论文总字数：25381字

目 录

一、绪论 1

1.1 选题意义与应用价值 1

1.1.1 现实意义 1

1.1.2 学术研究价值 1

1.2 研究现状与困难 1

1.3 论文研究目的 2

1.4 论文研究内容与结构安排 3

1.4.1研究内容 3

1.4.2结构安排 4

二、人脸识别技术综述 4

2.1 人脸识别的主要方法 4

2.1.1 主成分分析（PCA）法 4

2.1.2 基于几何特征的方法 5

2.1.3基于弹性图匹配的方法 5

2.1.4基于隐马尔可夫模型的方法 5

2.2各方法优劣对比 5

2.3人脸库介绍 6

三、特征提取和BP神经网络构建 7

3.1 特征提取 7

3.1.1基于SVD的特征提取 7

3.1.3 特征提取在MATLAB中的实现 9

3.2 人工神经网络 9

3.2.1 基本概念 10

3.2.2 特点及应用 10

3.2.3 在人脸识别方面的发展 10

3.3 BP神经网络 11

3.3.1 BP神经网络模型 12

3.3.2 标准BP算法 12

3.3.3 BP神经网络在MATLAB的实现 13

四、基于SVD特征提取的BP神经网络人脸识别设计 16

4.1 总体设计方案 16

4.2 GUI介绍及本文设计 17

4.2.1 GUI文件和组件的创建 17

4.2.2 GUI组件的回调编写 18

4.2.3 GUI背景设置与美化 19

4.3 仿真实验 20

4.4 实验结果分析 21

4.5 总结 24

参考文献 25

致谢 27

作者简介 28

附录程序源代码 30

基于SVD特征提取和BP神经网络的人脸识别系统

王伦

, China

Abstract:Face recognition technology has received wide attention from all sectors of society in recent years, and it has been applied in many fields, such as national information security, financial payment, archives management, public security criminal investigation and access control certification.There are also multiple advantages of no infringement, no contact, and no need for subjective cooperation.This design under the environment of MATLAB programming to design a static face recognition system, mainly around two aspects are discussed: one is how to utilize the SVD algorithm to extract face feature, the second is how to use BP neural network to complete recognition.In this paper, the research work of feature extraction and identification on the basis of ORL face database is not involved in portrait collection and pretreatment. Based on the singular value decomposition method, 400 images were extracted to obtain the feature matrix.Then, can be divided into training set and test set, input training set to network training, the BP network topology structure and network parameters, and then using the test set for identification test and calculate the recognition rate.In order to achieve a friendly and beautified human-computer interaction interface, this paper will also use GUI to realize the functions such as portrait display, portrait information display, recognition rate display, file selection and extraction.

Keywords: human face recognition; SVD; BP neural network; GUI

一、绪论

1.1 选题意义与应用价值

1.1.1 现实意义

各种智能设备、电子商务、互联网金融、电子支付等，给我们带来巨大便利的同时也增加了一些烦恼。身处这样一个数字化的时代，每个人不免要记住大量的账号和密码，因此常常会有遗忘和泄露的困扰。此外，在互联网买票、医院挂号、政府便民服务以及各种金融证券的活动中，都会用到身份认证。但是，过去的传统证件认证方式显然已经落后，一方面易忘记携带，另一方面伴随着丢失和盗用的安全风险。因此，人们急需一种便捷、精准、安全且独一的身份辨认和验证技术。其中作为生物识别技术之一的人脸识别由于其非主观配合、非接触性以及并发性的特点，被称为最具发展前景的生物识别技术。比较于传统方式其利用人体生理密钥，具有不可复制的唯一性和个体的差异性。我们不妨设想一下“刷脸”的未来，超市里可以刷脸购物，银行里可以刷脸取钱，车站里可以刷脸买票乘车等。我们不需要记住各种密码，也不用时刻携带各类证件。因此，人脸识别的研究工作具备极高的现实意义。

