1、毕业设计文献综述题目基于神经网络的人脸识别系统设计专业电子信息工程1前言人脸的识别是基于生物特征识别技术的一种主要方法。早在1888年和1910年，高尔顿在NATURE杂志内发表了2篇关于通过人脸进行身份识别的文章，而且对人类自身的人脸识别能力也进行了分析。自1990年之后，人脸识别得到了空前的发展，许多理工科大学和IT产业公司都开始对此进行了研究，通过对人脸图像的检测标准化，然后进一步分析人脸的表征，提取人脸的特征，识别人脸，最后输出相应的符号。人脸识别其实是基于光学的人脸图像的身份识别和验证，通过属性分离、特征提取、分类判断得到最后的结果。神经网络是由大量的神经元相互连接而成的的，是一个自
2、适应的动态系统，而神经元是人工神经网络中的基本元件，人工神经网络从某种角度模仿、简化和抽象了人脑功能的若干基本特征。从脑神经元学说之后就有了人工神经元的研究。1943年开始一直到现在，神经网络一直不断的发展，虽然中间也遇到不少挫折，但是仍然得到了突破性的发展。神经网络技术不仅是在人工智能、自动控制、计算机科学、信息处理等方面有很大突破，而且也在机器人、模式识别、CAD/CAM方面也有发展。MATLABE则是一款功能强大的信号处理软件，是交互性非常好的可视化工具，里面还有各种的工具箱，可以通过对文件编程和连接，完成各种高难度的计算和转化识别。通过人工神经网络系统、人脸识别技术与MATLAB软件三
3、者相结合，来完成神经网络的人脸识别系统。人脸识别是实现的内容,神经网络则是实现这个任务的具体技术，通过MATLABE软件的综合实现完成最终的识别。2主题21研究背景及意义人工神经网络的发展已经有一段比较长的历史了，据MATLAB神经网络应用设计的记载，它的发展有过两个高潮，第一次热潮开始于1943年，著名心理学家WMCCULLOCH、数学家WPITTS、HEBB开创了神经科学理论研究时代。之后相继有了更大的发展伺服电机反馈自稳定系统、模拟人脑感知和学习能力的感知器概念、神经元网络方程、自适应线性元件等等，大家对神经系统表现出来的好奇心大大的推动了神经网络的发展，一直到1969年，这段时间的发展
4、科学家们为此作出了巨大的贡献。之后进入了一个低潮，据董长虹所编著的MATLAB神经网络应用设计所叙述20世纪60年代到70年代是神经网络发展的低潮时期，主要是因为人们发现了神经网络的传感器存在很多缺陷，并不能象所预期的正确的测试出我们所要的结果。但是这中间也一定发展自组织映射、神经认知机网络理论、BSB模型、BP理论等等。第二次高潮是在20时间80年代，就是在1982年提出“HOPFIELD”一个非线性动力系统的理论模型之后，神经网络有了巨大的发展，之后又有了大规模并行网络学习机（隐单元）、NETTALK程序系统、杂志神经网络、IEEE的神经网络杂志等都不断推动了。在这过程中，有高潮有低潮，神
5、经网络的研究有三个大的方向一个就是原来神经网络理论的初衷，探索人脑神经系统构成体系；一个是新的电脑领域所关注的问题，用微电子学或者光学器件形成的特殊功能的网络；另一个未来仍需要更多发展的领域，即当一些传统的方法解决不了某些问题时，将神经网络理论作为一种解决问题的方法手段。如今神经网络理论的应用已经在当今社会有了很大的发展，自从IEEE的神经网络杂志出现后，各种杂志层出不穷，神经网络技术进入了一个蓬勃发展的时期。神经网络技术不仅是在人工智能、自动控制、计算机科学、信息处理等方面有很大突破，而且也在机器人、模式识别、CAD/CAM方面也有发展。研究内容相当的广泛，是多种学科交叉技术领域，生物原型研
6、究、建立理论模型、网络模型与算法研究、神经网络应用系统这四个内容中有重要的体现。而其主要的研究领域和网络应用有A模式识别和图像处理（印刷体和手写字符识别、语音识别、签字识别等）B控制和优化（化工过程控制、机器人运动控制、家电控制、半导体生产中参杂控制等）C预报和智能信息管理（股票市场预测、地震预报、交通管理）D通讯（自适应均衡、回波抵消、路由选择等）E空间科学（空间交会对接控制、导航信息智能管理、飞行程序优化管理）神经网络技术在这些方面的不同应用给我们的生活、科学技术、通讯、交通等各方面都带来了不同的发展，虽然神经网络的理论研究和实际应用都还存在很多需要探索和发展，但是更加有许多地方已经离不开
