OpenCV人脸识别系统毕业设计
毕业设计（论文）原创性声明和使用授权说明
原创性声明
本人郑重承诺：所呈交的毕业设计（论文），是我个人在指导教师的指导下进行的研究工作及取得的成果。尽我所知，除文中特别加以标注和致谢的地方外，不包含其他人或组织已经发表或公布过的研究成果，也不包含我为获得及其它教育机构的学位或学历而使用过的材料。对本研究提供过帮助和做出过贡献的个人或集体，均已在文中作了明确的说明并表示了谢意。
作者签名：日期：
指导教师签名：日期：
使用授权说明
本人完全了解大学关于收集、保存、使用毕业设计（论文）的规定，即：按照学校要求提交毕业设计（论文）的印刷本和电子版本；学校有权保存毕业设计（论文）的印刷本和电子版，并提供目录检索与阅览服务；学校可以采用影印、缩印、数字化或其它复制手段保存论文；在不以赢利为目的前提下，学校可以公布论文的部分或全部内容。
作者签名：日期：
学位论文原创性声明
本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加以标注引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律后果由本人承担。
作者签名：日期：年月日
学位论文版权使用授权书
本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。
涉密论文按学校规定处理。
作者签名：日期：年月日
导师签名：日期：年月日
注意事项
1.设计（论文）的内容包括：
1）封面（按教务处制定的标准封面格式制作）
2）原创性声明
3）中文摘要（300字左右）、关键词
4）外文摘要、关键词
5）目次页（附件不统一编入）
6）论文主体部分：引言（或绪论）、正文、结论
7）参考文献
8）致谢
9）附录（对论文支持必要时）
2.论文字数要求：理工类设计（论文）正文字数不少于1万字（不包括图纸、程序清单等），文科类论文正文字数不少于1.2万字。
3.附件包括：任务书、开题报告、外文译文、译文原文（复印件）。
4.文字、图表要求：
1）文字通顺，语言流畅，书写字迹工整，打印字体及大小符合要求，无错别字，不准请他人代写
2）工程设计类题目的图纸，要求部分用尺规绘制，部分用计算机绘制，所有图纸应符合国家技术标准规范。图表整洁，布局合理，文字注释必须使用工程字书写，不准用徒手画
3）毕业论文须用A4单面打印，论文50页以上的双面打印
4）图表应绘制于无格子的页面上
5）软件工程类课题应有程序清单，并提供电子文档
5.装订顺序
1）设计（论文）
2）附件：按照任务书、开题报告、外文译文、译文原文（复印件）次序装订
指导教师评价：
一、撰写（设计）过程
1、学生在论文（设计）过程中的治学态度、工作精神
□优□良□中□及格□不及格
2、学生掌握专业知识、技能的扎实程度
□优□良□中□及格□不及格
3、学生综合运用所学知识和专业技能分析和解决问题的能力
□优□良□中□及格□不及格
4、研究方法的科学性；技术线路的可行性；设计方案的合理性
□优□良□中□及格□不及格
5、完成毕业论文（设计）期间的出勤情况
□优□良□中□及格□不及格
二、论文（设计）质量
1、论文（设计）的整体结构是否符合撰写规范？
□优□良□中□及格□不及格
2、是否完成指定的论文（设计）任务（包括装订及附件）？
□优□良□中□及格□不及格
三、论文（设计）水平
1、论文（设计）的理论意义或对解决实际问题的指导意义
□优□良□中□及格□不及格
2、论文的观念是否有新意？设计是否有创意？
□优□良□中□及格□不及格
3、论文（设计说明书）所体现的整体水平
□优□良□中□及格□不及格
建议成绩：□优□良□中□及格□不及格
（在所选等级前的□内画“√”）
指导教师：（签名）单位：（盖章）
年月日
评阅教师评价：
一、论文（设计）质量
1、论文（设计）的整体结构是否符合撰写规范？
□优□良□中□及格□不及格
2、是否完成指定的论文（设计）任务（包括装订及附件）？
□优□良□中□及格□不及格
二、论文（设计）水平
1、论文（设计）的理论意义或对解决实际问题的指导意义
□优□良□中□及格□不及格
2、论文的观念是否有新意？设计是否有创意？
□优□良□中□及格□不及格
3、论文（设计说明书）所体现的整体水平
□优□良□中□及格□不及格
建议成绩：□优□良□中□及格□不及格
（在所选等级前的□内画“√”）
评阅教师：（签名）单位：（盖章）
年月日
教研室（或答辩小组）及教学系意见
教研室（或答辩小组）评价：
一、答辩过程
1、毕业论文（设计）的基本要点和见解的叙述情况
□优□良□中□及格□不及格
2、对答辩问题的反应、理解、表达情况
□优□良□中□及格□不及格
3、学生答辩过程中的精神状态
□优□良□中□及格□不及格
二、论文（设计）质量
1、论文（设计）的整体结构是否符合撰写规范？
□优□良□中□及格□不及格
2、是否完成指定的论文（设计）任务（包括装订及附件）？
□优□良□中□及格□不及格
三、论文（设计）水平
1、论文（设计）的理论意义或对解决实际问题的指导意义
□优□良□中□及格□不及格
2、论文的观念是否有新意？设计是否有创意？
□优□良□中□及格□不及格
3、论文（设计说明书）所体现的整体水平
□优□良□中□及格□不及格
评定成绩：□优□良□中□及格□不及格教研室主任（或答辩小组组长）：（签名）
年月日
教学系意见：
系主任：（签名）
年月日
摘要
人脸检测主要是基于计算机识别的一项数字化技术，用以准确获取人的脸部大小和位置信息，在进行人脸检测时，突出主要的脸部特征，淡化次要的环境、衣着等因素。对于某些情况下，人脸检测也可以计算出人脸，如眼睛，鼻子和嘴等精确的微妙特征。由于在安全检测系统，医学，档案管理，视频会议和人机交互等领域人脸检测系统都有光明的应用前景，因此人脸检测逐渐成为了两个跨学科领域研究的热门话题:人工智能和当前模式识别。本文基于OpenCV视觉库具体的设计并开发了对数字图像中的人脸检测的程序，所采用的人脸检测的原理主要是分类器训练模式(Adaboost算法)提取Haar特征的方法。它在整个软件极其重要的作用，图像中人脸的准确定位和识别都受图像处理好坏的直接影响。本次所设计的软件在图像处理部分所采用的方法是基于Adaboost算法进行Haar特征的提取，在此之上加以通过积分图方法来获取完整的级联分类器结构，进行人脸检测时，OpenCV级联分类器通过Adaboost人脸检测算法进行训练，此后采用不同情况下的实验样本完成精确定位以及检测试验。经过代码的设计和调试，在最后的测试中针对数字图像进行的人脸检测和定位达到了较好的效果，提高了定位和识别的正确率。
关键词：人脸检测，AdaBoost，分类器，OpenCV
Abstract
Face detection is mainly based on computer recognition of a digital technology, face size and location information to accurately obtain the person, during face detection, highlight the main facial features, dilute the secondary environment, clothing, and other factors . For some cases, face detection can also calculate a person's face, such as eyes, nose and mouth, and other subtle features accurate. Because in the field of human security detection systems, medical records management, video conferencing, and human-computer interaction face detection system has bright prospects, and therefore face detection is becoming a two interdisciplinary research fields hot topic: artificial intelligence and The current pattern recognition. This article is based. penCV vision library designed and developed specifically for digital image face detection process, the principles used face detection methods are mainly classifier training mode (Adaboost algorithm) to extract Haar features. It is in the vital role of the software, the image of the human face accurately locate and identify all that is good or bad a direct impact on the image processing. This software is designed image processing method used in part based Haar Adaboost algorithm to extract features, on top of this to be to get the full cascade classifier structure by integrating the diagram method for face detection, OpenCV cascade classifier is trained by Adaboost face detection algorithm, then the use of the experimental sample under different circumstances for accurate positioning and testing. Through design and debugging code, face detection and location in the final test for digital images to achieve better results and improve the accuracy of positioning and recognition.