1.1.2 学术研究价值

近些年，人脸识别系统和相关技术由于其在国家安全、公安刑侦、身份验证、档案管理以及智能人机交互等领域的应用前景，逐步受到更多研究者的关注。然而人脸检测和识别仍然具有很大的研究难点，亟待突破。在研究对象的划分中我们的人脸应当属于非刚性物体，人脸的相关特征会随着人的年龄、表情、姿态的不同产生很大的改变，如眼睛、嘴巴的闭合，头部的仰、俯、侧、斜，带来的特征改变无疑对检测和识别方法提出了更严格的要求。此外，人脸的成像环境和条件千变万化，如不同的光照和拍摄角度以及现如今各种“美颜”数字处理技术本身就给识别上带来众多干扰。加之，人脸结构的普遍特征存在被局部遮挡的情况^[1]。因此，如果能够构建出能够适应上述复杂变化的识别系统，将会为研究课题中其他具有相似复杂不定因素的识别问题提供重要的启示。

1.2 研究现状与困难

对于人脸识别的研究工作最早可以追溯上世纪六十年代，起源于美国。1964年到1990年，称之为人脸识别技术发展的理论探索阶段，重要的研究成果不多且没有应用实例，采用人脸几何结构特征作为主要研究方法。1991年到1997年，人脸识别技术进入初步发展的阶段，诞生出著名的特征脸法、模板匹配法、Fisherface以及局部特征分析技术^[2]。1998年至今，现有的方法对于光照、姿态以及遮挡等问题造成的鲁棒性较差问题成为研究重点。重点解决人脸识别算法在多姿态、多光照条件的适应性问题，基奥盖蒂斯等人提出的基于光照锥模型法可以较好的解决上述问题，此外布兰兹和维特等提出的基于3D变形模型法也具有较好的鲁棒性。

此外，我国正式开启人脸识别技术的研究起步较晚但是经过多年的理论研究以及大量的科学实验，我国在人脸识别算法准确度、大规模应用上均处于国际领先地位。同时，产生了一批在人脸识别领域颇有建树的学者和专家。诸如，清华大学的苏光大教授，提出最佳二维人脸法；中科院的李子青教授，他在人脸识别领域开创性的提出了两个新型研究方向，分别是重点解决识别光照问题的近红外人脸识别和应对人像质量不同的异质人脸识别；香港中文大学的汤晓鸥团队，开创性地提出基于关键点定位的人脸特征提取和基于超分辨率重构算法的人脸识别方案，同时有机结合深度学习算法，以达到增加整个系统分辨率的目的，因此在极大程度提高识别的准确度。

1.2.1人脸识别的研究困难

1. 相似性问题

所有人的人脸在结构组成以及空间特征上具有极大相似性，很难直观区分他们的不同。因此，做到准确的人脸识别和匹配需要抓住细微之处的差异性，在特征提取上具有很高的要求。

1. 非刚性体问题

人脸不是一成不变的，因此我们称之为非刚性体。年龄的变化、面部表情的变化、人脸姿态的变化都将在极大程度上改变面部特征，干扰识别结果。

1. 部分遮挡问题

通常情况下，人会佩戴饰品、化妆、留有胡须等，这样使得采集的人脸图像部分被遮挡和缺失，造成识别准确率大部分下降。

1. 成像条件问题

首先人脸所在的外部环境是极其复杂和多变的，光照的不同、视角的不同都会造成图片在灰度和特征上发生畸变。同时，成像条件的不同造成图像的清晰质量也千差万别，种种的这些因素都增加了系统识别的复杂度和难度。

1.3 论文研究目的

在人脸识别的方法中，SVD奇异值分解法用于特征提取具有良好的稳定性、旋转、平移不变性。同时，能够很好地降低数据的冗余的基础上极大压缩数据量。但是，单纯的奇异值分解法用于人脸特征的提取又容易受到面部表情的影响。而单纯的 BP 神经网络具备大规模并行、分布式处理的优点，并且在通过大量样本训练后能够实现自学习和自适应能力，处理较为复杂的人脸识别问题。但是其学习和训练速率较慢，时间长，网络结构难以选择且存在不稳定性。

因此，本设计针对上述单一的SVD奇异值和BP神经网络的不足，尝试一种将两者结合的设计方案。利用SVD特征提取，以少量低维的数据表示大量高维的图像数据，以获取提高BP网络的训练和识别速率的成效，同时采用误差反向传播的神经网络有效解决网络结构的不稳性问题，可以胜任较为复杂的人脸检测和识别。

