人脸识别系统地分析研究与-实现.doc

1、#*毕业设计（论文）人脸识别系统的研究与实现学院（系）： 专业班级： 学生姓名： 指导教师： #*摘要人脸识别技术是包括人脸检测技术和人脸身份认证技术在内的识别技术。人脸检测技术是根据所获得的视频或者图片信息，利用图像处理和计算机视觉图像算法，从图像中判断是否有人脸，并给出存在人脸的数量和位置；人脸身份认证技术是通过脸与脸的匹配识别人脸的身份。论文研究了人脸识别的基本原理和算法，分析了人脸识别系统的需求，设计了人脸识别系统的总体框架和主要功能模块，包括图像获取功能、图像预处理功能、人脸跟踪定位功能和人脸识别等。直接使用 VS2010 调用 OpenCV 库的视频捕获和图像处理函数获取图像并进行

2、图像预处理，利用基于 Adaboost 算法的人脸检测算法进行人脸检测，并将人脸特征标记出来，实现了一个人脸检测系统。最后根据 EHMM 人脸识别算法，设计并实现了一个人脸识别软件系统，并结合已有的人脸数据库，对系统进行了实验仿真，实验结果表明本文设计的人脸识别系统是稳定的，并具有良好的人脸识别率。关键词：人脸识别；特征提取；C+；VS2013；图像预处理#*AbstractFace recognition technology is a technology which includes face detection technology and face authentication te

3、chnology. Face detection technology is based on video or image information obtained to judge whether there is a face in the image by using image processing and computer vision algorithms, and show the number and position of the face. Face authentication technology is by face match to recognize the i

4、dentity of the face.The basic principles and algorithms of face recognition are studied in the dissertation, and the demand for face recognition system is analyzed. The overall framework and the main functional modules of face recognition system is designed, which includes image acquisition function

5、, image preprocessing function, face tracking and positioning function,face recongnition functiong and so on. A face detection system is developed, to implement the real-time video face detection tracking. The basic principles of the Adaboost face detection algorithm and the Hidden Markov Model-base

6、d recognition algorithm is described.VS2010 is used to call video capture and image processing function of OpenCV to get and preprocess the image. And then face detection algorithms based on Adaboost algorithm is used to detect the human face and implemented a face detection system to track and posi

7、tion the face.Finally,designed and implementated a face recognition software system with the HMM face recognition algorithm.Combining with the existing experimental face database,simulated the system. Experiment results showed that the design of the face recognition system is stable, and it also has

8、 good recognition rates.Key words: Face Recognition; Feature Extraction; HMM Algorithm; Image Pre-processing; Adaboost Algorithm#*目录第 1 章 绪论 .11.1 人脸识别的研究背景和意义 .11.1.1 研究背景 .11.1.2 研究意义 .21.2 国内外人脸识别技术研究现状 .21.3 本文所做的主要工作及论文内容安排 .31.3.1 本文所做的主要工作 .31.3.2 论文内容安排 .4第 2 章 人脸识别技术的综述 .52.1 人脸识别技术的基本原理 .5

9、2.2 人脸识别技术包含的内容 .52.2.1 人脸检测 .52.2.2 人脸识别 .72.2.3 人脸图像的预处理 .82.2.4 人脸跟踪定位 .112.2.5 人脸特征提取 .122.3 基于 ADABOOST 算法的人脸细检测 .132.3.1 Adaboost 算法描述 .132.3.2 Haar 特征与积分图 .152.3.3 基于 Haar 特征的 Adaboost 算法描述 .162.4 基于隐马尔可夫模型的人脸识别方法 .172.4.1 隐马尔可夫模型介绍 .172.4.2 HMM 的三个基本问题 .182.4.3 HMM 人脸模型 .202.4.4 隐马尔可夫模型训练 .2

10、12.5 基于嵌入式隐马尔可夫模型的人脸识别方法 .23#*2.5.1 嵌入式隐马尔可夫模型 .242.5.2 最佳状态链的确定 .252.5.3 概率 的计算 .25|OP2.5.4 EHMM 人脸识别 .262.5.5 EHMM 模型训练 .272.6 人脸识 别的技术难点与发展方向 .282.6.1 技术难点 .282.6.2 发展方向 .293 章 人脸识别系统的需求分析 .303.1 可行性分析 .303.1.1 技术可行性 .303.1.2 操作可行性 .303.2 需求分析 .313.2.1 功能需求分析 .313.2.2 算法需求分析 .31第 4 章 系统的方案设计和实现 .

