1、江 西 理 工 大 学本 科 毕 业 设 计（论文）任 务 书机电工程学院 自动化专业 2005 级（2009 届） 051 班 学生 刘文珍题 目：基于 DCT的人脸识别系统设计专题题目（若无专题则不填）：原始依据(包括设计（论文）的工作基础、研究条件、应用环境、工作目的等)1、工作基础 DCT被认为是性能接近 K-L变换的准最佳变换，变换编码在变换域里视频图像要比空间域里简单，视频图像的相关性明显下降，信号的能量主要集中在少数几个变换系数上，采用量化和熵编码可有效地压缩其数据。而且具有较强的抗干扰能力，传输过程中的误码对图像质量的影响远小于预测编码。通常，对高质量的图像，DMCP 要求信道
2、误码率 ，而变换编码仅要求信道误码率。2.研究条件： MATLAB软件、PC机。3.应用环境 a、企业、住宅安全和管理。如人脸识别门禁考勤系统，人脸识别防盗门等;b、电子护照及身份证。c、公安、司法和刑侦。如利用人脸识别系统和网络，在全国范围内搜捕逃犯。 d、自助服务。如银行的自动提款机，如果用户卡片和密码被盗，就会被他人冒取现金。如果同时应用人脸识别就会避免这种情况的发生。 e、信息安全。如计算机登录、电子政务和电子商务。在电子商务中交易全部在网上完成，电子政务中的很多审批流程也都搬到了网上。而当前，交易或者审批的授权都是靠密码来实现。如果密码被盗，就无法保证安全。如果使用生物特征，就可以做
3、到当事人在网上的数字身份和真实身份统一。从而大大增加电子商务和电子政务系统的可靠性。4.工作目的：采用 DCT和 PCA对灰度图像进行预处理，对图像数据进行特征提取后选用 BP神经网络对图像进行识别。图像分为训练图像和测试图像，通过对训练图像的识别使得神经网络学习图像信息，然后识别测试图像是与原有信息进行对比，从而判断测试图像的类别。主要内容和要求：（包括设计（研究）内容、主要指标与技术参数，并根据课题性质对学生提出具体要求）：研究内容、主要指标与技术参数：1总体方案人脸识别系统如下图所示，主要有训练（学习）过程和识别过程。具体包含人脸图像预处理、人脸图像特征提取和分类器设计。图 1 人脸识别
4、系统2人脸图像预处理人脸图像预处理主要包括图像去噪和图像归一化处理。通过去噪可以消除噪声对图像的干扰，对图像进行旋转，保证人脸方向的一致性，体现人脸在图像平面内的旋转不变性，同时进行图像缩小和放大变换，得到统一大小的校准图像。最后对校准图像进行灰度拉伸，改变图像对比度，使得图像具有统一的均值和方差。3基于 DCT的人脸图像特征提取(1) 人脸图像 DCT变换设人脸图像为 ，其大小为 MxN，则二维 DCT变换定义为：),(yxf 10 2)1(cos2)1(cos)(),2,MxNy NvyMuxvCufvuF 逆变换为： 10 2)1(cos2)1(cos)(),2),(MuNv vyuxv
5、uFyxf其中： ;,.0,u,.2,y，1,.201)(MuC1,.201)(NuvvC采用矩阵提取法，主要是考虑到低频信息包含人脸的主要信息，而高频信息则是一些细微的信息。所以我们忽略高频信息，只保留人脸的低频信息，提取DCT变换系数矩阵中左上角部分。图 2 DCT系数提取方案一(2) PCA特征提取以 DCT系数作为训练样本集，以该样本集的总体散布矩阵为产生矩阵，即： 10)(Mi Tiix其中： 为第 i个训练图像的样本向量， 为训练样本集的平均图向量，M 为ix训练样本总数。为了求 N2XN2维矩阵 的特征值和特征向量，引入奇异值分解定理。故构造矩阵： XRT容易求出其特征值 及相应