Keywords: face detection ; AdaBoost ; classifier ; openCV
目录
摘要 (1)
Abstract (4)
第1章人脸检测概述 (1)
1.1 背景 (1)
1.2 目前的研究状况 (1)
1.3 研究意义 (2)
第2章人脸图像处理技术 (3)
2.1 OpenCV概述 (3)
2.1.1 OpenCV简介 (3)
2.1.2 应用领域 (3)
2.1.3 OpenCV的基本结构 (4)
2.1.4 OpenCV的特征 (4)
2.2 图像预处理 (5)
2.2.1 灰度图像转换 (5)
2.2.2 图像噪声消除 (6)
2.2.2 图像边缘检测 (6)
第3章人脸检测原理与算法 (7)
3.1 人脸识别原理 (7)
3.2 人脸检测方法 (7)
3.3 改进型双重人脸检测 (9)
3.4 双眼定位算法 (10)
3.5 双重检测算法的实现 (11)
第4章人脸识别算法与实现 (13)
4.1 设计思想 (13)
4.2 程序设计流程 (13)
4.3 代码编写 (14)
4.3.1 载入图片阶段 (14)
4.3.2 图片预处理阶段 (14)
4.3.3 加载分类器并进行检测 (15)
4.3.4 打印检测结果 (15)
参考文献 (16)
附录一人脸检测源程序 (17)
第1章人脸检测概述
1.1 背景
近年来，随着信号处理理论和计算机的出现及其发展，人们开始用摄像机获取环境图像并将其转换成数字信号，用计算机实现对视觉信息的处理，这就形成了计算机视觉。计算机视觉是当前计算机科学中的一个非常活跃的领域，其基本假设是：可以用计算的方式来模拟人类的视觉机制。
人脸的自动识别是一种重要的生物特征识别技术，与其它身份识别方法相比，人脸识别具有直接、方便、友好等特点，因而人脸自动识别问题的研究不仅具有重要的应用价值，而且具有重要的理论意义。现在，随着科学技术和电子商务的发展，人脸检测的应用背景已经远远超出了人脸识别系统的范畴，在基于内容的检索、数字视频处理、计算机视觉、人机交互等方面都有着重要的应用价值。
人脸识别通过计算机提取人脸的特征，并根据这些特征进行身份验证。人脸与人体的其他生物特征(指纹、虹膜等)一样与生俱来不可改变，它们所具有的唯一性和不易被复制的良好特性为身份鉴别提供了必要的前提，同其他生物特征识别技术相比，人脸识别技术具有操作简单、结果直观、隐蔽性好的优越性。
1.2 目前的研究状况
目前，许多人脸识别系统能够在特定条件（光照、背景、人脸正对摄像头等）下很好地实现人脸识别，识别效率高。但是在实际运用中，各种条件不可能都满足，特别是针对户外监控识别系统，环境变化比较大，现有系统识别效率明显下降。
目前的人脸识别系统所需要解决的问题主要有以下几点：
(1)人脸具有很复杂的细节变化，不同的外貌特征如脸形、肤色等，不同的表情如眼、嘴的开与闭等；
(2)其他物体对人脸的遮挡，如眼镜、头发和头部饰物以及其他外部物体等；另外一方面由于外在条件变化所引起：
(3)成像角度的不同也能造成人脸的多姿态，如平面内旋转、深度旋转以及
上下旋转，其中深度旋转影响较大；
(4)光照的影响，如图像中的亮度、对比度的变化和阴影等；
(5)图像的成像条件，如摄像设备的焦距、成像距离，图像获得的途径等等。
这些困难都为解决人脸问题造成了难度。如果能找到一些相关的算法并使其能在应用过程中达到实时，将为成功构造出具有实际应用价值的人脸检测系统提供保证。
1.3 研究意义
人脸识别是机器视觉和模式识别领域最富有挑战性的课题之一，同时也具有较为广泛的应用意义。人脸识别技术是一个非常活跃的研究领域，它覆盖了数字图像处理、模式识别、计算机视觉、神经网络、心理学、生理学、数学等诸多学科的内容。如今，虽然在这方面的研究已取得了一些可喜的成果，但是FRT在实际应用中仍面临着很严峻的问题,因为人脸五官的分布是非常相似的，而且人脸本身又是一个柔性物体，表情、姿态或发型、化妆的千变万化都给正确识别带来了相当大的麻烦。如何能正确识别大量的人脸并满足实时性要求是迫切需要解决的问题。
第2章人脸图像处理技术
2.1 OpenCV概述
2.1.1 OpenCV简介
OpenCV是Intel公司支持的开源计算机视觉库。它轻量级而且高效——由一系列C函数和少量C++ 类构成，实现了图像处理和计算机视觉方面的很多通用算法。1999年在俄罗斯设立的软件开发中心“Software Developmellt Cellter¨开发的。
OpenCV采用C/C++语言编写，可以运行在Linux/Windows/Mac等操作系统上。OpenCV还提供了Python、Ruby、MATLAB以及其他语言的接口。OpenCV 的设计目标是执行速度尽量快，主要关注实时应用。它采用优化的C代码编写，能够充分利用多核处理器的优势。如果是希望在Intel平台上得到更快的处理速度，可以购买Intel的高性能多媒体函数库IPP(Integrated Performance Primitives)。IPP库包含许多从底层优化的函数，这些函数涵盖多个应用领域。如果系统已经安装了IPP库，OpenCV会在运行时自动使用相应的IPP库。
OpenCV的一个目标是构建一个简单易用的计算机视觉框架，以帮助开发人员更便捷地设计更复杂的计算机视觉相关应用程序。OpenCV包含的函数有500多个，覆盖了计算机视觉的许多应用领域，如工厂产品检测、医学成像、信息安全、用户界面、摄像机标定、立体视觉和机器人等。因为计算机视觉和机器学习密切相关，所以OpenCV还提供了MLL(Machine Learning Library)机器学习库。该机器学习库侧重于统计方面的模式识别和聚类。MLL除了用在视觉相关的任务中，还可以方便地应用于其他的机器学习场合。
2.1.2 应用领域
自从OpenCV在1999年1月发布alpha版本开始，它就被广泛用在许多应用领域、产品和研究成果中。相关应用包括卫星地图和电子地图的拼接，扫描图像的对齐，医学图像去噪(消噪或滤波)，图像中的物体分析，安全和入侵检测系
