【正文】 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 復制 的特性 很好滿足了 身份識別 的需要 。 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) 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 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 IV 目 錄 前 言 ................................................................. 1 第一章 人臉識別系統(tǒng)概述 ............................................... 2 第一節(jié) 人臉識別的研究概況 .......................................... 2 第二節(jié) 人臉識別的發(fā)展趨勢 .......................................... 3 一、多數(shù)據(jù)融合與方法綜合 ........................................ 4 二、動態(tài)跟蹤人臉識別系統(tǒng) ........................................ 4 三、基于小波神經(jīng)網(wǎng)絡(luò)的人臉識別 .................................. 4 四、三維人臉識別 ................................................ 4 五、適應(yīng)各種復雜背景的人臉分割技術(shù) .............................. 4 六、全自動人臉識別技術(shù) .......................................... 4 第三節(jié) 人臉識別技術(shù)的主要難點 ...................................... 5 一、復雜條件下人臉的檢測和關(guān)鍵點定位 ............................ 5 二、光照問題 .................................................... 5 三、資態(tài)問題 .................................................... 5 四、表情問題 .................................................... 5 五、遮擋問題 .................................................... 5 第四節(jié) 人臉識別流程 ................................................ 6 一、人臉圖像采集 ................................................ 6 二、預處理 ...................................................... 6 三、特征提取 .................................................... 6 第五節(jié) 本章小結(jié) .................................................... 8 第二章 人臉圖 像的獲取 ................................................. 9 第一節(jié) 人臉圖像獲取 ................................................ 9 第二節(jié) 人臉分割 .................................................... 9 第三節(jié) 人臉數(shù)據(jù)庫 ................................................. 10 第四節(jié) 本章小結(jié) ................................................... 11 第三章 人臉圖像的預處理 .............................................. 12 第一節(jié) 人臉圖像格式 ............................................... 12 一、 JPEG 格式 ................................................... 12 二、 JPEG2021 格式 ............................................... 12 V 三、 BMP 格式 .................................................... 13 四、 GIF 格式 .................................................... 13 五、 PNG 格式 .................................................... 14 第二節(jié) 人臉圖像常用預處理方法 ..................................... 14 一、灰度變化 ................................................... 14 二、二值化 ..................................................... 15 三、直方圖均衡 ................................................. 15 四、圖像濾波 ................................................... 16 五、圖像銳化 ................................................... 17 六、圖像歸一化 ................................................. 18 第三節(jié) 本章小結(jié) ................................................... 19 第四章 人臉識別 ...................................................... 20 第一節(jié) 主成分分析基本理論 .....................