【正文】 理分類:即對(duì)待識(shí)別人臉的物理特征進(jìn)行分類,得出其年齡、性別、種族等相關(guān)信息。狹義方面來(lái)說(shuō),一個(gè)人臉識(shí)別系統(tǒng)不涉及表情分析和物理分類,基于此人臉識(shí)別首先對(duì)人臉照片預(yù)處理，然后對(duì)其提取可區(qū)別人臉的特征點(diǎn)，最后進(jìn)行比較識(shí)別。人臉識(shí)別系統(tǒng)一般由人臉檢測(cè)、人臉定位、圖像預(yù)處理、特征提取與選擇、圖像訓(xùn)練、識(shí)別對(duì)比等步驟組成。典型的人臉識(shí)別系統(tǒng)框圖如下圖所示：人臉識(shí)別系統(tǒng)在MATLAB上運(yùn)行，主要實(shí)現(xiàn)的功能是當(dāng)輸入一張人臉圖像時(shí)，系統(tǒng)能夠從預(yù)存人臉數(shù)據(jù)庫(kù)中找出一張與待識(shí)別人臉圖像中的人臉一致的圖像。本次論文擬重點(diǎn)研究人臉識(shí)別這一部分，設(shè)計(jì)一種基于PCA算法的識(shí)別方案，并利用MATLAB實(shí)現(xiàn)該識(shí)別過(guò)程。目前人臉識(shí)別算法大概可以分為二維人臉識(shí)別算法和三維人臉識(shí)別算法。本文主要研究二維人臉靜態(tài)識(shí)別，主要通過(guò)提取人臉上的特征值進(jìn)行人臉的比對(duì)。三、研究步驟、方法及措施 PCA人臉識(shí)別算法的關(guān)鍵步驟包括以下四步：第一步：圖像預(yù)處理。第二步：訓(xùn)練人臉庫(kù)，建立特征臉空間。第三步：將預(yù)存人臉圖像和待識(shí)別圖像投影到特征臉空間上。第四步：輸出與待識(shí)別圖像最接近的人臉圖像。MATLAB支持五種圖像類型，二進(jìn)制圖像類型，索引圖像類型，灰度圖像，多幀圖像，RGB圖像類型。本論文擬采用灰度圖像。在人臉識(shí)別中最重要的步驟就是特征提取。而且如何能夠提取有效的特征是人臉識(shí)別的關(guān)鍵所在。由于人臉構(gòu)成的復(fù)雜性與多變性，尋找一個(gè)有效的特征值是非常困難的。人臉圖像進(jìn)行特征提取主要有兩類方法第一種是特征提取主要基于人臉幾何特征，它的主要依據(jù)是人臉器官之間的幾何關(guān)系，人臉器官之間的幾何關(guān)系一般有器官連線間的角度、兩點(diǎn)間的歐氏距離、曲率等特征。第二種是基于人臉代數(shù)特征的特征提取。人臉的代數(shù)特征就是將人臉看成一個(gè)數(shù)據(jù)矩陣，我們提取這個(gè)數(shù)據(jù)矩陣的一些特性進(jìn)行人臉比對(duì)。本文采用的算法是屬于第二種特征提取算法的基于主成分分析的人臉識(shí)別技術(shù)。四、設(shè)計(jì)方案對(duì)比方案1:基于PCA法的特征提取。方案2：基于FisherFace的特征提取。對(duì)比項(xiàng)目方案1方案2適用范圍模式識(shí)別，特征提取模式識(shí)別，特征提取，分類技術(shù)局限性算法基礎(chǔ)，應(yīng)用范圍廣針對(duì)分類比PCA算法有改進(jìn)功耗大小功耗低功耗低工藝要求低低技術(shù)難度難度較低技術(shù)難度較高對(duì)社會(huì)可持續(xù)發(fā)展的影響促進(jìn)相關(guān)技術(shù)的發(fā)展促進(jìn)相關(guān)技術(shù)的發(fā)展對(duì)健康的影響少量輻射少量輻射對(duì)安全的影響安全無(wú)公害安全無(wú)公害是否符合法律規(guī)定符合符合對(duì)文化的影響對(duì)文化發(fā)展有著長(zhǎng)遠(yuǎn)的意義對(duì)文化發(fā)展有著長(zhǎng)遠(yuǎn)的意義對(duì)環(huán)境的影響無(wú)影響無(wú)影響現(xiàn)有技術(shù)儲(chǔ)備較為熟悉不熟悉五、研究工作進(jìn)度 研究工作進(jìn)度安排如下：14周：收集資料，熟悉課題內(nèi)容，確定設(shè)計(jì)思路。58周：熟悉程序設(shè)計(jì)語(yǔ)言，確定算法實(shí)現(xiàn)方案。912周：確定算法流程，編寫各模塊算法。1315周：實(shí)現(xiàn)整個(gè)方案，上機(jī)調(diào)試并進(jìn)行優(yōu)化。