统，自动监视和安全系统，制造业中的产品质量检测系统，摄像机标定，军事应用，无人飞行器，无人汽车和无人水下机器人。将视觉识别技术用在声谱图上，OpenCV 可以进行声音和音乐识别。
2.1.3 OpenCV 的基本结构
OpenCV 主体分为五个模块，其中四个模块如图2-1所示。OpenCV 的CV 模块包含基本的图像处理函数和高级的计算机视觉算法。ML 是机器学习库，包含一些基于统计的分类和聚类工具。HighGUI 包含图像和视频输入/输出的函数。CXCore 包含OpenCV 的一些基本数据结构和相关函数。
图2-1 OpenCV 的基本结构
图2-1中并没有包含CvAux 模块，该模块中一般存放一些即将被淘汰的算法和函数(如基于嵌入式隐马尔可夫模型的人脸识别算法)，同时还有一些新出现的实验性的算法和函数(如背景和前景的分割)。
2.1.4 OpenCV 的特征
OpenCV 的主要特征有以下几个方面：
(1)图像数据的操作(分配、释放、复制、设置和转换)。
(2)图像是视频的输入输出I/O （文件与摄像头的输入、图像和视频文件输出）。 MLL 统计分类器
CV
图像处理和视觉算法 HighGUI GUI 图像和视频输入/输出
CXCORE
基本结构和算法、XML 支持、绘图函数
(3)矩阵和向量的操作以及线性代数的算法程序（矩阵积、解方程、特征值以及奇异值等）。
(4)各种动态数据结构（列表、队列、集合、树、图等）。
(5)基本的数字图像处理（滤波、边缘检测、角点检测、采样与差值、色彩转换、形态操作、直方图、图像金字塔等）。
(6)结构分析（连接部件、轮廓处理、距离变换、各自距计算、模板匹配、Hough变换、多边形逼近、直线拟合、椭圆拟合、Delaunay 三角划分等）。
(7)摄像头定标（发现与跟踪定标模式、定标、基本矩阵估计、齐次矩阵估计、立体对应）。
(8)运动分析（光流、运动分割、跟踪）。
(9)目标识别（特征法、隐马尔可夫模型：HMM）。
(10)基本的GUI （图像与视频显示、键盘和鼠标事件处理、滚动条）。
(11)图像标注（线、二次曲线、多边形、画文字）。
2.2 图像预处理
由于一些外界条件的不同，例如用干采集图像的设备的性能好坏、现场光照明暗程度不同等，图像通常会存在噪声、清晰度低等缺陷。此外，图像中人脸的绝对坐标及区域大小会随着人离摄像头的远近而改变。要想保证提取到的人脸特征不会受到上述这些因素的影响，则需要在提取特征人脸之前，对图像进行预处理。
2.2.1 灰度图像转换
由于对彩色图像数据的分析比黑白图像要难得多，所以将彩色图像转换成灰度图是图像预处理的第一步。对图像进行灰度化处理是智能识别的基础，一般采集的图像都是三原色(R, G. B三个分量)。为了提高检测运动目标的速度，需要在特征提取之前将人脸图像进行灰度化，这样就只需要对像素点的灰度值进行处理。
本文采用OpenCV视觉库的接口进行灰度化处理，具体实现是通过使用cvCvtColor()函数，使用RGB2GRAY参数，将RGB彩色图转换为灰度图。
2.2.2 图像噪声消除
通常视频可以理解为连续的图像序列，在采集、保存、传输视频图像数据的过程中常会出现噪声干扰现象，噪声会使图像失真，使图像不像原木那样均匀连续地变化，进而会对图像的后续处理产生影响。因此，对视频图像进行检测分析之前，应对输入的图像进行噪声消除，尽最地消除图像中的噪声干扰，有助于准确快速地获取图像的特征，从而也能更好地进行模式识别等复杂处理，同时也能够减少目标检测的计算量。
按影响图像质量的噪声源可将图像噪声分为三类：第一类，阻性元件内部电子自由热运动产生的电子噪声，常用零均值高斯白噪声模型来近似。第二类，由于光电转换引起的泊松噪声(椒盐噪声)。第三类，在感光过程中产生的颗粒噪声。根据噪声与信号之间的关系，噪声也可分为加性噪声和乘性噪声。加性噪声的来源主要有人为噪声、自然噪声、内部噪声，主要表现形式有脉冲噪声和高斯噪声。乘性噪声往往具有随机性，是图像中最普通的噪声，其中一个典型代表是光照变化。
OpenCV消除图像噪声的常用方法有:均值滤波、中值滤波和高斯滤波。均值滤波对高斯噪声有较好的抑制作用，中值滤波适用于处理椒盐噪声。下面简单介绍下这三种去噪方法。
2.2.2 图像边缘检测
在对图像进行目标检测时，图像边缘是重要的提取信息。根据人眼的直观感受，目标图像的边缘信息是最明显的，图像边缘在整个图像中变化差异最大。提取图像边缘的主要依据是目标边缘处像素点的灰度值变化比较剧烈。图像边缘往往处于前景物体与背景图像的交界处，所以一般采用高通滤波器，保留高频信号。
常用的边缘检测方法有:梯度边缘检测、差分边缘检测、Sobel边缘检测算子、Laplace边缘检测算子等。OpenCV中常用于边缘检的函数有：cvSobel(), cvLaplace(),cvCanny()。
第3章人脸检测原理与算法
3.1 人脸识别原理
人脸识别算法的原理：系统输入一般是一张或者一系列含有未确定身份的人脸图像，以及人脸数据库中的若干已知身份的人脸图象或者相应的编码，而其输出则是一系列相似度得分，表明待识别的人脸的身份。
此方法是把人脸面部器官之间关系编码并准则化的人脸检测方法。这是一种自顶而下的方法，根据人脸面部器官的对称性、灰度差异等先验知识，制定一系列的准则。当图像中的待测区域符合准则，即被检测为人脸。
人脸及器官具有典型的边沿和形状特征，通常人们利用采用Laplacian，Sobel 和Canny等算子来提取边沿特征，将这些特征用于人脸的定位。边沿和形状对于光照条件的变化具有很好的鲁棒性，灰度特征对光照比较敏感。
3.2 人脸检测方法
现有的人脸检测方法，人致分为三类：基于人脸几何特征的方法、基于人脸肤色的方法和基于人脸统计理论的方法。
(1)基于人脸几何特征的方法
人脸的几何特征即人脸的而部特征(如眼睛、鼻户、嘴巴、耳朵、肤色等)，主要判别标准是人脸轮廓五官的对称性以及各个特征之间相对的位置。典型的基于人脸几何特征的方法有:基于先验知识的人脸检测方法和基于模板的人脸检侧方法.
