人脸识别程序设计.doc

摘要：近年来人脸识别技术兴起，围绕着人脸处理的各种程序算法应运而生。本文基于主成分分析法来构造人脸识别系统，从而实现初阶段的人脸检测与识别。主要研究方法是通过图像二值化后转换成灰度图，实现人脸检测后再通过特征提取来识别人脸。由于人脸识别技术中一直存在着光线强度与照射差异以及人脸表情无法完全捕捉等难点，因而采用大量数据图片进行比对分析从而提高精确度是一种相对可行的做法。为了更好的进行特征提取，该课题通过使用MATLAB软件进行函数编译，将主成分分析法所提取的图片特征值更加直观的通过函数公式及数字体现出来，便于理解。该课题所采用的图片库多为背景相对简单纯色调的图片，最终实现得人脸识别的精准度虽然不高，但较为稳定；所采用的主成分分析法主要实现了用较少的数据去代替数据库，从而解释数据的综合性能指标，实际上是一种实现数据降维的方法。

关键词：人脸识别；主成分分析；特征提取；灰度图

目录

摘要

ABSTRACT

第一章  绪论-1

1.1人脸识别技术的背景-1

1.2人脸识别技术原理-2

1.3人脸识别技术的应用与难点-2

1.4国内外研究现状-3

1.4.1 国内研究现状-3

1.4.2 国外研究现状-4

1.5研究内容-5

第二章  算法简介与运用-6

2.1 PCA算法背景介绍-6

2.2 PCA算法原理-6

2.3 PCA算法的优缺点-8

2.4 PCA算法在MATLAB中的应用-9

第三章 基于PCA算法的人脸识别程序的实现过程-10

3.1 应用软件简介-10

3.2 人脸图像的预处理-10

3.3图像库选择与构建-14

3.4基于PCA算法计算样本特征值-15

3.5人脸比对-16

3.6实验结果与分析-16

3.8人脸识别方法-17

3.8.1 人脸识别方法评估的性能指标-17

3.8.2 多种人脸识别方法的简介与比对-18

3.8.3对本文应用的人脸识别程序的总结-18

3.9实验过程中的困难与分析-19

第四章 人脸识别技术的总结与展望-22

4.1 人脸识别技术的技术改进目标-22

4.2 人脸识别技术的未来发展方向-22

4.3 脸识别技术所带来的安全风险-23

参考文献-24

致  谢-26