【正文】 表現(xiàn)形式。 面部表情的變化為面部特征點的運動。 四 、 表情問題 表情識別是生物特征識別的中的一種，是人機交互不可或缺的部分。 當人臉姿態(tài)俯仰或左右比較大時，人臉識別的識別率驟降。但目前為止光照處理技術(shù)遠未達到實用的程度，還需要深入的研究。 復(fù)雜條件下的人臉檢測與關(guān)鍵點定位是目前人臉識別急需解決的問題之一。目前的主要的難點為： 一 、 復(fù)雜條件下人臉的檢測和關(guān)鍵點定位 人臉檢測和關(guān)鍵點定位為實際人臉識別系統(tǒng)的前端處理模塊，此模塊直接影響著人臉識別系統(tǒng)的性能。 第 三 節(jié) 人臉識別技術(shù)的主要難點 目前的人臉識別技術(shù)在人員配合，較理想采集條件下可以取得比較滿意的結(jié)果。具體原因是人臉是非剛體，無法得到準確完整的描述人臉特征。在復(fù)雜背景下快速有效檢測和分割人臉技術(shù)還需進一步的研畢業(yè)設(shè)計（論文） VIII 究。隨著現(xiàn)在三維人臉采集技術(shù)的逐步發(fā)展，如何利用三維人臉進行人臉識別已成為一個新的研究熱點。 四 、 三維人臉識別 目前許多人臉識別成果是建立在二維人臉基礎(chǔ)上的，而實際的人臉是三維的。小波變換具有時頻特性和變焦特性，神經(jīng)網(wǎng)絡(luò)具有自學習，自適應(yīng)，魯棒性，容錯性和推廣能力。它被認為是傅里葉 分析的突破性的發(fā)展。隨著現(xiàn)在社會的發(fā)展，目前對動態(tài)人臉的跟蹤與識別的需求越來越大，尤其是在一些安全領(lǐng)域。如 何使用數(shù)據(jù)融合理論，將不同的方法綜合起來，相互補充，來取得較好的人臉識別效果，便成為人們的研究熱點之一。人臉識別的未來主要的發(fā)展趨勢如下： 一 、 多數(shù)據(jù)融合與方法綜合 人臉識別技術(shù)經(jīng) 過這幾十年的發(fā)展，已取得非常不錯的成果。 畢業(yè)設(shè)計（論文） VII 第二節(jié) 人臉識別 的發(fā)展 趨勢 人臉識別至今雖然取得了豐碩的研究成果， 但是還有很多問題需要解決。 并且隨著現(xiàn)代社會的發(fā)展，快速人臉識別的需求越來越大 。在后來很多的人臉識別技術(shù)，我們或多或少都會發(fā)現(xiàn)它的影子。而非線性建模方法，統(tǒng)計學習理論，基于 Boosting 的學習技術(shù)，基于 3D模型的人臉建模與識別方法等逐漸成為備受重視的技術(shù)發(fā)展趨勢。 Shashua 等人基于上圖像的人臉圖像識別與繪制技術(shù) [6,7]。 這個時期主要成果有： Gehiades 等人基于光照錘模型的多姿態(tài)，多光照條件人臉識別方法。 主要針對的是主流的人臉識別技術(shù)在采集條件不理想和用戶不配合下 魯棒性差的問題。 第三階段（ 1998 年 — 現(xiàn)在）這個時期關(guān)于人臉識別的研究非常 熱門。 這個階段所提出的算法在理想圖像采集條件，人員配合 ，中小規(guī)模正面 人臉 數(shù)據(jù)庫 上達到了非常 好的性能。其主要將人臉描述為 2D 形狀和紋理兩個分離的部分，分別用 PCA 建模，然后再通過 PCA[3,4,5]將兩者合成來對人臉建模。 柔性模型， 包括主動形狀模型和主動外觀模型。 它既保留了全局拓撲信息，有提取了局部特征，使其具有了更好的描述和 識別 能力。 局部特征分析 由 Atick 等提出。最后通過計算其與已知人臉屬性圖的相似度來完成識別過程。它用一個屬性 圖 來描述人臉：屬性的頂點代表面部關(guān)鍵特征點，它的屬性為相應(yīng)特征點處 的多分辨率，多方向局部特征 — Gabor畢業(yè)設(shè)計（論文） VI 變換 [2]，稱 為 Jet； 邊的屬性為不同特征點間的幾何關(guān)系。 其先使用 PCA 即特征臉對人臉圖像表現(xiàn)特征進行降維，并使用線性判別分析方法對降維后的主成分進行變換以獲得“盡量大的類間散度和盡量小的類內(nèi)散度”。 Belhumeur 等人的 Fisherface 方法也是此階段一個重要的成果。 這個時期的 主要成果有： 1992 年 左右， Brunelli 和 Poggio 做了一個 基于結(jié)構(gòu)特征的方法和基于模板匹配的方法性能 對比 的實驗，并得出了模塊匹配的方法優(yōu)于基于特征的方法的結(jié)論。 這個時期最具盛名的人臉識別方法是 MIT媒體實驗室 的 Turk和 Pentland提出的的“特征臉”方法。 這個階段屬于人臉識別的初級階段，突出的研究成果不多，也沒有獲得 的實際應(yīng)用。 