基于先验知识的检测方法，首先需要确定人脸区域，然后通过前辈总结的先验知识来检验是否存在人脸，例如人脸面部五官的对称性、灰度值的不同等.人脸五官存在一些基本的规律，例如眼睛的形状及对称性，眼睛、鼻子、眉毛和嘴巴处的像素灰度值要大于人脸其他部位，鼻和嘴巴的中心点的连线与两只眼睛的连线是垂直的等.可以将这些特征信息作为一个判别准则.若图像符合这些准则，则确定存在人脸。该算法的优点为人脸特征比较直观、检测容易实现、计算量小。然而，该算法也存在不容忽视的缺点，检测准确率不高。如果人脸表发生变化或
人脸偏向的角度不同，则人脸特征的判别准则也会产生很大的变化。这种情况下，若只采用固定准则去定义人脸.则会产生人睑的误检漏检，检测准确率不高。
基于模板的人脸检测方法，就是预先将包含人脸局部特征的标准脸部模型参数化。利用算法计算出图像待检测区域的特征与标准脸部模板的相似度，如果相似度的大小符合制定的准则(大干某个阈值)，就可以判断检测区域存在人脸。该方法虽然实现容易，但标准模板的设定固定单一，不能有效地解决人睑姿态、大小以及形状变化等问题。为了提高该方法的鲁棒性，人们又提出了基干弹性模板的人脸检测方法。在该方法所建立的模型中，对应面部器官(人眼、鼻子等)的尺寸、位置、角度等信息的参数被设置为可变参数，这样在检测时能够根据被测图像的具体情况动态地调整标准模板的参数，利用修正后的标准模板再进行检测，检测的准确度会提高很多，而且能够减少外界环境(光线、人脸表情变化等)对检测结果的影响。该算法缺点是耗时较长，不利于实时性检测。
(2)基于人脸肤色的方法
肤色是人面部的重要特征，不依赖于面部其他器官的细节特征，相对稳定性较强。人脸表情变化、人脸偏向角度变化等情况对确定肤色区域不会产生影响，并且其色彩信息能够区别于大多数背景物体的颜色，从而可以很好地对人脸区域进行分割。因此，基于肤色的人脸检测方法实用性较强。但是由于外界环境的变化，光照强度、光源颜色的变化，对利用肤色特征进行人脸分割会产生很大的影响。因此，需要结合几何形状、运动分析算法，才能很好地在视频中对人脸进行定位。
面部肤色特征一般通过建立肤色模型来描述，Gauss模型、混合Gauss模型以及直方图模型都是常用的肤色模型。检测时根据被测图像像素与肤色模型的相似度，然后结合空间相关性将可能的人脸区域从背景中分割出来，再对分害」出的区域进行几何特征分析，确定其与人脸特征的相关值，从而排除非“人脸”的似肤色区域。
(3)基于人脸统计理论的方法
基于统计理论进行人脸检测的方法是目前人脸检测领域的研究重心。其主要思想是将人脸检测的问题转化为统计学上模式识别的问题，即通过采用统计分析以及机器学习的方法，对人脸样本以及非人脸样本进行训练，得到其各自的特征，从而构建一个人脸分类器。利用该分类器可以完成对人脸的检测，同时可以得到
人脸的绝对坐标和大小。现有的主要方法包括有:基于特征空间的方法、摹于人工神经网络的方法、基于支持向量机的方法、基于隐马尔可夫模型的方法以及Boosting方法。
3.3 改进型双重人脸检测
总结3.2节多个人脸检测算法的特点可以发现:基于几何特征的方法虽然容易实现，但易出现人脸的误检漏检，检测效果较差;基于人脸肤色的方法容易受到外界光线强度变化的影响，鲁棒性差，检测正确性低:相比较而言，基于人脸统计理论的方法检测正确率较高，应用比较广泛。其中AdaBoost方法算法计算复杂度低，运算速度快，本系统采用该方法作为人脸检侧的主要手段，并结合双眼定位对原始检测算法进行改进，得到一个双重检测方法，来实现人脸检测功能。
传统的AdaBoost方法是基于统计理论的方法。基于AdaBoost的实时人脸检测算法是将人脸图像用Harr-like特征表示，并引入了“积分图”对图像进行表达，减少了计算特征值所耗费的时间。利用AdaBoost思想，选择若干最能代表人脸的弱特征，从而构造成一个强分类器。基于"Cascade "策略，将训练所得的强分类器按照串联方式连接起来，形成一个级联分类器。通过加载该级联分类器.可以对待检测图像的分类，从而实现人脸检测。该算法能够提高检测人脸的速度，实时性好，检测性能也较好。
Harr-like特征是一种简单的矩阵特征，人脸图像的局部特征主要由相邻矩形区域灰度值的变化来反映。Haar-like特征可以分类为:边缘特征、线性特征、中心特征，其具体的表现形式如图3-1所示。边界特征包含四种:线性特征包含八种;中心特征包含两种。
图3-1 Harr-like特征
引入积分图(Integral Image)这个概念，可以对Haar-like特征值进行快速计算，减少训练样本以及检测人脸所耗费的时间。积分图的主要思想为:构造一个数组，其中的元素表示从起点到各个点所组成的矩形区域中所有像素之和，并将该数组保存在内存中，当需要计算某个矩形区域中所有像素之和时，再不需要对整个区域进行计算，而是可以直接对该数组中的元素进行索引，从而提高计算速度。
AdaBoost算法应用于人脸检测，主要是对赋予了不同权值的“人脸”与“非人脸”
样本进行迭代学习，通过每一轮学习，都得到一个有最高检测正确率的弱分类器。经过N轮训练。选择出正确率最高的N个弱分类器，并对其赋予一个与其正确率相应的权值。然后由这N个弱分类器结合成为一个强分类器。
最终，将得到的强分类器串联起来形成级联分类器一人脸检测器。对每一级强分类器都进行闽值调整，使得每一级都能使大多数的人脸样本通过，而将大部分的非人脸样本剔除。此外，对强分类器进行串联时，应该将相对较重要的特征构成且结构也比较简单的强分类器作为前而几级，这样能够将大量的“非人脸”样本首先剔除掉。这样尽管随着级数的增多，矩形特征数目越来越多，计算量会一直减少，人脸检测的速度也会加快，就能符合系统对实时性的要求。
3.4 双眼定位算法
传统的AdaBoost人脸检测算法，是通过加载训练好的人脸分类器，提取人脸
特征。对待测图像进行分析，并通过判断得到结果。然而，选取不同的训练样本，训练所得级联分类器的检测效果也有很大不同。同时，由于样本的选取过程随机性较大，不能包含所有人脸图像，得到的分类器也不能保证可以检测到所有的人脸。而且，本系统需要的是一个正脸分类器，这样就要求训练集中所有正样本为正面人脸，负样本需要包含非正脸的所有情况。通过测试发现，如果训练样本选取不当，系统检测算法就会严重失效，导致误检的情况，例如，在复杂背景下将“非人脸”检测为“人脸”的情况：将偏转角度较大的人脸误检为正面人脸的情况。这些误检情况会对后续的人脸识别产生很大的影响，从而也影响了系统最终结果的准确性。所以，针对本系统的应用需求，需要对该检测方法进行改进。
双眼是人面部的重要的特征，特别是对于正面人脸，双眼的位置以及距离能够很好地描述该人脸的大小，同时能够帮助定位人脸的其他特征。因此，通过对“人脸”图像进行双眼的定位，可有效地截取正面人脸区域，从而也对后续人脸识别的准确率的提高有着积极的作用。本系统在传统的人脸检测算法基础上加入了双眼定位算法，对检测到的“人脸”进行二次筛选，获取系统识别模块所需的“正脸”。
双眼定位检测算法，只针对由人脸检测得到的“人脸”图像区域进行检测。该算法主要是基于AdaBoost的思想，通过加载双眼分类器"haarcascadees
eye.xml"，对“人脸”图像再次进行双眼检测。如果不存在双眼特征，则函数返回集合为空，此时认为该“人脸”图片为误检，并将其舍弃;如果存在双眼特征，则函数返回定位到的双眼坐标。然后根据检测得到的双眼坐标，按既定的检测方法判断其是否符合人脸双眼特征的基本准则。这些基本准则主要包括：双眼坐标是否处于“人脸”区域的上方；双眼宽度是否小于“人脸”区域宽度的0.4倍等等。如果符合这些基本准则，则判断该“人脸”为“正脸”，如果不符合，则认为检测得到的并不是人的双眼，即该图像不是人脸，并将其舍弃。经过该算法处理后，能够过滤掉很多侧面人脸以及非人脸图像，提高了“正脸”检测的准确率。
3.5 双重检测算法的实现
支持矢量机（Support Vector Machines）是由V. Vapnik 与其领导的贝尔实验室的小组一起开发出来的一种新的机器学习技术。SVM 的理论基础来自于
基于OpenCV识别库的面部图像识别系统的设计
基于OpenCV识别库的面部图像识别系统的设计 本系统采用J2EE技术并以OpenCV开源计算机视觉库技术为基础，实现一套具有身份验证功能的面部图像识别信息管理系统。系统使用MySQL数据库提供数据支撑，依托于J2EE的稳定性和Java平台的可移植性使得本系统可以在各个操作系统平台中运行，同时提供在互联网中使用面部识别技术的一套较为完备的解决方案。 标签：OpenCV；人脸识别；生物学特征 引言 随着信息技术的飞速发展以及互联网的深入普及，越来越多的行业和领域使用信息技术产品以提高工作效率和管理水平。但是由于人们隐私信息的保护意识薄弱，出现了许多信息安全的问题。在人们对于信息安全越来越重视的情况下，许多技术被应用到信息安全领域中来。较为先进的技术有虹膜识别技术、遗传基因识别技术以及指纹识别技术等。而论文采用的是当前热点的面部图像识别技术。 1 系统实现算法及功能分析 1.1 面部图像的生物学特征模型的建立 本系统是利用面部图形的生物学特征来识别不同的人。由于每个人的面部图像都有各自的特征但又具有一定的通性，需要应用生物学中相关知识加以解决。可以利用已有的生物学测量手段以及现有的算法构建人的面部图像生物学特征模型（简称：面部模型），并应用于系统中，面部模型的建立为面部图像识别的功能提供实现依据。 1.2 知识特征库及面部识别引擎的建立 在前述面部模型建立完成后，需要建立相应的知识库以及面部识别引擎方可进行身份的识别。可经过大量数据的采集和分析后建立知识库，并根据知识库的特点建立相应的识别引擎。此识别引擎对外开放，在本系统中提供其它外来程序的调用接口，其它系统能够通过本接口实现识别引擎的调用实现对于面部图形的识别，从而达到识别引擎的可复用性。在技术条件允许的情况下，提供知识库的智能训练以及半自动构建支持。 1.3 面部图像的采集与预处理 本系统中采用了预留API接口，利用USB图形捕获设备采集数据图像。经过USB设备的捕获，使用JMF（Java Media Framework）来处理已捕获的图像数据，对捕获的图像进行面部图行检测和实时定位跟踪。
