【正文】 在當今這個信息化的時代，人臉識別系統(tǒng)在很多領域都有舉足輕重的作用，尤其是用在司法機關、網絡信息安全、司機駕照驗證和事業(yè)單位的考勤等。(3)對拍攝設備無要求。(2)對用戶不會造成不必要的干擾。人臉識別相對于其它的生物特征識別技術來說，具有以下獨特優(yōu)勢:(1)友好、直觀和方便。而我國在這方面就起步稍晚，不過發(fā)展卻是極為迅速。因此，人臉識別及其相關技術的應用前景也是生物特征識別諸多技術中最被看好的。人臉本身的采集方式多樣，既可以是靜態(tài)圖像，也可以是動態(tài)圖像。采用人臉識別技術，建立自動人臉識別系統(tǒng)，用計算機實現對人臉圖像的自動識別有著廣闊的應用領域和誘人的應用前景。有的識別是幾種特征的結合，如身份識別可以結合人臉和指紋兩個特征。所謂生物特征識別[2]，就是根據不同人之間的身體（physical）的或者行為（behavioral)的特征的獨特性，來唯一地把未知身份識別出來。近年來，由于電子商務的迅猛發(fā)展，偽造制假的手段也是越來越先進，傳統(tǒng)的身份識別方法受到了嚴峻的挑戰(zhàn)，對于科技的發(fā)展和社會的進步顯得有點跟不上腳步。然而，如今的身份識別主要依靠身份證、工作證和密碼手段來鑒定一個人的身份。隨著網絡技術的快速發(fā)展，信息安全也顯示出前所未有的重要性。 LBP。waveletsAbstract：Face Recognition Technology(FRT)is emerging as an active research area in the field of pattern recognition and artificial a biometric technology,FRT has numerous applications such as access control,law enforcement,emerce,video surveillance and so on. Face feature extraction is the core of recognition task,which directly impact on classification velocity and face recognition ability.The main contributions of this work are listed as follows：(1)Face feature extraction algorithm based on Gabor transform is introduced.Compared with Fourier transform，Gabor transform is proved to be better in face feature then，A fast algorithm of Gabor Transform is introduced. (2) According to the disadvantages of Gabor wavelet,This paper introduced LBP operator, the operator can overe the f aults of Gabor wavelet transform effectively . Also it introduced the principle and realization process how to extract features face in detailed, and the selection of parameters of Gabor filter are detailed instructions.(3) For the problem to the face feature vector high dimension in Gabor and LBP extraction ,this paper used the LPP and PCA dimension reduction algorithm reduced the dimension. (4) In the final face feature extraction ,By calculating the distance of the feature vector to look the similarity between the image to inquire and each image in image database . This part is mainly to verify the extracted face feature vector , and to pare two different dimension reduction method .Finally, This paper do the simulation experiment in the orl and yale two face database . The experiment results show that the LPP dimension reduction method is better than PCA dimension reduction method.Key words: Face recognition。onsimulationresearchextraction關鍵詞：人臉識別；Gabor小波變換；LBP；距離測度Facial本文最后是在orl和yale兩個人臉圖庫做仿真實驗。 (4)對最后提取的人臉特征通過計算特征向量的距離來量化查詢圖像和圖像庫中每幅圖像間的相似程度。另外還詳細介紹了如何提取“特征臉”的原理和實現過程，對Gabor濾波器參數的選擇問題也作了詳細說明。接著，介紹了Gabor小波變換的快速算法。本論文的主要研究內容包括以下方面：(1)基于Gabor變換的人臉特征提取算法。它在訪問控制、司法應用、電子商務和視頻監(jiān)控等領域都有廣泛的應用。西南科技大學本科生畢業(yè)論文 Southwest university of science and technology 本科畢業(yè)設計（論文）題目名稱：基于Gabor小波的人臉特征提取算法研究及仿真 50基于Gabor小波的人臉特征提取算法研究及仿真摘要：人臉識別技術是模式識別與人工智能的研究熱點之一。在生物特征識別中，人臉識別占有極為重要的地位。人臉特征提取是人臉識別過程的核心，特征提取的有效性直接影響到分類的速度和識別的性能。通過對人臉傅里葉變換和Gabor變換的實驗比較，證明了Gabor變換在提取人臉特征方面具有很大的優(yōu)越性。 (2)針對 Gabor小波的缺點，引進LBP算子，該算子的使用能有效的克服Gabor小波變換的缺點。(3) 針對Gabor和LBP提取的人臉特征向量維數過高問題，本文分別采用了LPP和PCA降維算法來進行降維。該部分主要是將提取出來的人臉特征向量進行驗證，并對兩種不同降維方法做比較。實驗表明，采用用LPP降維得到的相似度要遠高于使用PCA降維結果。featurealgorithmandbasedGabor Gabor wavelet transform。 Distance measure 目 錄第1章 緒 論 5 課題的背景和意義 5 當前人臉識別的國內外現狀 7 課題的總設計思路 8 人臉特征提取的步驟及方法 8 人臉圖像的預處理 9 基于Gabor小波算法進行人臉特征提取 9 應用LBP算子 10 采用PCA和LPP對提取的特征向量降維，以提高識別時間 10 用距離測度法度量相似度進行結果測試 10 本章小結 10第2章 Gabor小波變換 11 引言 11 Gabor小波變換的定義 13 Gabor變換在人臉識別中的應用 15 Gabor濾波器 15 Gabor濾波器參數的選擇 19 Gabor濾波器的性質和計算方法 19 Gabor變換的人臉特征提取 20 Gabor快速算法圖 21 快速傅里葉變換(FFT) 22 Gabor變換的快速算法 24 本章小結 25第3章 LBP算法、PCA和LPP降維算法 26 引言 26 LBP基本算子 26 改進的LBP算子 27 PCA降維算法的實現原理 28 PCA的基本概念 29 PCA原理 29 PCA算法 30 LPP算子降維原理 31 LPP算法降維實現原理 31 本章小結 32第四章 距離測度法度量相似度比較 33 引言 33 距離測量簡介 33 具體算法 34 ORL人臉庫實驗分析 35 算法的比較 36 YALE人臉庫實驗 37 本章小結 38結 論 39參考文獻 40致 謝 42附錄一 43附錄二 46附錄三 47 第1章 緒 論 課題的背景和意義在現在這個信息化的時代中，身份識別技術的應用價值是非常重要的。在電子商務、金融信息、司法安全、網絡傳輸等各個應用領域，都需要精確而唯一的身份鑒定[1]。這些手段具有諸多缺點：如不便攜帶、易丟失、易損壞最后導致不可識別；而密碼手段的缺點更加凸顯：不便記憶，易被破解等。 生物特征識別技術（Biometrics）以其唯一性、高可靠性和穩(wěn)定性成為了人們爭相研究的熱門技術。身體特征包括：指紋、視網膜、虹膜、人臉等；行為特征包括簽名、聲音、步態(tài)等。人臉識別是身份識別技術的一種，它在身份識別領域的發(fā)展和應用方面都有著重大意義：一是可以推進對人類視覺系統(tǒng)本身的認識；二是可以滿足人工智能應用的需要。而人臉特征提取又是人臉識別技術當中最重要的步驟，可以這么說，人臉特征提取的優(yōu)劣直接影響到人臉的識別率。通常我們辨別一個人是通過我們的眼睛觀察這個人的臉部特征，恰好人臉識別和人們通常的識別相符合，所以很容易被接受。生物特征識別在國外起步早，也發(fā)展很快[2] 。人臉識別是我們日常生活中必不可少的‘技能’，是我們辨認一個人采用的最普遍的生物特征識別方法。人臉識別由于十分符合人們的習慣，人們很容易接受和不會讓人感覺有障礙。因為人臉識別不需要與相關設備直接接觸，也不需要被測試者需要特定的行為，在這一點上它是區(qū)別于其他任何生物特征技術的。只要能照相的設備，手機相機皆可，由于這些設備目前已普及，故為人臉識別的廣泛應用提供了有力的基礎和保障。 前面有說道：雖然我國這方面起步比較晚，但是在這方面發(fā)展卻是非?？斓?。另外，由中科院計算所高文教授主持的國家863項目“面像檢測與識別核心技術”也通過成果鑒定，并初步應用，這也就標志著我國在人臉識別這一當今熱點科研領域掌握了一定的核心技術。 其實在早前，北京科瑞奇技術開發(fā)股份有限公司在2002年開發(fā)了一種人臉鑒別系統(tǒng)，對人臉圖像進行處理，排除外界因素，再對圖像進行特征提取和識別。系統(tǒng)可以接受時間間隔較長的照片，并能達到較高的識別率，在計算機中庫藏2300人的正面照片，每人一張照片，使用相距17年、差別比較大的照片去查詢，首選率可以達到50%，前20張輸出照片中包含有與輸入照片為同一人的照片的概率可達70%。最早的自動人臉識別研究論文是 1965年 Chanamp。而70年代時，美、英等發(fā)達國家就已經開始重視人臉識別的研究了，并取得了一定的成績。1996年美國軍方更是組織了人臉自動識別系統(tǒng)大賽，獲得冠軍的是勒克菲勒大學的Face1t系統(tǒng)。最近，美國的LAU公司研制的人臉圖像自動識別系統(tǒng)，是按照平常人們的生活習慣（即人眼辨別人臉）的原理，基于生物測量學、人像復原技術開發(fā)的裝置。另外，國外的一些高校在這方面也取得了顯著的成就，主要是以麻省理工大學（Massachusetts Institute of Technology ）、卡內基梅隆大學（Carnegie Mellon University）和英國的雷丁大學（University of Reading）等為首。 課題的總設計思路 本設計是基于MATLAB平臺實現的人臉特征提取。 人臉特征提取的步驟及方法Chellappa給出的人臉識別定義是，給出靜態(tài)或者視頻圖像，將其中的一個或多個人臉和存儲于數據庫中的人臉相比較，確定出圖像或視頻中各個臉的身份。一般來說，一個完整的人臉識別系統(tǒng)包括。 人臉圖像的預處理 在現實情況下，我們所提取的人臉圖像可能絕大多數都不是標準格式的，不僅如此，可能還會受到各種各樣的因素影響，進而導致最終的人臉識別準確率不是那么高，為了盡可能的減小甚至消除這些情況對人臉識別的影響，故而在人臉特征提取之前需要進行人臉圖像的預處理。一般情況下人臉都處在一個復雜背景中，所以預處理的時候要先進行人臉檢測，將人臉部分從復雜背景中檢測提取出來，由于本文的研究內容只是人臉特征提取部分，故而沒有人臉圖像預處理部分，而是直接采用已預處理好的ORL和YALE人臉圖庫。 本文研究的基于Gabor小波變換的人臉特征提取的理論依據：任意可以用高斯函數調制的復正弦形式表示的信號都可以達到時域和頻域聯合不確定關系的下限。 Gabor濾波器對人臉圖像的響應特性主要體現在邊緣、亮度和位置3方面的特征。而當圖像的邊緣特征方向與二維Gabor濾波器紋理特征方向一致的時候，二維Gabor小波變換有較強的響應，如眼睛，鼻子等部位Gabor響應輸出較為強烈。最后考慮到Gabor小波變換不能旋轉的缺點，故之后用LBP算法將Gabor濾波圖像再分別進行特征提取，再