7、神经网络科技术的应用。其中有个HOPFIELD神经网络，是一种反馈神经网络，并且还具有联系记忆。在运行过程中会对网络进行初始化，初始化之后可以从网络系统之中随机的选取一个神经元并按照公式计算出神经元的输入和输出，与此同时网络中的其他神经元系统将会保持不变。然后去判断网络有没有到达稳态，到了稳态之后则结束循环，没有到达则继续循环以上步骤。这个系统有反馈功能，可以更加清楚的知道系统的结果。同时，神经网络技术也会在将来的社会中也会有更大的发展和应用。据现在的观察和展望，表明纹理识别算法、3D变形模型、混合模型、多特征融合、多分类器融合等应该会有很大的发展空间。另外对于人脸的不同角度透视和能量分析，高
8、精度的特征提取，系统具体的识别分析，也都是有一定发展的空间的。每一个领域都不会完全发展到极致，总是需要更多的新鲜血液注入发展。而人脸的识别是基于生物特征识别技术的一种主要方法。早在1888年和1910年，高尔顿在NATURE杂志内发表了2篇关于通过人脸进行身份识别的文章，而且对人类自身的人脸识别能力也进行了分析。自1990年之后，人脸识别得到了空前的发展，许多理工科大学和IT产业公司都开始对此进行了研究，通过对人脸图像的检测标准化，然后进一步分析人脸的表征，提取人脸的特征，识别人脸，最后输出相应的符号。人脸检测、人脸表征、人脸识别是人脸识别的主要内容。可想而知，人脸识别与传统的指纹匹配、声音识
9、别等具有很多优点不需要使用者的配合，非接触式采集，事后跟踪能力强，更加符合人类的识别习惯，设备通用简单，容易被接受，操作隐蔽、适合改善人机界面。但是人脸的识别和检测也受很多因素的影响姿态、装饰、遮挡、背景、人类表情、成像条件、年龄跨度等。因此这种技术先进仍需要各方面的改进，才可以更加精准的应用于我们的社会发展。其中有一步非常关键就是特征提取部分，在正规化后的人脸图像中按照一定的规律方法抽取出用来识别的特征，并将原始的脸空间中的数据映射到特征空间，在测量空间和特征空间中，通过变换把高维的测量空间中的模式变为低维的测量空间模式。低维中的样本相当于一个点然后可以输入到我们所设计的系统中进行识别。本次
10、研究的目的是为了对ORL中的人脸进行识别，通过应用人工神经网络这个技术处理和MATLABE的计算实现，最终完成基于神经网络的人脸识别系统设计。22国内外研究现状目前在我们所意识到的人脸识别系统与应用的最高学术水平中，最能反映人脸识别测试的是FRVT2002这个测试使用的数据库规模已经达到了37437人，一共是121589幅图像，其中有很多的人脸识别商业的系统公司都参加了此次评测。有HCINT（高计算强度）和MCINT（中等计算强度）两种测试，并且图片也是由DOS美国国务院的领事事务局签证服务处提供，具有很强的公平公、开性。对于这些图片还有几个共同点每人至少三幅签证照；图像质量高，所采集环境相对
11、一致。所以FRVT2002是人脸识别任务性能包括身份认证、闭集识别和开集识别。从九十年代中期开始，计算所哈工大的人脸识别联合研究组开始了对人脸识别的研究，之后在2000年5月在成都银晨网讯创立了国内第一家专门从事脸部识别核心技术研究的开发实验室（ICTISVISION面像识别联合实验室）。研究队伍不断的壮大，慢慢与国际发展接轨，自从1998年人神经网络发展之后，人脸识别系统也有了很大的发展。联合实验室也取得了一定的成果，主要有新算法、改进算法（1）性能比美国DARPA组织（FERET97）的最近一次人脸识别比赛的最好结果还要好。（2）跟在美国NIST组织的最近一次人脸识别系统的比赛中（FRVT
12、2002）取得了第一的FACEVACS系统性能（COGNITEC公司）基本都接近，并且在光照子库上的性能还明显的超出了COGNITEC公司。（3）并且在中国的第一届生物特征识别评测比赛（BVC2004）中，以相当的优势取得了第一名的成绩。在系统应用和成果转换的方面，有许多的新成果会议身份认证（识别）系统、银行智能视频监控系统、面像识别考勤门禁系统、嫌疑人面像比对系统等多种的产品；在基础的数据建设方面也手机了万人以上的人脸数据库（CASPEAL），公布的人脸图像数据库有3万多幅（CASPEALR1）,被国内外的很多单位使用；申请的各种专利有二十六项，其中有八项已经获得了授权，软件著作权有十一项。