开题报告：人脸识别
北方工业大学 本科毕业设计（论文）开题报告书 题目：基于直方图差值比较方法的人脸识别系统指导教师： 专业班级： 学号： 姓名： 日期：2013年3月20日
一、选题的目的、意义 近些年来，有关人脸的处理已受到广大研究人员越来越多的重视，如人脸识别、人脸定位、面部表情识别、人脸跟踪等。人脸处理系统在安全系统的身份认证、智能人机接口、图像监控、视频检索等领域有着广泛的应用前景。 此外在进行人工智能的研究中，人们一直想做的事情就是让机器具有像人类一样的思考能力，以及识别事物、处理事物的能力，因此从解剖学、心理学、行为感知学等各个角度来探求人类的思维机制、以及感知事物、处理事物的机制，并努力将这些机制用于实践，如各种智能机器人的研制。 同时，进行人脸图像识别研究也具有很大的使用价依。如同人的指纹一样，人脸也具有唯一性，也可用来鉴别一个人的身份。人脸图像的自动识别系统较之指纹识别系统、DNA鉴定等更具方便性，因为它取样方便，可以不接触目标就进行识别，从而开发研究的实际意义更大。并且与指纹图像不同的是，人脸图像受很多因素的干扰:人脸表情的多样性;以及外在的成像过程中的光照，图像尺寸，旋转，姿势变化等。使得同一个人，在不同的环境下拍摄所得到的人脸图像不同，有时更会有很大的差别，给识别带来很大难度。因此在各种干扰条件下实现人脸图像的识别，也就更具有挑战性。 人脸图像识别除了具有重大的理论价值以及极富挑战性外，还其有许多潜在的应用前景，利用人脸图像来进行身份验证，可以不与目标相接触就取得样本图像，而其它的身份验证手段，如指纹、眼睛虹膜等必须通过与目标接触或相当接近来取得样木，在某些场合，这些识别手段就会有不便之处。
基于opencv的人脸识别程序-代码详解
#include "cv.h" #include "highgui.h" #include
基于matlab的人脸识别系统设计与仿真(含matlab源程序)毕业论文
人脸识别系统设计与仿真基于matlab的（含matlab源程序） 目录 第一章绪论 (1) 1.1 研究背景 (4) 1.2 人脸图像识别的应用前景 (5) 1.3 本文研究的问题 (6) 1.4 识别系统构成 (7) 1.5 论文的内容及组织 (9) 第二章图像处理的Matlab实现 (10) 2.1 Matlab简介 (10) 2.2 数字图像处理及过程 (10) 2.2.1图像处理的基本操作 (10) 2.2.2图像类型的转换 (11) 2.2.3图像增强 (11) 2.2.4边缘检测 (12) 2.3图像处理功能的Matlab实现实例 (13) 2.4 本章小结 (17) 第三章人脸图像识别计算机系统 (18) 3.1 引言 (18) 3.2系统基本机构 (19) 3.3 人脸检测定位算法 (20)
3.4 人脸图像的预处理 (27) 3.4.1 仿真系统中实现的人脸图像预处理方法 (28) 第四章基于直方图的人脸识别实现 (31) 4.1识别理论 (31) 4.2 人脸识别的matlab实现 (31) 4.3 本章小结 (32) 第五章总结 (33) 致谢 (34) 参考文献 (35) 附录 (37) 毕业设计（论文）原创性声明和使用授权说明
原创性声明 本人郑重承诺：所呈交的毕业设计（论文），是我个人在指导教师的指导下进行的研究工作及取得的成果。尽我所知，除文中特别加以标注和致谢的地方外，不包含其他人或组织已经发表或公布过的研究成果，也不包含我为获得及其它教育机构的学位或学历而使用过的材料。对本研究提供过帮助和做出过贡献的个人或集体，均已在文中作了明确的说明并表示了谢意。 作者签名：日期： 指导教师签名：日期： 使用授权说明 本人完全了解大学关于收集、保存、使用毕业设计（论文）的规定，即：按照学校要求提交毕业设计（论文）的印刷本和电子版本；学校有权保存毕业设计（论文）的印刷本和电子版，并提供目录检索与阅览服务；学校可以采用影印、缩印、数字化或其它复制手段保存论文；在不以赢利为目的前提下，学校可以公布论文的部分或全部内容。 作者签名：日期：
基于ARM9的人脸识别系统 嵌入式报告 课程设计
嵌入式课程设计报告 学院信息电子技术 专业通信工程 班级 学号 姓名 指导教师 2017年07月01日
基于ARM9的人脸识别系统 一、引言 人脸识别背景和意义 人脸识别系统的研究始于20世纪60年代，80年代后随着计算机技术和光学成像技术的发展得到提高，而真正进入初级的应用阶段则在90年后期，并且以美国、德国和日本的技术实现为主；人脸识别系统成功的关键在于是否拥有尖端的核心算法，并使识别结果具有实用化的识别率和识别速度；“人脸识别系统”集成了人工智能、机器识别、机器学习、模型理论、专家系统、视频图像处理等多种专业技术，同时需结合中间值处理的理论与实现，是生物特征识别的最新应用，其核心技术的实现，展现了弱人工智能向强人工智能的转化语音识别、体形识别等，而指纹识别、虹膜识别等都不具有自然性，因为人类或者其他生物并不通过此类生物特征区别个体。 人脸识别具有这方面的特点，它完全利用可见光获取人脸图像信息，而不同于指纹识别或者虹膜识别，需要利用电子压力传感器采集指纹，或者利用红外线采集虹膜图像，这些特殊的采集方式很容易被人察觉，从而更有可能被伪装欺骗。 二、系统设计 1、硬件电路设计 （1）ARM9处理器 本系统所采用的硬件平台是天嵌公司的TQ2440开发板，该开发板的微处理器采用基于ARM920T内核的S3C2440芯片。 ARM9对比ARM7的优势：虽然ARM7和ARM9内核架构相同，但ARM7处理器采用3级流水线的冯·诺伊曼结构，而ARM9采用5级流水线的哈佛结构。增加的流水线设计提高了时钟频率和并行处理能力。5级流水线能够将每一个指令处理分配到5个时钟周期内，在每一个时钟周期内同时有5个指令在执行。在常用的芯片生产工艺下，ARM7一般运行在100MHz左右，而ARM9则至少在200MHz 以上。指令周期的改进对于处理器性能的提高有很大的帮助。性能提高的幅度依赖于代码执行时指令的重叠，这实际上是程序本身的问题。对于采用最高级的语言，一般来说，性能的提高在30%左右。ARM7一般没有MMU(内存管理单元），（ARM720T有MMU）。 （2）液晶显示屏 为显示摄像头当前采集图像的预览，系统采用三星的320x240像素的液晶屏，大小为206.68cm。该液晶显示屏的每个像素深度为2bit，采用RGB565色彩空间。 （3）摄像头 摄像头采用市场上常见的网眼2000摄像头,内部是含CMOS传感器的OV511+芯片。CMOS传感器采用感光元件作为影像捕获的基本手段,核心是1个感光二极
[作业]OPENCV人脸识别
摘要 人脸检测主要是基于计算机识别的一项数字化技术，用以准确获取人的脸部大小和位置信息，在进行人脸检测时，突出主要的脸部特征，淡化次要的环境、衣着等因素。对于某些情况下，人脸检测也可以计算出人脸，如眼睛，鼻子和嘴等精确的微妙特征。由于在安全检测系统，医学，档案管理，视频会议和人机交互等领域人脸检测系统都有光明的应用前景，因此人脸检测逐渐成为了两个跨学科领域研究的热门话题:人工智能和当前模式识别。本文基于OpenCV视觉库具体的设计并开发了对数字图像中的人脸检测的程序，所采用的人脸检测的原理主要是分类器训练模式(Adaboost算法)提取Haar特征的方法。它在整个软件极其重要的作用，图像中人脸的准确定位和识别都受图像处理好坏的直接影响。本次所设计的软件在图像处理部分所采用的方法是基于Adaboost算法进行Haar特征的提取，在此之上加以通过积分图方法来获取完整的级联分类器结构，进行人脸检测时，OpenCV级联分类器通过Adaboost人脸检测算法进行训练，此后采用不同情况下的实验样本完成精确定位以及检测试验。经过代码的设计和调试，在最后的测试中针对数字图像进行的人脸检测和定位达到了较好的效果，提高了定位和识别的正确率。 关键词：人脸检测，AdaBoost，分类器，OpenCV
Abstract Face detection is mainly based on computer recognition of a digital technology,face size and location information to accurately obtain the person,during face detection, highlight the main facial features,dilute the secondary environment,clothing,and other factors.For some cases,face detection can also calculate a person's face,such as eyes, nose and mouth,and other subtle features accurate.Because in the field of human security detection systems,medical records management,video conferencing,and human-computer interaction face detection system has bright prospects,and therefore face detection is becoming a two interdisciplinary research fields hot topic:artificial intelligence and The current pattern recognition.This article is based.penCV