论文总字数：22764字

目 录

摘要 4

Abstract 5

第一章 人脸识别概述 6

1．1人脸识别概念及发展现状 6

1．2人脸识别的应用与优势 6

1．3人脸识别的过程与难点 7

1．3.1人脸识别过程 7

1．3.2人脸识别的难点 8

第二章 人脸图像的预处理 9

2．1灰度变换 9

2．2二值化 11

2．3图像分割 12

2．3.1直方图阈值法 12

2．3.2最佳阈值法 13

第三章 人脸识别的常用算法 14

3．1 人脸识别的算法框架 14

3．2基于面部几何特征的人脸识别方法 14

3．3基于相关匹配的方法 15

3．4基于小波变换的方法 15

3．5基于支持向量机的识别方法 16

第四章 人脸识别系统的设计及实现 17

4．1基于PCA算法的人脸识别 17

4．1.1K-L变换原理 17

4．1.2 PCA算法的数学原理 19

4．1.3PCA算法应用举例 19

4．1.4 PCA算法的优点 20

4．2基于BP神经网络的人脸识别 20

4．2.1 BP神经网络 21

4．2.2BP算法的计算模型 21

4．2.3 BP网络的主要功能 22

4．3系统设计思路 23

4．3.1人脸识别中PCA算法以及BP神经网络的应用 23

4．3.2实验参数确定 24

4．4实验结果及分析 25

4．4.1 实验结果的对比分析 25

4．4.2 实验结果 26

4．5提升实验结果的方法 29

第五章 总结 30

参考文献 31

致谢 32

基于PCA和BP神经网络的人脸识别方法研究

马小燕

, China

Abstract：The propose of face recognition based on PCA and BP neural network means to solve the shortages that face recognition method based on BP neural network converges slowly and the face recognition method based on PCA has a low recognition rate for the training samples. This method uses PCA algorithm to extract facial features, remove data redundancy to realize image dimensionality reduction. Then, using BP neural network to carry on image classification and recognition. Proved by experiment, there is a certain improvement in recognition rate and convergence speed while using the method of face recognition based on PCA and BP neural network.

Key words：Face recognition; BP neural network; PCA; Feature extraction

第一章 人脸识别概述

1．1人脸识别概念及发展现状

人脸识别技术是一种在现代生活中的各方面均得以广泛应用的基于生物特征的识别技术，应用有如下举例：公安机关使用人脸识别技术破案、人脸支付、解锁的广泛应用等。人脸是一种包含非常丰富的信息的存在于自然界的特有的视觉模式。人脸具一定的唯一性和不变性，相较于其他类似于指纹识别，语音识别以及其他识别方式提供更多类似于年龄、种族、性别等相关信息。其次，人的心情、情绪、甚至是气质和秉性能从人脸特有的表情中体现。再者，特殊的设备在人脸采集时是不被需要的，降低了系统成本，并弱化了识别过程，减少被识别对象的不适或警觉。但是，由于人脸识别的结果容易受到诸多比如光照、角度、面部装饰等因素的影响而发生变化，这无疑使人脸识别技术的研究始终是一项极具挑战的课题。

人脸识别迄今已有一段悠久的历史，两篇于19世纪发表在《Nature》上的论文来自法国的Franis Galton可算为最早的，在文中他提出了利用一组数据来表示不同的人脸特征，构成人脸特征向量，并以此为依据进行身份识别。人脸识别的研究起步在我国始于1980左右，相比之下较晚，尽管如此，中国掌握的人脸识别技术也已经深入了人脸识别研究的核心。^[1][1]

人脸识别的研究迄今一直在不断发展，其过程大致划分成以下三个阶段：

第一阶段的主要工作在于研究面部特征来进行人脸识别，以Parke、Allen和Bertillon为代表。Parke利用计算机处理出了质量较高的人脸的灰度图模型，而Bertillon则用一句简单的语句命令使人脸与庞大的数据库中的某张人脸联系起来。但是在这一阶段中的人脸识别技术的发展并不完善，所有的工作都必须由操作人员执行，系统的自动识别未可实现。

第二阶段的关键词是人机交互识别。Lesk、Goldstein和Harmon大胆创新，人脸特征图像由几何特征表征；统计识别的方法被Kobayashi和Kaya使用，通过欧式距离（欧几里得度量euclidean metric）来表征人脸特征。可是在这一阶段，人脸识别仍然不能摆脱操作人员先验理解的干预。

第三阶段自动识别阶段的实现。能达到这一阶段的关键就在于90年代高性能计算机的产生，与此同时相关的图像处理、模式识别等技术也发展到一定程度，所以人脸识别的研究在此基础上也得到了较大的突破。^[2][2]

1．2人脸识别的应用与优势

生物特征为本的其余识别系统还有：指纹识别、虹膜识别、声音识别以及视网膜识别等相比较，人脸识别系统怀有如下优势：（1）人脸识别可以在视频监控中实现远距离的视频识别。（2）由于办理身份证要采集身份照片，这就形成了丰富的人脸资源库，相较于其他识别系统就可以更加直观、便利地核对身份信息。（3）人脸识别可以直观的识别人物的性别、年龄、种族等信息。

人脸识别技术势头正盛，并且可见的是在未来也将会有极其广阔的应用前景。目前主要有如下应用：

表1-1 人脸识别技术的应用

表1-2 基于生物特征的常用识别技术的比较

1．3人脸识别的过程与难点

在生物特征的识别领域甚至是人工智能领域，作为当今最受关注但也同时是最困难的研究课题中的一项。下面我们就探讨一下人脸识别的过程以及在人脸识别技术实现的过程中任需要攻克的难点。

1．3.1人脸识别过程

表1-3人脸识别系统架构

人脸表征

剩余内容已隐藏，请支付后下载全文，论文总字数：22764字

相关图片展示：