11、334.1 结构 设计 .334.1.1 人脸实时检测跟踪系统 .334.1.2 人脸识别系统 .344.2 功能设计 .344.2.1 人脸实时检测跟踪系统设计 .344.2.2 人脸识别系统设计 .364.3 人脸实时跟踪 系统功能的实现 .374.3.1 VS2013 与 OpenCV 库简介 .374.3.2 OpenCV 环境配置 .384.3.3OpenCV 中用于图像处理的函数 .384.3.4 基于 OpenCV 的目标检测算法 .394.3.5 人脸检测跟踪的核心算法 .40#*4.4 人脸识别系统功能实现 .414.4.1 人脸数据库简介 .414.4.2 系统框架 .42

12、4.4.3 具体的实验函数分析 .44第 5 章 系统的测试与分析 .465.1 人脸实时检测跟踪系统 .465.1.1 系统测试 .465.1.2 结果分析 .475.2 人脸识别系统 .475.2.1 系统测试 .475.2.2 结果分析 .51第 6 章 总结与展望 .526.1 总结 .526.2 展望 .53参考文献 .54#*第 1 章 绪论1.1 人脸识别的研究背景和意义1.1.1 研究背景早在古埃及时人们就开始通过人体生物特征的测量（如人脸、人手等）来鉴别人的身份，在刑侦领域，人们也早已使用最有效的人体生物特征之一，指纹，来确定罪犯。随着计算机技术的出现，人们开始凭借计算机的强

13、大功能来研究和实现自动的身份鉴别系统。近年来，在美国、欧洲、香港等许多国家和地区的大学都成立了以人体生物识别技术为主要研究方向的实验室或研究中心，同时许多公司也相继先后开发出许多产品，并不断地推向市场，逐步形成一个新兴的、很有希望的产业。在我国，已经涌现出很多专门机构广泛开展人体生物识别技术方面的研究工作，有许多研究人员投身到这一新兴研究领域，开展用于身份鉴别的人脸识别、话者识别、联机签名识别、指纹识别等多项研究工作，并取得了一定的成果。目前，用于个人身份鉴别主要依靠卡（如身份证、工作证、储蓄卡等） 、密码（如进入计算机系统、取款）等手段，而这些手段存在携带不便、密码被窃等诸多问题。例如，信用

14、卡问题：美国每年的信用卡欺诈损失超过数百万美金；在失业救济、健康保险、福利发放等领域，由于冒别人之名而损失极大；使用伪造证件非法移民等。人们希望有一种更加方便可靠的办法来进行身份鉴别，生物特征识别技术给这一愿望带来了实现的可能，人们可能会遗忘或丢失他们的卡片或密码，但绝对不会遗忘或者丢失自己的生物特征，如人脸、指纹、虹膜、掌纹等。因此，基于生物特征识别技术的个人身份识别系统具有更好的安全性、可靠性和有效性，正越来越受到人们的重视，并开始进入我们社会生活的各个领域，迎接新时代的挑战。虽然与指纹识别技术、虹膜识别技术等相比，人脸识别技术更容易受到各种因素的干扰，比如光照、装扮或者是人的表情等，但是