vision library designed and developed specifically for digital image face detection process,the principles used face detection methods are mainly classifier training mode(Adaboost algorithm)to extract Haar features.It is in the vital role of the software,the image of the human face accurately locate and identify all that is good or bad a direct impact on the image processing.This software is designed image processing method used in part based Haar Adaboost algorithm to extract features,on top of this to be to get the full cascade classifier structure by integrating the diagram method for face detection,OpenCV cascade classifier is trained by Adaboost face detection algorithm,then the use of the experimental sample under different circumstances for accurate positioning and testing.Through design and debugging code,face detection and location in the final test for digital images to achieve better results and improve the accuracy of positioning and recognition. Keywords:face detection;AdaBoost;classifier;openCV
人脸识别毕业设计
摘要 人脸识别技术(FRT)是当今模式识别和人工智能领域的一个重要研究方向。虽然人脸识别的研究已有很长的历史，各种人脸识别的技术也很多，但由于人脸属于复杂模式而且容易受表情、肤色和衣着的影响，目前还没有一种人脸识别技术是公认快速有效的．本文主要讨论了人脸识别技术的一些常用方法，对现有的人脸检测与定位、人脸特征提取、人脸识别的方法进行分析和讨论，最后对人脸识别未来的发展和应用做了展望。 关键字：人脸识别，特征定位，特征提取
ABSTRACT Nowadays the face recognition technology (FRT) is a hot issue in the field of pattern recognition and artificial intelligence．Although this research already has a long history and many different recognition methods are proposed，there is still no effective method with low cost an d high precision．Human face is a complex pattern an d is easily affected by the expression，complexion and clothes．In this paper，some general research are discussed，including methods of face detection and location，features abstraction，and face recognition．Then we analyze and forecast the face recognition’s application and its prospects． Keywords: Face Recognition Technology, Face location，Features abstraction
基于OpenCv的图像识别
基于2DPCA的人脸识别算法研究 摘要 人脸识别技术是对图像和视频中的人脸进行检测和定位的一门模式识别技术，包含位置、大小、个数和形态等人脸图像的所有信息。由于近年来计算机技术的飞速发展，为人脸识别技术的广泛应用提供了可能，所以图像处理技术被广泛应用了各种领域。该技术具有广阔的前景，如今已有大量的研究人员专注于人脸识别技术的开发。本文的主要工作内容如下： 1)介绍了人脸识别技术的基础知识，包括该技术的应用、背景、研究方向以及 目前研究该技术的困难，并对人脸识别系统的运行过程以及运行平台作了简单的介绍。 2)预处理工作是在原始0RL人脸库上进行的。在图像的预处理阶段，经过了图 象的颜色处理，图像的几何归一化，图像的均衡化和图象的灰度归一化四个过程。所有人脸图像通过上述处理后，就可以在一定程度上减小光照、背景等一些外在因素的不利影响。 3)介绍了目前主流的一些人脸检测算法，本文采用并详细叙述了Adaboost人脸 检测算法。Adaboost算法首先需要创建人脸图像的训练样本，再通过对样本的训练，得到的级联分类器就可以对人脸进行检测。 4)本文介绍了基于PCA算法的人脸特征点提取，并在PCA算法的基础上应用了 改进型的2DPCA算法，对两者的性能进行了对比，得出后者的准确度和实时性均大于前者，最后将Adaboost人脸检测算法和2DPCA算法结合，不仅能大幅度降低识别时间，而且还相互补充，有效的提高了识别率。 关键词：人脸识别 2DPCA 特征提取人脸检测
2DPCA Face Recognition Algorithm Based on The Research Abstract：Face recognition is a technology to detect and locate human face in an image or video streams,Including location, size, shape, number and other information of human face in an image or video streams.Due to the rapid development of computer operation speed makes the image processing technology has been widely applied in many fields in recent years. This paper's work has the following several aspects: 1)Explained the background, research scope and method of face recognition,and introduced the theoretical method of face recognition field in general. 2)The pretreatments work is based on the original ORL face database. In the image preprocessing stage, there are the color of the image processing, image geometric normalization, image equalization and image gray scale normalization four parts. After united processing, the face image is standard, which can eliminate the adverse effects of some external factors. 3)All kinds of face detection algorithm is introduced, and detailed describing the Adaboost algorithm for face detection. Through the Adaboost algorithm to create a training sample,then Training the samples of face image,and obtaining the cascade classifier to detect human face. 4)This paper introduces the facial feature points extraction based on PCA ,and 2DPCA is used on the basis of the PCA as a improved algorithm.Performance is compared between the two, it is concluds that the real time and accuracy of the latter is greater than the former.Finally the Adaboost face detection algorithm and 2DPCA are combined, which not only can greatly reduce the recognition time, but also complement each other, effectively improve the recognition rate. Key words：Face recognition 2DPCA Feature extraction Face detection
