【導讀】有語音識別，指紋識別，人臉識別等技術。關的應用，成為了人體特征識別中的比較熱門的研究課題。在人臉檢測部分，本文主要介紹了基于haar分類器的檢測方。在人臉識別部分，首先獲取人的個人信息的，對人臉圖像的采集并進。在本文的最后，對實現(xiàn)的系統(tǒng)各項功能進行實驗，對影響識別率的維。最后總結畢業(yè)設計中的不足，自己的心得體會，并對未來學習進行展

　　

【正文】 中，函數(shù) getPersonInfo(int nearest)實現(xiàn)了上述功能 。 對于維數(shù)的選擇，理論上是維數(shù)越多越好，但是實際上可以不必選取過多的特征值，特征 值的數(shù)量最多只能是樣本數(shù)減 1。例如：假設只有 2 個點，用 1維的線坐標即可區(qū)分兩個點；假如只有 3個點，在 2維平面上的坐標也完全可以區(qū)分這三個點，而不必選擇三維坐標系。以此類推 nEigen 的值最大只能是樣本數(shù)減一。 關于距離閾值的選擇，有很多種方法。本系統(tǒng)中，根據實驗結果測試，選取了一個相對較好的系數(shù)，然后乘以樣本中的最大距離，作為判斷是否屬于人臉庫的閾值，該閾值需要能夠較大程度排除非圖像庫中的人臉。 湖南大學畢業(yè)設計（論文） 第 22 頁 實驗結果 實驗有 6個人的頭像，每個人 35張，總共有 24張照片。這些照片都是自己在寢室用筆記本攝像頭 拍的。其中 5人是在寢室光照強的時候采集的圖像， 1 人在寢室光照暗時采集的圖像。由下圖可以看出，第一排的人臉圖像是在較暗的環(huán)境下拍攝的。同時在數(shù)據庫中也記錄了各位同學的基本信息。 湖南大學畢業(yè)設計（論文） 第 23 頁 在實驗時 ，每人識別 10 次，在與采集圖像相同的光照環(huán)境下，識別率高達 90%，且受到人臉表情的影響比較小。然而在與采集圖像不同光照的情況下，識別率非常低，只有 10%左右。如果識別的時候距離攝像頭太遠，也會導致攝像頭獲得的圖像偏暗，與在暗光下拍攝效果類似，得到的識別效果也不理想。 對于距離閾值的選擇，我找了不在人臉庫中的同學測試，最后經過多次的試驗，選擇最大距離的九分之一作為閾值，可以區(qū)分人臉庫中的人臉和非人臉庫中的人臉。然而這種方法只是根據試驗測試，也就是根據“經驗”得到的，實際上，閾值的選擇應該與樣本有關，是一個 比較復雜的過程。在某些期刊中提到了自適應閾值法，但是未能利用到本系統(tǒng)中。 由于環(huán)境條件所限，上述關于識別率的測試也不太準確，如果要進行精確的測試，需要大量的人臉數(shù)據庫，并進行反復的測試。然而上述識別結果已基本上能夠反映出系統(tǒng)的識別功能，大體上滿足了人臉識別的要求。 系統(tǒng)存在的問題 首先，在運行時間方面，總體可以接受，但是響應偏慢，主要是涉及到數(shù)據庫的讀寫和存儲，而且計算量也比較大。在實際應用中，如果涉及到大量的人員和數(shù)據信息，運行效率會更差，主要原因還是 PCA方法效率不夠高，如 果要達到實際應用的需要，必須與其它方法相結合才能得到比較好的識別效果和運行效率。 在識別率方面，受到多方面的影響。首先是光照影響，在光照強弱變化大時，識別效果會比較差。所以實驗時，圖像采集和識別都在同樣地光照環(huán)境下進行的，因此獲得比較好的識別效果。如果在圖像識別時，額外添加光源，則識別率會大大降低。然而在實際應用中，難免會有環(huán)境光照強弱變化較大的情況，所以需要進一步改進。如果采集圖像的時候，分別在強光和弱光下分別采集，則會減少光照強弱的影響。