1、中 文 摘 要I本科毕业论文（20 届）基于 MATLAB 的人脸识别系统设计所在学院 专业班级 自动化 学生姓名 学号 指导教师 职称 完成日期 年 月 中 文 摘 要II摘 要MATLAB 以强大的科学计算与可视化功能、简单易用、开放式可扩展环境成为当今最优秀的科技应用软件之一，针对不同学科领域都有不同的工具箱支持，使得它在许多科学领域中成为计算机辅助设计和分析、算法研究和应用开发大的基本工具平台。主 成 分 分 析 （ Principal Component Analysis ， PCA） 是 一 种 掌 握 事 物主 要 矛 盾 的 统 计 分 析 方 法 ， 它 可 以 从 多 元
2、事 物 中 解 析 出 主 要 影 响 因 素 ， 揭 示事 物 的 本 质 ， 简 化 复 杂 的 问 题 。 人 脸 的 全 局 表 达 方 式 是 一 种 十 分 有 效 的 人脸 识 别 方 法 。 它 是 图 像 压 缩 中 的 一 种 最 优 正 交 变 换 ， 在 数 据 空 间 找 一 组 向 量以 尽 可 能 解 释 数 据 的 方 差 ， 实 现 数 据 的 降 维 ， 使 数 据 更 易 处 理 。BP 神 经 网 络 是 一 种 单 向 传 播 的 多 层 前 向 网 络 ， 是 一 种 有 导 师 监 督 学 习算 法 。 它 能 够 实 现 一 种 特 殊 的 非
3、线 性 映 射 ， 将 输 入 空 间 变 换 到 由 输 出 所 张 成的 空 间 ， 使 得 在 输 出 空 间 的 分 类 问 题 变 得 简 单 易 行 。本论文首先对 PCA 主成分分析方法进行了阐述，然后探讨了 BP 神经网络的集成识别方法，最后实现了基于 MATLAB 的人脸识别系统。关键词：MATLAB，人脸识别，PCA 主 成 分 分 析 ，BP 神经网络目 录IIIAbstract MATLAB with a strong scientific computing and visualization capabilities, easy to use, open and s
4、calable environment to become one of the best scientific and technological applications, has a different toolbox support for different disciplines, making it in many fields of science in computer-aided design and analysis, algorithm research and application development tool platform.The principal co
5、mponent analysis (Principal Component Analysis, the PCA) is the method of statistical analysis of the principal contradiction of a grasp of things, from diverse things, it can parse out the main factors to reveal the nature of things, to simplify complex issues. The global expression of the face is
6、a very effective method of face recognition. It is the image compression in an optimal orthogonal transform , to the extent possible, explain the variance of the data in the data space to find a set of vectors, the dimensionality reduction of the data, make data easier to handle.BP neural network is
7、 a one-way transmission of multi-layer forward network, is a mentor supervised learning algorithm. It can achieve a special kind of nonlinear mapping the input space is transformed by the output into the space, makes the classification problem in the output space becomes simple. This paper first des
8、cribed the PCA principal component analysis method, then discusses the integration of BP neural network identification method, the final realization of the face recognition system based on MATLAB.Keywords：MATLAB, face recognition, PCA principal component analysis, BP neural network目 录IV目 录摘 要 .IAbst
9、ract .II目 录 .II第一章 绪 论 .11.1 研究背景 .11.2 国内外研究现状 .31.3 论文的主要任务 .4第二章 基于 PCA 主成分分析的人脸图像特征提取 .62.1 经典主成分分析方法 .62.1.1 K-L 变 换.62.1.2 PCA 方法 .82.2 特征脸 法 .102.3 本章小结 .10第三章 基于 BP 神经网络的人脸特征分类与识别 .123.1 BP 神经网络的算法及实现方法 .123.1.1 基本 BP 神经网络的学习算法.123.1.2 神经网络综合优化学习训练算法143.2 BP 神经网络的参数 .173.2.1 隐含层数目的确定 .173.2.