(完整版)基于matlab的人脸识别系统设计毕业设计
毕业设计 [论文] 题目：基于MATLAB的人脸识别系统设计 学院：电气与信息工程学院 专业：自动化 姓名：张迎
指导老师：曹延生 完成时间：2013.05.28
摘要 人脸识别是模式识别和图像处理等学科的一个研究热点，它广泛应用在身份验证、刑侦破案、视频监视、机器人智能化和医学等领域，具有广阔的应用价值和商用价值。人脸特征作为一种生物特征，与其他生物特征相比，具有有好、直接、方便等特点，因此使用人脸特征进行身份识别更易于被用户所接受。 人脸识别技术在过去的几十年得到了很大的发展，但由于人脸的非刚性、表情多变等因素，使得人脸识别技术在实际应用中面临着巨大的困难。本文针对近年来国内外相关学术论文及研究报告进行学习和分析的基础上，利用图像处理的matlab实现人脸识别方法，这种实现简单且识别准确率高，但其缺点是计算量大，当要识别较多人员时，该方法难以胜任。 利用MATLAB实现了一个集多种预处理方法于一体的通用的人脸图像预处理仿真系统，将该系统作为图像预处理模块可嵌入在人脸识别系统中，并利用灰度图像的直方图比对来实现人脸图像的识别判定。 关键词：图像处理, Matlab, 人脸识别, 模式识别
ABSTRACT Human face recognition focuses on pattern recognition ,image processi ng andother subjects.It is widely used in authentication,investigation,video surveillance,intelligent robots,medicine and other areas.Facerecognition ha s wide application and business value.Facial feature asabiological character istic,compared with others is direct,friendly andconvenient.Facial featuree mployed in authentication are user-friendly. The technology of face recognition in the past few years obtained the v ery big development, but due to the face of nonrigid, expression and chang eablefactors, the face recognition technology in practical application are fa cing great difficulties. This paper aimed at home and abroad in recent year s the relevant papers and researchreports on study and on the basis of the a nalysis, some units within the data sensitivity places need to enter personne l to carry out limitation design and develop a set of identity verification ide ntification system, the system uses PCA face recognition method, therealiza tion is simple and the accuracy rate of recognition is high,but itsdrawback i s that a large amount of calculation, when to identify more staff,this metho d is difficult to do. The realization of a set of various pretreatment methods in one of the generic face image preprocessing simulation system based on MATLAB, the system is used as the image preprocessing module can be embedded in a face recognition system, and using the histogram matching gray image to realize the recognition of human face images to determine.
基于PCA算法的人脸识别毕业设计论文
太原科技大学 毕业设计（论文） 设计(论文)题目：基于PCA算法的人脸识别
毕业设计（论文）原创性声明和使用授权说明 原创性声明 本人郑重承诺：所呈交的毕业设计（论文），是我个人在指导教师的指导下进行的研究工作及取得的成果。尽我所知，除文中特别加以标注和致谢的地方外，不包含其他人或组织已经发表或公布过的研究成果，也不包含我为获得及其它教育机构的学位或学历而使用过的材料。对本研究提供过帮助和做出过贡献的个人或集体，均已在文中作了明确的说明并表示了谢意。 作者签名：日期： 指导教师签名：日期： 使用授权说明 本人完全了解大学关于收集、保存、使用毕业设计（论文）的规定，即：按照学校要求提交毕业设计（论文）的印刷本和电子版本；学校有权保存毕业设计（论文）的印刷本和电子版，并提供目录检索与阅览服务；学校可以采用影印、缩印、数字化或其它复制手段保存论文；在不以赢利为目的前提下，学校可以公布论文的部分或全部内容。 作者签名：日期： Ⅰ
学位论文原创性声明 本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加以标注引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律后果由本人承担。 作者签名：日期：年月日 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。 涉密论文按学校规定处理。 作者签名：日期：年月日 导师签名：日期：年月日 Ⅰ
基于单片机的人脸识别系统
摘要 摘要 随着社会的发展，各个方面对快速有效的自动身份验证的要求日益迫切。由于生物特征是人的内在属性，具有很强的自身稳定性和个体差异性，因此是身份验证的理想依据。这其中，利用人脸特征又是最自然直接的手段，相比其他生物特征，它具有直接、友好、方便的特点，易于为用户接受。 人脸识别是一个涉及面广且又很有挑战性的研究课题，近年来关于人脸识别的研究取得了较大的进展。 关键词：人脸识别，AT89C51单片机，液晶显示器
Abstract As the development of the society, there are increasing demands in automatic identity check. Since some biological characteristics are intrinsic and stable to people and are strongly different from one to the others, they can be used as features for identity check. Among all the characteristics of human, the characteristics of face are the most direct tools which are friendly and convenient and can easily be accepted by the customers. Face recognition is an extensive and challenging research problem. Recently, significant progresses have been made in the technology of the face recognition. Key word:AT89C51 MCU，human face recognition，LCD
基于PCA的人脸识别算法实现毕业论文
基于PCA的人脸识别算法实现毕业论文 目录 前言 (1) 第一章人脸识别系统概述 (2) 第一节人脸识别的研究概况 (2) 第二节人脸识别的发展趋势 (3) 一、多数据融合与方法综合 (4) 二、动态跟踪人脸识别系统 (4) 三、基于小波神经网络的人脸识别 (4) 四、三维人脸识别 (4) 五、适应各种复杂背景的人脸分割技术 (4) 六、全自动人脸识别技术 (4) 第三节人脸识别技术的主要难点 (4) 一、复杂条件下人脸的检测和关键点定位 (5) 二、光照问题 (5) 三、资态问题 (5) 四、表情问题 (5) 五、遮挡问题 (5) 第四节人脸识别流程 (5) 一、人脸图像采集 (6) 二、预处理 (6) 三、特征提取 (6) 第五节本章小结 (7) 第二章人脸图像的获取 (9) 第一节人脸图像获取 (9) 第二节人脸分割 (9) 第三节人脸数据库 (10) 第四节本章小结 (11) 第三章人脸图像的预处理 (12)