其次，人臉的遮擋物和表情也存在一定的影響，戴眼鏡和不戴眼鏡，或者其 他東西遮擋，對結果產生一定的影響，但是總體還是可以接受。對于表情，主要是人臉的偏移角度對結果的影響大，而嘴巴和眼睛等部位的變化對結果影響不大。 湖南大學畢業(yè)設計（論文） 第 24 頁 對于距離閾值的選擇也存在一定的問題，有時候不是圖像庫中的人臉會誤認為是人臉庫中的，這主要是閾值選擇不夠合理。而本文中，閾值的選擇是根據實驗結果而試探的，只是經驗總結，并沒有理論依據，需要改善，從理論和實際上選擇更加合理的距離閾值。 本章小結 本系統(tǒng)分為四個類，圖像采集，圖像訓練，圖像識別，主菜單。本章詳細全面的介紹了人臉識別系統(tǒng)的流程，各 個對話框類的每一項功能，以及實現(xiàn)的主要函數(shù)接口，并且說明了距離閾值是如何選擇的，同時也補充說明了特征值選擇個數(shù)和樣本圖像數(shù)量的關系。最后實驗，發(fā)現(xiàn)了系統(tǒng)存在的問題，對系統(tǒng)存在的不足做了詳細說明 ,對我今后學習和研究指明了一個參考方向。 湖南大學畢業(yè)設計（論文） 第 25 頁 第五章 全文總結及展望 全文總結 人臉識別技術是隨著可以的發(fā)展而興起的一個課題，是模式識別和計算機視覺的一個重要分支。研究的目的是為了利用人臉這一生物特征對人進行身份鑒定，從而可以在一定程度上防 止證件偽造和密碼被盜帶來的損失。但是由于人臉生物特征的復雜性，以及復雜多變的外界環(huán)境和人臉表情，現(xiàn)在的人臉識別系統(tǒng)也不能百分之百的保證識別結果的準確性，也存在一定的風險，所以這一課題仍然對研究人員而言具有挑戰(zhàn)性。 PCA 識別技術是眾多技術中比較經典的一種方法，該方法能將數(shù)據壓縮和轉換，將高維數(shù)據投影到低維的子空間中，提高了效率，同時該算法的原理也相對簡單，主要是矩陣的運算，在 opencv 中提供了很多矩陣運算的函數(shù)，可以直接調用，實現(xiàn)起來更加方便。 PCA 人臉識別分成兩個部分：人臉檢測和人臉識別 。在人臉檢測部分，本文利用基于 haar 分類器的檢測方法，對人臉進行檢測，獲得人臉頭像，并對人臉頭像進行預處理，主要是圖片大小變換，灰度變換和圖片歸一化。在人臉識別部分，采用 PCA（主成分分析法）對采集到的圖像進行特征提取，并與存儲的特征信息進行匹配，與訓練的人臉圖像數(shù)據計算歐式距離，最終識別出人的身份。 本文在理論上和實驗上，主要做了一下工作： (1)為了識別的方便，利用 MFC 做了圖像采集的模塊界面。首先利用攝像頭進行拍照，然后對圖像進行預處理，并自動建立文件夾，自動保存圖片，方便文件管理。同時信息管理用數(shù) 據庫，可以通過網絡訪問數(shù)據庫，從而可以建立一個 CS模型的識別系統(tǒng)。本文在數(shù)據和人員信息方面的管理比較好。 (2)詳細分析主成分分析法的數(shù)學原理，對基于 PCA 的人臉識別方法做了全面的研究。PCA人臉識別就是把每一張圖片看成一行向量，整個樣本當做一個矩陣。對樣本矩陣求出協(xié)方差矩陣，然后求出協(xié)方差矩陣的特征值，選擇前 n個較大的特征值，從而得到特征矩陣，也就是特征臉空間。然后把每一張圖片投影到特征臉空間，這樣就完成了特征提取。判斷兩個人臉是否為同一人臉只需要計算待識別的圖像和已知圖像的距離即可。 湖南大學畢業(yè)設計（論文） 第 26 頁 (3)本文在 最后給出了人臉識別原型系統(tǒng)的設計與實現(xiàn)的方案。并對系統(tǒng)的性能進行分析，提出下一步工作的方向。 