6、的正交归一化特征向量 (i=0,1,2,M-1)， 利用iiv奇异值分解定理可求出 的正交归一化特征向量 为：iu，i=0,1,2,M-1iiiXvu1这就是图像的特征向量。我们将特征值从大到小排序： ，其对应的特征向量为 。这样，110r iu选中的矩形框每一幅人脸图像都可以投影到由 张成的子空间中。因此每一幅人110,Mu脸图像对应于子空间的一个点。同样，子空间中的任一点也对应于一幅图像，对应的图像称为“特征脸” 。有了这样一个由“特征脸”张成的降110,Mu维子空间，任何一幅人脸图像都可以向其投影并获得一组坐标系数，这组系数表明了该图像在子空间的位置，从而可以作为人脸识别的依据。即任何一
7、幅人脸图像都可以表示为这组“特征脸”的线性组合，其加权系数即为 K-L变换的展开系数，作为该图像的特征向量。4分类器设计可以选择两种不同类型的分类器进行分类设计。（1）最近邻分类器假定有 C个类别 的识别问题，每类训练样本 个，则第 i类的判cw,21 iN别函数为：，k=1,2,Ni|min)(kiki xxg表示 类中第 k个训练样本。kixiw决策规则：若： ，i=1,2,C，则：)(in)(xgjjwx（2）BP 神经网络分类器采用 BP神经网络进行分类，具体算法如下：1）BP 神经网络初始化；2）载入一个训练样本，计算 BP网络隐含层，输出层的输出；3）计算输出层和隐含层误差；4）求
8、误差梯度并调整权值；5）判断是否载入完，是，转下一步；否则转（2） ；6）判断最大误差 E是否满足要求，若满足则算法结束；否则进行下一轮训练，转第（2）步。图 3 BP神经网络训练流程图5人脸识别程序编制和仿真实验根据上面的算法思路，编制人类识别系统程序，并进行测试。把人脸样本库划分为训练样本集和测试样本集，且两个样本集互不交叉，训练样本用来训练分类器，测试样本用来测试算法的识别效果，对测试结果进行分析。具体要求：综述简练完整，有见解；立论正确，论述充分，结论严谨合理；实验正确，分析、处理科学；文字通顺，技术用语准确，符号统一，编号齐全，图表完备、整洁、规范、正确，符合本科生学位论文统一格式规
9、定 ；设计（论文）有应用价值。日程安排：本课题具体进度安排如下：时 间 内容安排 备注第五周 收集设计资料第六周 熟悉人脸识别基本原理， 第七周熟悉 DCT原理，以及对人脸识别系统进行总体设计第八周 人脸识别系统程序设计第九周，第十周 人脸识别系统仿真第十一周 完成论文初稿第十二周 论文修改，完成论文正式稿第十三周 论文答辩学生可根据实际情况灵活机动实时调整设计进度主要参考文献和书目：1、 模式识别清华大学出版社，边肇祺，2002 年；2、 模式分类机械工业出版社，李宏东等译，2003 年；3、基于主元分析和神经网络的人脸识别方法研究，2004 年武汉大学硕士论文，陈远；4、基于 PCA的人脸
10、识别研究，2004 年南京理工大学硕士论文，周涛。5、马怡然,张凤玲. 基于 DCT的 PCA及神经网络的人脸识别研究.郑州大学学报，2007.96、赵传强，王汇源. 一种基于 DCT的改进 D-LDA人脸识别算法.计算机工程与应用，2007.67、 LanitisA, TaylorCJ, Cootes TF. Automatic interpretation and coding of face images using flexible models.IEEE trans.on PAMI,1997,19(7).8、 Lam K M,YanH.An analytic-to-holistic approach for face recognition based on a single frontal view.IEEE Trans.On PAMI,1998,20(7).9、10 刘艳丽，赵跃龙. 人脸识别技术研究进展. 计算机工程， 2005.2，31（3）：101210、 边肇棋、张学工. 模式识别M.(第二版).北京：清华大学出版社，2002.3.11、周杰，卢春雨，张长水，李衍达.人脸自动识别方法综述J.电子学报，2000，5(4):102一 106.指 导 教 师 签 字 ： 年 月 日教研室主任签字： 年 月 日教 学 院 长 签 字 ： 年 月 日