10、2 选取隐含层内节点数目的方法 .183.2.3 激活函数的选取 .193.3 基于动态权值的 BP 神经网络的集成 .193.4 集成 BP 神经网络的训练与识别过程 .20目 录V3.5 本章小结 .21第四章 图像处理的 MATLAB 实现 .224.1 与人脸识别相关问题的概述 .224.2 人脸识别的实现方法 .224.2.1 人脸图像的获取 .224.2.2 人脸图像预处理 .224.2.3 人脸表征 .244.2.4 关于人脸检测的问题 .254.2.5 人脸判定 .264.3 本章小结 .27第五章 结 论 .28参考文献 .29致 谢 .31附录 .32附录一 .32附录二
11、.33附录三 .34附录四 .37第一章 绪 论- 1 -第一章 绪 论1.1 研究背景人脸识别技术是一种基于生理特征的识别技术，通过计算机提取人脸特征，并根据这些特征进行身份识别和验证的一种技术。与其他生物识别技术（如指纹识别，虹膜识别）相比，同样的具有唯一性和不容易被复制性，并且操作简单、结果直观，拥有良好的隐蔽优势。因此，人脸识别技术在信息安全领域，刑事检测，访问控制，具有广阔的应用前景。在 1888 年，高尔顿在“自然”杂志上表了第一篇关于利用人脸进行识别的文章，人脸识别在近年来的研究历史悠久，涌现出了很多新技术和新方法，每年都有大量的学术论文发表，也有很多成熟的人脸识别商业系统出现。
12、目前，非理想的成像条件（如照明和姿势）、对象不配、大规模人脸数据库上的人脸识别问题成为主要的研究方向。而非线性建模方法、统计学习理论、基于 Boosting 的学习技术、基于 3D 模型的人脸识别建模与识别方法等逐渐成为备受重视的技术发展趋势。现有的人脸识别系统在用户配合、采集条件较适合的情况下可以取得理想的效果。但是，如果在用户不配合，采集条件不理想的情况下，如存在光照恶劣，有遮挡，图像分辨率低等情况，系统的识别率将骤然下降。因此，要将人脸识别技术应用到实际中还存在着诸多挑战性的问题需要解决：1）在复杂的条件人脸检测和关键点定位。2）光照变化和姿态。3）表情问题4）遮挡问题5）年龄变化问题6
13、）低质量的照片7）大规模人脸识别8）样本缺乏的问题第一章 绪 论- 2 -9）大量的数据10）人脸信息采集设备问题通常上述问题并不是单独作用，其中许多是自然组合的，如照明和表情问题同时出现，将进一步加大问题的难度。人脸识别是一个跨学科的挑战性的课题，它是在涉及数字图像处理、计算机视觉、信号处理、模式识别、人工智能等多学科，发展迅速，取得了丰硕的研究成果，但仍有许多如图像背景复杂、有许多类似人脸的一部分的问题有待于深层次的研究。在人脸识别中的困难在于，人脸是非刚体对象，并且同年龄的增长而变化，难以完全描述其特性；人脸可能有很多遮挡物，如胡须、眼镜等;环境光线强度和观察角度有变化;发展缓慢的人脸自
14、动识别技术，已成为迫切需要解决的脸部识别技术的问题。人脸识别原理如下图 1-1 所示：图 1-1 人脸识别原理图人脸识别的一般过程如图 1-2 所示：图 1-2 人脸识别的一般过程输入图像的部分，是负责获取图像，并转换成一个可以处理的格式；预处第一章 绪 论- 3 -理部分为人脸图像的提取之后做尺度和灰度的归一化，使不同的图像在大小和亮度方面统一；特征提取部分按照相关提取算法从正规化后的图像中抽取图像的识别特征；人脸识别部分进行分类和鉴定之后得出结果。1.2 国内外研究现状人脸自动识别（automatic face recognition，AFR ）的论文最早在 1965 年的Panorami
15、c Research Inc.一份研究报告中出现，作者为 Chan 和 Bledsoe，有超过40 多年的历史。近年来的研究已经非常发达，几乎所有知名的理工科大学和知名的 IT 产业公司都有从事人脸识别的研究小组。下面将 AFR 的研究历史按照研究内容、技术方法等方面的特点大体划分为三个阶段，如表 1-1 所示。表 1-1 AFR 的研究历史 1阶段 19641990 19911997 1998现在主要特征作为一般识别问题研究，基于特征的方法是主流重点是较理想条件下，用户配合、中小规模数据库上的识别问题；基于表现的子空间分析和统计方法是主流重点是非理想条件下、用户不配合、大规模数据库的识别问题
