
图2.1 图象的人脸定位
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