對未來的展望 本文已經初步實現(xiàn)了一個完整的人臉識別系統(tǒng)，在完成的過程中，熟悉了 MFC編程的知識，學習了 ADO數(shù)據庫訪問技術，并成功應用于系統(tǒng)中，對于 opencv 函數(shù)庫，也學到了不少的知識，由于時間的關系，只學習了跟本系統(tǒng)相關的知識，今后對 opencv 庫還需要更加全面、系統(tǒng)、深入的學習。 本系統(tǒng)在很多方面還存在一些問題，對以后工作需要做以下方面的改進： (1)深入的學習模式識別的其他方法，例如小波變換 ，神經網絡算法，隱馬爾科夫原理等，從中選擇合適的方法，與 PCA 相結合，實現(xiàn)更有效率，魯棒性更強，識別率更高的系統(tǒng)。 (2)進一步學習圖像處理方面的知識。為了提高系統(tǒng)的魯棒性，以應對復雜多變的光照環(huán)境和背景，需要對圖像進行一系列的處理，然而由于知識的局限性，本文中只做了圖像灰度處理和歸一化處理，在提高識別率方面還有很多工作要做。 (3)在人臉檢測方面，本文利用傳統(tǒng)的 haar 分類器進行人臉檢測，檢測效果總體滿意，但是存在一些問題，有時候會錯誤的檢測到非人臉的部分，有時候檢測到的人臉中有非人臉的部 分。所以在要求比較高的情況下，對于人臉檢測需要更加快速和精確的方法。 (4)人臉識別系統(tǒng)應用廣泛，目前在視頻監(jiān)控，安全檢測，門禁系統(tǒng)，電腦密碼等方面已有應用，隨著計算機視覺技術和模式識別技術的發(fā)展，相信人臉識別技術將會更加成熟，應用范圍將更加廣泛。 湖南大學畢業(yè)設計（論文） 第 27 頁 致謝 本論文的研究工作是在導師潘華偉老師的指導下完成的，在本文即將完成之際，向潘老師表示衷心的感謝。潘老師治學嚴謹、學識淵博、嚴謹務實、高瞻遠矚、胸懷寬廣。在論文開始時，還處于迷茫時期，不知道 用什么方法，也不知道如何開展工作，潘老師介紹了幾種經典的人臉識別方法，并一一簡單介紹了一些，最后我選擇了主成分分析法剛開始對主成分分析法一無所知，在的學習過程中老師給予了很多幫助。本論文的完成離不開老師的諄諄教誨和悉心的幫助，由衷的感謝老師在論文完成期間的幫助。 同時感謝檀兵，魯雄，于中春，殷龍等幾位同學，在論文完成期間給予我的關心和幫助。剛開始，我在在 MFC 編程和 ADO數(shù)據庫編程方面遇到困難時，是班上同學耐心教我。本論文的完成離不開同學們的幫助。 感謝機信息學院老師們對我的的關懷和培養(yǎng)。 感謝所有對我表示 關心和幫助的老師、同學和朋友們。 最后，感謝我父母多年來含辛茹苦的養(yǎng)育，他們的辛苦付出時刻激勵著我。 2021 年 5月 湖南大學畢業(yè)設計（論文） 第 28 頁 參考文獻 [1]于仕琪，劉瑞禎等，學習 opencv(中文版 )[M]，清華大學出版社， [2]孫鑫，余安萍， VC++深入詳解 [M]，電子工業(yè)出版社， 2021,11 [3]劉洋，基于 PCA 的人臉識別方法研究 [D]，北京工 業(yè)大學 , [4]史東承，人臉圖像信息處理與識別技術 [M]，電子工業(yè)出版社， 2021 [5]張曉宇，彭四偉，基于 OpenCV 的運動目標識別算法與實現(xiàn) [M]，現(xiàn)代電子 技術， [6]夏鵬，張浩然，徐展敏，一種增量 PCA 算法及其在人臉識別中的應用 [J]， 計算機工程與應用， [7]柳蓮花，丁萬山，視頻監(jiān)控的人臉檢測與識別技術研究 [D]，南京航空航天 大學， [8]賈洪峰， 從入門到精通 [M]，清華大學出版社，