16、；3D 和非线性是趋势特征脸 光照锥技术已知的最早的 AFR 研究论文 基于特征的方法与模板的方法对比 支持向量机用于人脸识别首个半自动人脸识别系统 美国 DARPA 启动 FERET 测试项目 3D 可变形模型第一篇 AFR 方面的博士论文局部特征分析（LFA）人脸识别方法发展成为 Visionics 公司 FaceIt 商业系统基于 AdaBoost 的人脸检测技术基于双子空间的贝叶斯概率学习 流行学习 ISOMAP，LLE 7基于剪影分析的人脸识别系统 人脸识别研究综述 朗伯反射与线性空间分析Fisher face 基于商图像的识别方法弹性图匹配技术 人脸检测综述代表性的人脸识别技术与方
17、法及其关键性事件和作品人脸的低维表示ASM/AAM FRVT2000,2002,2006 测试基于特征的方法 基于模板的方法 基于神经网络的识别方法 基于表现的 2D 人脸子空间分析与统计学习方法线性模型方法 分析流形分析技术技术特点基于 2D 图像模型的人脸识别 基于 3D 图像模型的人脸识别1Suppor Vector Machine,支持向量机；2 美国国防部高级研究计划局（署） ；3Face Recognition Technology Test，一个由美国国防部反毒品技术发展计划办公室资助的项目；4 Local Feature Analysis，局部特征分析；5 一种采用多分类第一章
18、 绪 论- 4 -器级联的分类器设计方法；6 一种有效的基于流形理论的非线性降维方法；7 Locally Linear Embedding，一种非线性降维方法；8 基于 Fisher 线形判别分析方法的技术，是一种经典的人脸识别方法；9 Active Shape Model/ Active Appearance Model，主动形状模型/主动外观模型；10 Face Recognition Vendor Test，美工国防部有关部门进一步组织的针对人脸识别商业系统的评测 2在国内，从 20 世纪 90 年代后期开始，许多研究机构的研究组开始研究，有代表性的研究性机构包括清华大学计算机科学系，哈
19、尔滨工业大学中科院计算机科学研究所，中山大学等，取得了一系列的成果，很多不同的应用软件随之出现。尽管如此，识别效率和识别精度仍然很低，在实际应用中仍然需要改进。在理论研究不断深入的情况下，必定有更多的人脸识别技术得到应用。人脸识别的识别方法大体可分为两类：分离的、基于局部方法和整体的、基于全局特征方法。局部方法要先抽取离散的局部特征作为人脸识别的索引作为度量，然后用标准模式识别的技术来完成识别。全局的方法则把整个人脸作为一个全局的描述。一般的常用模版匹配策略，主要方法是互连方法、主元分析（PCA ） 、后向反馈的神经网络算法以及奇异值分析（SVD）方法等。他们的主要特点是计算量比较大、对人面的
20、姿态、大小以及光照条件非常的敏感。1.3 论 文 的 主 要 任 务人 脸 识 别 在 生 物 识 别 技 术 中 是 一 个 非 常 活 跃 的 领 域 。 主 成 分 分 析 方 法 是图 像 压 缩 中 的 一 种 最 优 正 交 变 换 ， 在 数 据 空 间 找 一 组 向 量 以 尽 可 能 解 释 数 据的 方 差 ， 实 现 数 据 的 降 维 ， 使 数 据 更 易 处 理 。 BP 神 经 网 络 是 一 种 单 向 传播 的 多 层 前 向 网 络 ， 是 一 种 有 导 师 监 督 学 习 算 法 。 它 能 够 实 现 一 种 特 殊 的 非线 性 映 射 ， 将 输
21、 入 空 间 变 换 到 由 输 出 所 张 成 的 空 间 ， 使 得 在 输 出 空 间 的 分 类问 题 变 得 简 单 易 行 。 论 文 主 要 以 PCA 主 成 分 分 析 的 方 法 来 实 现 人 脸 识 别 。论文分为五章：第一章简述了人脸识别的发展历史及现状，阐述了主要的内容和研究方向。第二章研究了基于主成分分析的人脸图像特征提取，阐述了主成分分析第一章 绪 论- 5 -PCA 的提取算法。第三章是基于 BP 神经网络的人脸特征分类与识别，研究了 BP 神经网络的算法。第四章是人脸系统的具体实现步骤，介绍了人脸识别具体的实现方案。第五章是对本论文工作的总结，在进行整个课题的过程中的收获和感悟。