第一节人脸图像格式 (12) 一、JPEG格式 (12) 二、JPEG2000格式 (12) 三、BMP格式 (13) 四、GIF格式 (13) 五、PNG格式 (13) 第二节人脸图像常用预处理方法 (14) 一、灰度变化 (14) 二、二值化 (15) 三、直方图均衡 (15) 四、图像滤波 (15) 五、图像锐化 (17) 六、图像归一化 (18) 第三节本章小结 (19) 第四章人脸识别 (20) 第一节主成分分析基本理论 (20) 一、什么是主成分分析？ (20) 二、例子 (20) 三、基变换 (21) 四、方差 (23) 五、PCA求解：特征根分解 (27) 六、PCA的假设 (28) 七、总结： (28) 八、在计算机视觉领域的应用 (30) 第二节基于PCA人脸识别算法的实现 (31) 一、创建数据库 (32) 二、计算特征脸 (32) 三、人脸识别 (34) 第三节本章小结 (36) 结论 (37) 致谢 (38) 参考文献 (39) 附录 (40) 一、英文原文 (40) 二、英文翻译 (53)
基于opencv对图像的预处理
基于opencv 对图像的预处理 1.问题描述 本次设计是基于opencv 结合c++语言实现的对图像的预处理，opencv 是用于开发实时的图像处理、计算机视觉及模式识别程序；其中图像的预处理也就是利用opencv 对图像进行简单的编辑操作；例如对图像的对比度、亮度、饱和度进行调节，同时还可以对图像进行缩放和旋转，这些都是图像预处理简单的处理方法；首先通过opencv 加载一幅原型图像，显示出来；设置五个滑动控制按钮，当拖动按钮时，对比度、亮度、饱和度的大小也会随之改变，也可以通过同样的方式调节缩放的比例和旋转的角度，来控制图像，对图像进行处理，显示出符合调节要求的图像，进行对比观察他们的之间的变化。 2.模块划分 此次设计的模块分为五个模块，滑动控制模块、对比度和亮度调节模块、饱和度调节模块、缩放调节模块、旋转调节模块，他们之间的关系如下所示： 图一、各个模块关系图 调用 调用 调用 调用 滑动控制模块 对比度和亮度调节模块 饱和度调节模块 缩放调节模块 旋转调节模块
滑动控制模块处于主函数之中，是整个设计的核心部分，通过createTrackbar创建五个滑动控制按钮并且调用每个模块实现对图像相应的调节。 3.算法设计 （1）滑动控制： 滑动控制是整个设计的核心部分，通过创建滑动控制按钮调节大小来改变相应的数据，进行调用函数实现对图像的编辑，滑动控制是利用createTrackbar()，函数中包括了滑动控制的名称，滑动控制显示在什么窗口上，滑动变量的地址和它调节的最大围，以及每个控制按钮应该调用什么函数实现什么功能； （2）对比度和亮度的调节： 对比度和亮度的调节的原理是依照线性理论，它的公式如下所示：g(x)=a* f(x) +b，其中f(x)表示源图像的像素，g(x)表示输出图像的像素，参数a（需要满足a>0）被称为增益（gain），常常被用来控制图像的对比度，参数b通常被称为偏置（bias），常常被用来控制图像的亮度； （3）饱和度的调节： 饱和度调节利用cvCvtColor( src_image, dst_image, CV_BGR2HSV )将RGB 颜色空间转换为HSV颜色空间，其中“H=Hue”表示色调，“S=Saturation”表示饱和度，“V=Value ”表示纯度；所以饱和度的调节只需要调节S的大小，H 和V的值不需要做任何的改变； （4）旋转的调节： 旋转是以某参考点为圆心，将图像的个点（x，y）围绕圆心转动一个逆时针角度θ，变为新的坐标（x1,y1）,x1=rcos(α+θ)，y1=rsin(α+θ)，其中r是图像的极径，α是图像与水平的坐标的角度的大小； （5）缩放的调节： 首先得到源图像的宽度x和高度y，变换后新的图像的宽度和高度分别为x1和y1，x1=x*f，y1=y*f，其中f是缩放因子； 4.函数功能描述 （1）主函数main（）用来设置滑动控制按钮，当鼠标拖动按钮可以得到相应的数据大小，实现手动控制的功能，当鼠标拖动对比度和亮度调节是，主函数调用
基于eigenfaces的人脸识别算法实现大学论文
河北农业大学 本科毕业论文(设计) 题目：基于Eigenfaces的人脸识别算法实现 摘要 随着科技的快速发展,视频监控技术在我们生活中有着越来越丰富的应用。在这些视频监控领域迫切需要一种远距离，非配合状态下的快速身份识别，以求能够快速识别所需要的人员信息，提前智能预警。人脸识别无疑是最佳的选择。可以通过人脸检测从视频监控中快速提取人脸，并与人脸数据库对比从而快速识别身份。这项技术可以广泛应用于国防，社会安全，银行电子商务，行政办公，还有家庭安全防务等多领域。 本文按照完整人脸识别流程来分析基于PCA(Principal Component Analysis)的人脸识 别算法实现的性能。首先使用常用的人脸图像的获取方法获取人脸图像。本文为了更好的分析基于PCA人脸识别系统的性能选用了ORL人脸数据库。然后对人脸数据库的图像进行了简单的预处理。由于ORL人脸图像质量较好，所以本文中只使用灰度处理。接着使用PCA提取人脸特征，使用奇异值分解定理计算协方差矩阵的特征值和特征向量以及使用最近邻法分类器欧几里得距离来进行人脸判别分类。 关键词:人脸识别PCA算法奇异值分解定理欧几里得距离
ABSTRACT With the rapid development of technology, video surveillance technology has become increasingly diverse applications in our lives. In these video surveillance urgent need for a long-range, with rapid identification of non-state, in order to be able to quickly identify people the information they need, advance intelligence warning. Face recognition is undoubtedly the best choice. Face detection can quickly extract human faces from video surveillance, and contrast with the face database to quickly identify identity. This technology can be widely used in national defense, social security, bank e-commerce, administrative offices, as well as home security and defense and other areas. In accordance with the full recognition process to analyze the performance of PCA-based face recognition algorithm. The first to use the method of access to commonly used face images for face images. In order to better analysis is based on the performance of the PCA face recognition system selected ORL face database. Then the image face database for a simple pretreatment. Because ORL face image quality is better, so this article uses only gray scale processing. Then use the PCA for face feature extraction using singular value decomposition theorem to calculate the covariance matrix of the eigenvalues and eigenvectors, and use the Euclidean distance of the nearest neighbor classifier to the classification of human face discrimination. KEYWORDS: face recognition PCA algorithm SVD Euclidean distance
- Opencv摄像头实时人脸识别
- [作业]OPENCV人脸识别
- 《基于 OpenCV的人脸识别系统》
- 基于opencv的人脸识别系统毕业设计论文
- 基于OpenCV的视频人脸识别系统的设计与实现
- 基于OpenCV的人脸识别应用
- 基于OpenCV和JavaCV的人脸识别系统设计与实现
- 基于opencv的人脸识别程序-代码详解
- 基于opencv的人脸识别系统
- 基于OPENCV的人脸识别1
- 基于Opencv的人脸识别考勤系统
- 基于OpenCV的人脸识别算法研究
- 基于opencv的人脸识别系统
- 利用OpenCV实现基于PCA算法的人脸识别
- [作业]OpenCV人脸识别
- 基于OPENCV的人脸识别程序 代码详解
- 基于PCA的人脸识别opencv代码
- 基于OpenCV的人脸识别设计方案
- 基于opencv的人脸识别系统毕业设计论文
- 基于opencv的人脸识别程序-代码详解