15、人脸识别技术的发展空间和发展前景依然是非常巨大的。可以从以下的三个方面了解人脸识别技术的优势所在：（1）无侵犯性所谓无侵犯性是指在使用人脸识别技术进行识别的过程当中，不需要被识别者的主动参与、积极配合，从而避免了被识别者产生反感、拒绝等逆反心理,使得识别过程可以有效、迅速的执行。（2）自然性好人脸识别技术具有良好的自然性。在这里，自然性是指我们使用的人脸识别技术是#*否与人类用来互相识别区分的方法相似。在日常生活当中，识别一个人最简单最直接的方法就是识别他的脸部。（3）性价比高人脸识别技术所需求的硬件设备，相对于其他生物特征识别技术如指纹识别技术较为简单，不需要其他特殊的外接设备，只需要采用高

16、分辨率摄像头即可。1.1.2 研究意义人脸识别技术的研究无论在理论上还是在实践中都有很大的意义，它涵盖了数字图像处理、神经网络、心理学、生理学、模式识别、计算机视觉以及人工智能等各方面的知识内容，对推动各个学科领域的发展具有重要的理论意义。在公安、金融、网络安全、物业管理以及考勤等各种领域也都有着巨大的应用价值。如人脸识别技术可以快速地计算出实时采集到脸部数据与人脸图像数据库中已知人员的脸部数据之间的相似度，返回鉴别结果和相对应的可信度。如应用面像捕捉，人脸识别技术可以在监控范围中跟踪一个人并确定他的位置。如在商场、银行、交易所等和金融相关场所，加以人脸识别智能监控，排除不法分子的侵入。利用人

17、脸识别技术，可以进行计算机的登录控制，可以进行应用程序安全使用、数据库安全访问和文件加密，可以实现局域网和广域网的安全控制，可以保护电子商务的安全性。如门禁控制，通过摄像机动态捕获人脸,将人脸信息同数据库中的人脸信息进行检索对比,只有图像信息符合的人才可以进入,否则拒绝进入。在日常生活中，人们识别周围的人用的最多的是人脸。由于人脸识别的非侵犯性，具有直接、友好、方便的特点，是人们最容易接受的身份鉴别方式。1.2 国内外人脸识别技术研究现状模式识别技术 5早在上个世纪 60 年代就已经有人提出，由于当时计算机处理速度的限制，只能从理论上证明是可行的。20 世纪 90 年代以来，随着高速度高性能计

18、算机的出现,人脸识别方法有了重大突破，进入了真正的机器自动识别阶段,人脸识别研究也得到了前所未有的重视。欧美等各高校都建立了人脸识别的实验室，其中著名的大学包括麻省理工学院（MIT） 、卡内基梅隆大学（CMU）等。在美国主要有麻神理工学院等研究实验室提出的特征人脸对特征空间的投影来实现；在法国已经把人脸识别身份认证技术应用到自助取款机上，在实际使用时需要用一台 3D 摄像机，采集人的立体影像来鉴定身份。目前，美国许多研究小组相继投入到人脸识别方面的研究工作，他们的研究工作得到了美国军方、警方和大公司的资助，进展迅速。美国军方更是在每年组织人脸识别大赛(FERT)，以促进人脸识别的研究。日本 s

19、ony 公司最新推出的数码相机已经整合了人脸自#*动识别功能，在拍照时，可以自动检测出人脸区域并进行对焦，并且还具有识别笑脸的功能，能够自动检测出笑脸。2007 年 3 月，美国 NIST 报告了 2006 年人脸识别供应商评测（FRVT2006 ）结果，对控制光照条件下的极高分辨率正面人脸图像，最小错误接受率为 0.001 时，最小错误拒绝率已达到 0.01，对高分辨率、低分辨率下的正面人脸图像的识别，这个数据也分别达到了 0.021 与 0.024。在一定条件，有些技术甚至超过了人类的人脸识别力。国内对于人脸识别的研究较之国外稍晚一些，但是发展速度很快，同时，国家对人脸识别技术的研究也给予