1618周：撰寫論文，準(zhǔn)備答辯。六、主要參考文獻(xiàn) 1 張翠平，蘇光大．人臉識(shí)別技術(shù)綜述．中國(guó)圖像圖形學(xué)報(bào)．2000，5(11)：56~582 龔勛．PCA與人臉識(shí)別即其理論基礎(chǔ)．微計(jì)算機(jī)信息．2007，32(15)：1~73 程自龍，雷秀玉．基于KL變換(PCA)的特征臉人臉識(shí)別方法綜述．中國(guó)圖像 圖形學(xué)報(bào)．2010，20(22)：15~184 章毓晉．圖像處理，北京：清華大學(xué)出版社，20075 倪世貴，白寶剛．基于PCA的人臉識(shí)別研究．現(xiàn)代計(jì)算機(jī)．2011，23(42):20~22．6 周桐．基于PCA的人臉識(shí)別系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)．哈爾濱工業(yè)大學(xué)碩士學(xué)位論 文．2013，26~307 徐飛．Matlab應(yīng)用圖像處理．西安：西安電子科技大學(xué)出版社，20058 王映輝．人臉識(shí)別原理，方法與技術(shù)．北京：科學(xué)出版社，20109 高曉興，李仁睦，王文佳．基于人臉?lè)诸惡蚄L變換的人臉識(shí)別新方法．微 計(jì)算機(jī)信息．2010，26(3)：3~610 王國(guó)棟．基于MATLAB的人臉識(shí)別算法研究．內(nèi)蒙古大學(xué)碩士學(xué)位論文 ．2014:28~3311 田印中，董志學(xué)，黃建偉．基于PCA的人臉識(shí)別算法研究及實(shí)現(xiàn)．內(nèi)蒙古 科技與經(jīng)濟(jì)．2010，4(208)：15~1812 Lindsay I Smith．A tutorial on Principle Components Analysis．Pattern Recognition，2005，32(9) ：5~813 Rajkiran Gottumukkal，Vijayan ．Letters An improved face recongnition technique based on modular PCA approach． Pattern Recognition，2004，25(3) ： 429~43614 劉學(xué)勝．基于PCA和SVM算法的人臉識(shí)別．計(jì)算機(jī)與數(shù)字工程．2011，14(3)： 56~5815 盛驟，謝式千，潘承毅．概率論與數(shù)理統(tǒng)計(jì)．北京：高等教育出版社，200816 陳惠明．圖像歐氏距離在人臉識(shí)別中的應(yīng)用研究．計(jì)算機(jī)工程與設(shè)計(jì)．2008， 3(14)：22~25．17 戴歡，吳小?。趫D像歐氏距離的人臉描述和識(shí)別方法．江南大學(xué)學(xué)報(bào)． 2009，36(11)：12~1618 Transactions On Pattern Analysis And Machine Inteelligence. Eigenfaces vs Fisherfaces:Recognition Using Class Specific (7)：vol(19)19 Jeff Fortuna,David support vector classification using PCA and ICA feature space 附錄 2 附錄 2本科畢業(yè)設(shè)計(jì)（論文）文獻(xiàn)綜述課題名稱：基于PCA的人臉識(shí)別算法研究 學(xué)院（系）： 信息科學(xué)與工程學(xué)院 年級(jí)專業(yè)： 2012級(jí)通信工程 學(xué)生姓名： 指導(dǎo)教師： 完成日期： 2016年3月20日 一、課題背景人臉識(shí)別的研究可以追溯到一百多年前，但由于相關(guān)理論基礎(chǔ)、技術(shù)水平和應(yīng)用需求等原因，直到二十世紀(jì)六、七十年代，才得到了學(xué)者的關(guān)注。隨著技術(shù)的進(jìn)一步發(fā)展，進(jìn)入二十世紀(jì)九十年代后，人臉識(shí)別技術(shù)引起了學(xué)術(shù)界的廣泛關(guān)注，并成為熱點(diǎn)研究領(lǐng)域，步入了研究高峰階段。