研究的重點主要在剪影 上?，F(xiàn)在，已變成計算機視覺領(lǐng)域的一個焦點，很多著名的大學和 IT 公司都有研究組在從事這發(fā)面的研究。 自動人臉的研究歷史相 對比較短，到現(xiàn)在不過五十多年的時間。 畢業(yè)設(shè)計（論文） V 第一章 人臉識別系統(tǒng) 概述 第一節(jié) 人臉識別的研究 概況 人臉識別的研究 起源 比較早， Galton 在 1888 年和 1910 年 就已 在 Nature 雜志發(fā)表 兩篇關(guān)于如何使用人臉進行身份識別的論文。 第三章 主要 介紹 常用 的 人臉圖像預(yù)處理 方法 。具體安排如下 : 第一章 主要介紹人臉識別的研究 現(xiàn)狀 ，人臉識別技術(shù)的主要難點及人臉識別流程 。 所以研究基于 PCA 的人臉識別算法實現(xiàn)具有重要的理論和使用價值。 PCA 算法 通過降低維度，提取主元素，減少了數(shù)據(jù)冗余，解決了圖像緯度太高無法處理或處理很慢的特點 ， 同時 保持了原始圖像的絕大部分信息。人臉特征作為典型的生物特征外，還有 隱蔽性好，易于被用戶接受，不需要人的配合等優(yōu)點。各種技術(shù)在科研和實際中都受到了很大的重視和發(fā)展。 在實驗中我們發(fā)現(xiàn)基于 PCA 的人臉識別系統(tǒng)的識別率很高，而且具有一定魯棒性， 所以 基于 PCA 的人臉識別算法的實現(xiàn) 的研究還是有意義。由于 Essex人臉圖像質(zhì)量較好，而且已經(jīng)做過相應(yīng)的預(yù)處理，所以本文試驗中只使用灰度處理。 本文為了更好的分析基于 PCA 人臉識別系統(tǒng)的性 能選用了 Essex 人臉數(shù)據(jù)庫。 本文按照完整人臉識別流程來分析基于 PCA 的人臉識別算法實現(xiàn)的性能。 由于 其 有效的解決了圖像空間維數(shù)過高的問題 ， 已經(jīng)成為人臉識別領(lǐng)域非常重要的理論。 在生物特征識別 領(lǐng)域 ， 由于人臉識別 的 操作快速簡單，結(jié)果直觀， 準確可靠， 不需要人的配合 等優(yōu)點已成為人們關(guān)注的焦點 。 而 生物特征的 獨一無二 ， 不易 丟失和 被 復(fù)制 的特性 很好滿足了 身份識別 的需要 。畢業(yè)設(shè)計（論文） I 畢業(yè)設(shè)計（論文） 設(shè)計（論文）題目： 基于 PCA 的人臉識別 算法實現(xiàn) 畢業(yè)設(shè)計（論文） II 摘 要 隨著科技的發(fā)展，人類社會的進步 ， 傳統(tǒng)身份識別由于容易遺失，容易被破解已不能起到身份識別作用。 人 們 需要更加安全可靠的身份識別技術(shù)。 同時隨著 計算機科學技術(shù) 和生物醫(yī)學 的發(fā)展使得利用生物特征 識別成為了可能。 主成分分析（ PCA） 通過提取 高維度的 人臉圖像 的主元 ， 使得圖像在低維度 空間中被處理 來 降低了圖像處理的難度。 本文 研究的就是基于 PCA 的人臉識別算法的實現(xiàn) 。首先使用 常用 的 人臉圖像的獲取方法 獲取 人臉 圖像 。 接下來是人臉圖像預(yù)處理方法。接著 使用 PCA提取人臉特征 ， 使用 奇異值分解定理 計算 協(xié)方差 矩陣 的特征值和特征向量 以及 使用 最近鄰法分類器 歐幾里得 距離來進行人臉判別分類 。 【關(guān)鍵詞】 人臉識別 PCA 算法 奇異值分解定理 歐幾里得距離 畢業(yè)設(shè)計（論文） III ABSTRACT With the development of science and technology, the progress of human society, the traditional identification is easy to lose, easy to be cracked and it has not play an identifiable role. People need a more secure and reliable identification technology. Biometric is unique, easy to lose and replication characteristics of good meet the needs of the identification. With the development of puter science and technology and biomedical makes