13、产品被国家所承认，而成果转化的各种产品也在公安和金融等领域得到了推广，取得了经济和社会的各方面的效益。人脸识别是一个很有科学研究价值和很有应用前景的研究课题；神经网络更是一个应用广泛、充满神秘未知的研究课题；将两者有机的结合，应用于我们的工作定会获得更大的成就。为了未来有更大的发展，只有不断的努力才能在算法和系统两方面超越我国的前人，超越国际的发展，在世界中引领科技的新潮。3总结综上所述，在从ORL内提取人脸之后并且将人脸规范化、再从特征提取、软件识别、通过输入系统和中间处理层处理、输出最后的识别结果。在软件设计部分中，要进行单层的设计和多层的设计，并且要进行连接，构成一个分层网络。神经网络系
14、统是一个多输入单输出的网络结构。在神经网络的工具箱中提取相应的工具，进行编程实验。最重要的环节就是对人脸特征的提取和对特征分析，之后如果系统的设计无误，那么输入所提取的特征之后就会得到相对的人脸识别的结果。而神经网络技术不仅仅只是在也人脸识别上有顺利的应用，在的社会中的其他地方也会有很大的作用的发展。在人工智能、自动控制、计算机科学、信息处理等方面一直被研究应用，而且也在机器人、模式识别、CAD/CAM方面也有发展潜力。我认为，神经网络技术在未来还是有很大的发展前景的，前人对其的突破发展和现在生活的发展需要都对不断推动整个神经网络研究队伍的扩大起到了重要的作用，同时基于神经网络的人脸识别系统，
15、也可以得到一定的提高。人脸的识别由于其更容易识别、更容易应用、更容易接受的特点，已经在人类对生物的识别中受到了广泛的认识和传播。在第17届国际人脸识别证实（FAT2004）测试会议中,我国清华大学的模式识别方法被评为性能最佳的人脸证算法。人脸识别是实验的最后目的，对于我们初学者来说，还是充满很多疑问的，简单的人脸识别让我对整个生物的识别都起了巨大的兴趣。在很多问题上，人脸识别具有不可取代的重要作用，例如在现在的犯罪侦查上就使侦破速度有了空前的突破。当然，作为我们大学生更应该为未来的科学发展做出自己的贡献。4参考文献1段锦,人脸自动机器识别M,科学出版社,200912王志良,孟秀艳,人脸工程学M
16、,机械工业出版社,200873董长虹,MATLAB神经网络与应用M,国防工业出版,200514田景文,高美娟,人工神经网络算法研究及应用M,北京理工大学出版社,20065焦李成,刘芳,神经网络理论学习、识别与计算的现代途径J,计算机科学,1989,26焦李成,刘芳神经网络研究的进展和展望J电子学报1990,17甘俊英,张有为基于BP神经网络的人脸识别J,系统工程与电子技术,2003,2518巫影,朱石坚等,神经网络综述J,科技进步与对策,2002,196,1331349王守觉,多值和多阈值神经元及其网络组合与应用,电子学报,1996,3（3）1610ZHAO,W,CHELLAPPA,RETCF
17、ACERECOGNITIONALITERATURESURVEYJACMCOMPUTINGSURVEYSVOL35NO4200339945811APARAMETERIZEDFACEM,DEPTOFELECTRICALENGINEERING,198712SIMULATIONOFFACIALMUSCLEBASEDONRATIONALFREEFORMDEFORMATIONSM,199213ZHAO,W,CHELLAPPA,RETCDISCRIMINANTANALYSISOFPRINCIPALCOMPONENTSFORFACERECOGNITIONJPROCOFAFGR199833634114PENEV,PANDATICK,JLOCALFEATUREANALYSISAGENERALSTATISTICALTHEORYFOROBJECTREPRESENTATIONJNETWCOMPUTATNEURALSYSTVOLJ7199647750015WISKOTT,L,FELLOUS,JMETCFACERECOGNITIONBYELASTICBUNCHGRAPHMATCHINGJIEEETRANSONPAMIVOL191997775779