人臉識(shí)別的輸入圖像一般分為三種情況：正面、傾斜、側(cè)面，而這種關(guān)鍵點(diǎn)比較法對(duì)人臉的偏轉(zhuǎn)角度十分敏感，因此很難進(jìn)行準(zhǔn)確的定位。由于正面人臉包含了人臉更顯著的特征，所以對(duì)于正面人臉模式的研究最多，它的發(fā)展大致可以分為三個(gè)階段：第一階段是上世紀(jì)50到60年代第一階段主要研究人臉識(shí)別所需要的面部特征,以Bertillon和Parke為代表，Bertillon用一個(gè)簡(jiǎn)單的語(yǔ)句將人臉與數(shù)據(jù)庫(kù)中某張人臉相聯(lián)系，Parke則用計(jì)算機(jī)產(chǎn)生了較高質(zhì)量的人臉灰度圖模型。這一階段的人臉識(shí)別系統(tǒng)的工作特點(diǎn)是識(shí)別過(guò)程完全依賴于操作人員,不是一種可以完成自動(dòng)識(shí)別的系統(tǒng)。第二階段是人機(jī)交互識(shí)別階段，有人開(kāi)始用幾何特征參數(shù)來(lái)表示人臉正面圖像。采用統(tǒng)計(jì)是別的方法，用歐氏距離來(lái)表征人臉特征。但這階段的人臉識(shí)別需要操作人員的某些先驗(yàn)知識(shí),仍擺脫不了人的干預(yù)。第三階段是真正的機(jī)器自動(dòng)識(shí)別階段。由于生產(chǎn)、生活各方面對(duì)人臉識(shí)別系統(tǒng)日益迫切的需求,以及計(jì)算機(jī)技術(shù)、圖像處理、模式識(shí)別技術(shù)的發(fā)展成熟,人臉識(shí)別方法有了較大的突破。這一階段,人們提出了很多人臉自動(dòng)識(shí)別的方法。到目前為止人臉識(shí)別工作已經(jīng)進(jìn)行了多年,但是仍然面臨著種種困難,其中主要有人臉圖像中人臉角度變化遮擋引入,以及光照變化,圖像質(zhì)量間的差異等成識(shí)別率下降的問(wèn)題。二、研究主要成果 綜合有關(guān)文獻(xiàn)，在人臉識(shí)別的領(lǐng)域中，國(guó)際上逐步形成了以下幾個(gè)研究方向：(1) 基于幾何特征的人臉識(shí)別方法，主要代表是MIT的Brunelli和Poggio小組，他們采用改進(jìn)的積分投影法提取出用歐氏距離表征的35維人臉特征矢量用于模式分類；(2) 基于模板匹配的人臉識(shí)別方法，主要代表是Harvard大學(xué) SmithKettlewell眼睛研究中心的Yuille，他采用彈性模板來(lái)提取眼睛和嘴巴的輪廓，Chen和Huang則進(jìn)一步提出用活動(dòng)輪廓模板提取眉毛、下巴和鼻孔等不確定形狀；(3) 基于KL變換的特征臉的方法，主要研究者是MIT媒體實(shí)驗(yàn)室的Pentland(4) 基于隱馬爾可夫模型的方法，主要代表有Cambridge大學(xué)的Samaria小組和Georgia技術(shù)研究所的Nefian小組；(5) 神經(jīng)網(wǎng)絡(luò)識(shí)別的方法，如Poggio小組提出的HyperBF神經(jīng)網(wǎng)絡(luò)識(shí)別方法，英國(guó)Sussex大學(xué)的Buxton和Howell小組提出的RBF網(wǎng)絡(luò)識(shí)別方法等；(6) 基于動(dòng)態(tài)鏈接結(jié)構(gòu)的彈性圖匹配方法， derMalsburg領(lǐng)導(dǎo)的德國(guó)Bochum大學(xué)和美國(guó)Southern California大學(xué)的聯(lián)合小組；(7) 利用運(yùn)動(dòng)和顏色信息對(duì)動(dòng)態(tài)圖像序列進(jìn)行人臉識(shí)別的方法，主要代表是Queen Mary和Westfield大學(xué)的Shaogang Gong小組[6]。三、發(fā)展趨勢(shì) 根據(jù)目前的發(fā)展，人臉識(shí)別的二維與三維算法相結(jié)合，多種人臉識(shí)別算法的綜合使用，是以后人臉識(shí)別技術(shù)發(fā)展的方向二維人臉識(shí)別算法將在三維人臉識(shí)別中逐步應(yīng)用?？