use of biometric identification has bee possible. In the field of biometric identification, face recognition with the advantages of operation is fast and simple, the results are intuitive, accurate and reliable,do not need coordination, has bee the focus of attention. The principal ponent analysis (PCA) to extract high dimensional face image of the main element, making the images are processed in lowdimensional space and it reduces the difficulty of image processing. PCA solves effectively the problem of high dimension image space and it has bee a very important theory in face recognition field. This paper is in this context of writing from. In accordance with the full recognition process to analyze the performance of PCAbased face recognition algorithm. The first to use the method of access to monly used face images for face images. In order to better analysis is based on the performance of the PCA face recognition system selected Essex face database. Next is the face image preprocessing methods. Essex face image quality is better, and have done the appropriate pretreatment, using only grayscale processing of this trial. Then use the PCA for face feature extraction using singular value deposition 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. In the experiment, we found that a high recognition rate of the PCAbased face recognition system, but with a certain robustness, the PCAbased face recognition algorithm to achieve meaningful. 【 Key words】 face recognition PCA algorithm SVD Euclidean distance 畢業(yè)設(shè)計（論文） IV 前 言 隨著社會和科技的發(fā)展，社會步伐的加快，人們 對 高效可靠的身份識別 需求 日益強烈。由于生物特征內(nèi)在的穩(wěn)定性和唯一性使其成為了作為身份識別的理想依據(jù)?，F(xiàn)已成為了身份識別領(lǐng)域研究的熱點。 在 人臉識別 領(lǐng)域 ，很多先進的識別算法都是在其基礎(chǔ)上的改進。 本文主要介紹基于 PCA的人臉識別 算法的實現(xiàn)， 除第一章外，其余 內(nèi)容按照人臉識別的流程可分為 人臉圖像獲取，人臉圖像預(yù)處理，人臉特征提取和 特征匹配 四個部分。 第二章 主要 介紹常用 的 人 臉圖像獲取方法 和人臉圖像數(shù)據(jù)庫 。 第四章 主要介紹 PCA 算法， SVD 定理 ， 如何通過 PCA 和 SVD 提取人臉特征 及如何使用 最近鄰法分類器 歐幾里得距離來 進行 判別分類 。 在 他 的文章，他 使 用一組數(shù)字表示相異的人臉側(cè)面特征 ， 同時還對 人類本身的人臉識別能進行了研究分析。 不過