20、了高度的重视。九十年代中后期以来，国内众多研究机构的研究组在国家自然科学基金、863 计划等资助下开始对人脸识别进行了研究。其中，具有代表性的人脸识别系统有：清华大学电子系丁晓青教授研究小组开发的 THfaceID 系统；中国科技大电子科学与技术系庄镇泉教授研究小组开发的人脸识别考勤系统（KD-Face2.0） ；中科院计算所高文研究组开发的 GodEye 系统；清华大学电子系苏光大教授研究小组开发的大型人脸综合识别系统；中科院自动化所李子青研究小组开发的人脸识别系统等。2008 年，在北京奥运会及残奥会开闭幕式，使用了由 CBSR 研制的人脸识别技术进行实名制门票查验。在奥运会及残奥会开闭幕

21、式中，约 36 万人次经过了人脸识别系统的验证后进入开闭幕式现场。为奥运会的安保工作做出了巨大的贡献，该技术拥有完全独立自主的知识产权，人脸识别系统的性能优良，在国际上亦处于领先地位。2011年 1 月，由台湾政府资助开发出了新型的人脸识别自动售货机，该机器可以应用在某些特殊商品的销售领域中，如保健产品、面膜、剃须刀等，该人脸识别自动售货机可以根据消费者面部的特征向其推荐特定的商品。同时，人脸识别技术也可以帮助解决很多社会问题，比如，目前的解救乞讨儿童的公益活动。其中，以中科院自动化所免费提供人脸识别相关的技术支持，并与多个网络平台合作尽快的付诸于实践。1.3 本文所做的主要工作及论文内容安排

22、1.3.1 本文所做的主要工作本文针对实时视频的人脸检测跟踪与静态图像的人脸识别展开研究，介绍了一种开放源代码的计算机视觉类库 OpenCV，阐述了该软件的特点及结构，并对其在 VS2010 开发环境下的配置作了详细的说明，然后提出了一个基于 OpenCV 的人脸检测算法 25和基于隐马尔可夫模型的人脸识别方法 24。对人脸识别技术做了详细综述，着重讨论了人脸识别过程中的几个关键性问题，如图像预处理、识别和检测算法等。在分析和借鉴了国内外人脸识别领域研究成果的基础上，结合实际应用的目的，对人脸识别关键技术进行了深入研究，主要工作包含以下几个方面：#*（1）介绍了基于人脸识别的研究背景和意义，总

23、结了现有的人脸识别的方法，分析比较了它们的特点以及存在的问题。（2）对人脸检测和识别过程中的静态图像预处理技术和特征提取技术展开讨论，重点分析了图像的灰度变换、直方图均衡化、边缘检测等问题。（3）对国内外人脸检测的 Adaboost 算法和人脸识别的隐马尔可夫算法的研究进行了跟踪，提出了一种基于 Adaboost 的人脸检测算法，和一种基于嵌入式隐马尔可夫模型的人脸识别算法，并对算法进行的实验测试进行分析，实验结果表明文章中提出的算法具有较好的人脸检测和识别的准确率。（4） 从应用的角度出发，结合前面两章的研究成果，设计并实现了一个人脸检测跟踪系统和一个静态人脸图像识别的人脸识别系统。基本思想

24、是：利用文章中提出的的Adaboost 算法先检测出候选的人脸区域，再根据特定的算法提取出面部的人脸特征，确定并标示出人脸的位置；另外利用嵌入式隐马尔可夫模型算法开发了一个人脸识别系统进行人脸识别。文章进行了大量的实验测试，并对测试结果进行了分析。1.3.2 论文内容安排针对研究内容，本文的结构安排如下：第一章为绪论，介绍了人脸识别技术研究的背景及意义和国内外的研究现状。第二章为人脸识别技术的综述，分析了人脸识别的基本原理和方法，重点讨论了人脸识别中的关键算法，指出了现在人脸识别技术的研究难点。第三章为人脸识别系统的需求分析，分析了算法需求和功能需求，为系统的方案设计做好准备。第四章为人脸识别系统的方案设计和实现，给出了系统的总体设计方案和各个功能模块的设计，详细阐述了整个系统和各个模块的实现过程。第五章为人脸识别系统的系统测试，阐述了系统的功能测试和测试结果。第六章为总结与展望，阐 述 了 自 己 论文的主要成果和仍需要做的改进。