傮w來(lái)說(shuō)，人臉識(shí)別要向高速性，高效性兩大方向發(fā)展。四、存在問(wèn)題人臉識(shí)別算法以后要能克服姿勢(shì)、表情、年齡變化同時(shí)要有短暫的識(shí)別時(shí)間。以及在復(fù)雜的背景環(huán)境下，如光線弱，遮擋物多等各種因素的影響下不能夠準(zhǔn)確識(shí)別。五、主要參考文獻(xiàn) 1 張翠平，蘇光大．人臉識(shí)別技術(shù)綜述．中國(guó)圖像圖形學(xué)報(bào)．2000，5(11)：56~582 龔勛．PCA與人臉識(shí)別即其理論基礎(chǔ)．微計(jì)算機(jī)信息．2007，32(15)：1~73 程自龍，雷秀玉．基于KL變換(PCA)的特征臉人臉識(shí)別方法綜述．中國(guó)圖像 圖形學(xué)報(bào)．2010，20(22)：15~184 章毓晉．圖像處理，北京：清華大學(xué)出版社，20075 倪世貴，白寶剛．基于PCA的人臉識(shí)別研究．現(xiàn)代計(jì)算機(jī)．2011，23(42):20~22．6 周桐．基于PCA的人臉識(shí)別系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)．哈爾濱工業(yè)大學(xué)碩士學(xué)位論 文．2013，26~307 徐飛．Matlab應(yīng)用圖像處理．西安：西安電子科技大學(xué)出版社，20058 王映輝．人臉識(shí)別原理，方法與技術(shù)．北京：科學(xué)出版社，20109 高曉興，李仁睦，王文佳．基于人臉?lè)诸惡蚄L變換的人臉識(shí)別新方法．微 計(jì)算機(jī)信息．2010，26(3)：3~610 王國(guó)棟．基于MATLAB的人臉識(shí)別算法研究．內(nèi)蒙古大學(xué)碩士學(xué)位論文 ．2014:28~3311 田印中，董志學(xué)，黃建偉．基于PCA的人臉識(shí)別算法研究及實(shí)現(xiàn)．內(nèi)蒙古 科技與經(jīng)濟(jì)．2010，4(208)：15~1812 Lindsay I Smith．A tutorial on Principle Components Analysis．Pattern Recognition，2005，32(9) ：5~813 Rajkiran Gottumukkal，Vijayan ．Letters An improved face recongnition technique based on modular PCA approach． Pattern Recognition，2004，25(3) ： 429~43614 劉學(xué)勝．基于PCA和SVM算法的人臉識(shí)別．計(jì)算機(jī)與數(shù)字工程．2011，14(3)： 56~5815 盛驟，謝式千，潘承毅．概率論與數(shù)理統(tǒng)計(jì)．北京：高等教育出版社，200816 陳惠明．圖像歐氏距離在人臉識(shí)別中的應(yīng)用研究．計(jì)算機(jī)工程與設(shè)計(jì)．2008， 3(14)：22~25．17 戴歡，吳小?。趫D像歐氏距離的人臉描述和識(shí)別方法．江南大學(xué)學(xué)報(bào)． 2009，36(11)：12~1618 Transactions On Pattern Analysis And Machine Inteelligence. Eigenfaces vs Fisherfaces:Recognition Using Class Specific (7)：vol(19)19 Jeff Fortuna,David support vector classification using PCA and ICA feature space 附錄 3 附錄 3信息科學(xué)與工程學(xué)院本科畢業(yè)設(shè)計(jì)（論文）中期報(bào)告課題名稱： 基于ＰＣＡ的人臉識(shí)別算法研究 學(xué)院（系）： 信息科學(xué)與工程學(xué)院 年級(jí)專業(yè)： 12級(jí)通信工程 學(xué)生姓名： 指導(dǎo)教師： 完成日期： 2016年4月30日 一 任務(wù)書中本階段工作目標(biāo)與