1.4 论文研究内容与结构安排

1.4.1研究内容

本文主要阐述在MATLAB环境下，基于SVD奇异值特征提取和误差反向传播神经网络的人脸识别系统的设计与实验结果仿真。在整体技术设计方案上主要包含三个方面：奇异值特征提取、BP神经网络的训练和BP网络的识别与测试。在MATLAB环境下完成算法设计和编程工作，并且利用面向对象的GUI实现友好的交互界面。本文不涉及初始图像采集和预处理的相关工作，为了有效实现和检测最终系统的可行性、精准度，采用ORL人脸数据库作为训练和测试的图像库。如下图1-1所示，单个对象包含10张不同的人像（表情、角度、遮挡）^[3]，选取每个人的前5张，构建神经网络的训练集，剩下的后5张用作神经网络识别测试的测试集。首先采用SVD分解法对图片库的所有人像进行分解和特征提取并得到特征向量矩阵，按照训练集和测试集分别列为输入和输出矩阵，建立BP神经网络并训练。因此，在训练好的神经网络在每一层节点都会有固定的权值和阈值，此时再随机选取一张人脸图输入神经网络便可以识别出对应人物信息并且显示其第一张图片。

图1-1 基于SVD特征提取和BP神经网络人脸识别总体流程图

1.4.2结构安排

本文全篇共四章：第一章为绪论，简要介绍毕业设计（论文）选题的意义与应用价值，介绍研究现状、研究目的以及内容和总体结构安排；第二章为人脸识别的技术综述以及人脸库的介绍，在阅读大量文献的基础上对于现有的人脸识别主要方法做出总结和归纳，并且给出各方法的优劣势对比。另外，对于现有的人脸库和本文选用的ORL人脸数据库也做了简单的介绍；第三章为特征提取与BP神经网络的说明，首先简要介绍人脸特征提取主要算法，并且突出说明SVD奇异值特征提取。其次详细阐述人工神经网络和BP神经网络的基本概念和算法模型，说明在本文中的实现方法；第四章为具体的方案实施和实验仿真，并且结合实验结果给出分析和总结。

二、人脸识别技术综述

人脸识别其实就是将静态或动态图像中的人脸检测出来，然后计算出特征和人脸库中的特征值进行比对，最终获得人脸的相关身份信息的过程。它是属于生物特征识别领域，同时随着科技和应用需求的变化现已涉及人工智能领域，其在公共安全、商业、政务服务、档案管理等领域发挥巨大作用。历时三十多年的研究，人脸识别逐渐发展成为一个充满活力的学科领域，产生出众多成果。但是，这些众多的方法和模型仍然面临实际应用中的多种挑战，一方面来自于人脸本身的特征变化和遮挡物的影响，另一方面来自于人脸成像环境和条件的变化。

2.1 人脸识别的主要方法

人脸识别涵盖多种技术是一个较为宽泛的学科范畴，它具有很多细分领域。首先总体上可以分为基于图像的静态识别和基于视频与监控的动态人脸识别，其次根据成像维度可分为二维平面人脸识别和3D人脸识别；如果按照人脸的成像角度可以划分为正面识别、侧面识别和倾斜识别；就待识别图像的色值属性而言，又可以划分为彩色人像识别和灰度人像识别等。本次设计所研究的是静态的、正面的灰度人脸识别系统的设计与仿真实验。因此针对于静态人脸识别的主要相关算法，除本文采用的神经网络识别法，下面对其他方法进行分别的介绍。

2.1.1 主成分分析（PCA）法

主成分分析（）法^[4]，其应用到人脸识别领域又称为特征脸法，是由美国科学家Turk 和Pentland于上世纪九十年代初提出的一种主流识别算法。其核心思想就是K-L变换将多维人脸图像投影到低维的特征区间，投影系数作为识别的特征矢量从而重新构成一个包含人脸主要信息的子空间。PCA算法使得可以用较少的参数带表征复杂的人脸，实现了信息的降维和压缩。同时PCA算法处理速度快，具有良好的稳定性，对于正面人脸图像具有很高的识别准确度，但是不足之处是不能很好适应于人脸在角度、表情和光照上的改变。

2.1.2 基于几何特征的方法

几何特征法又被称之为几何匹配法，核心原理是用几何特征矢量去表征人脸的空间几何特征与关系。何为人脸的几何特征？第一便是人脸的五官（眼、鼻、眉、耳、嘴）各自的局部形状和特征，第二便是不同人五官在脸上的存在的细微分布差异。因此，五官的特有形状特征和具体的位置信息共同形成人脸的几何特征。在识别环节，其实就是将各自的几何特征矢量进行匹配，同时又包含欧氏距离、角度、曲率等方面的分量判断。例如眼、嘴的具体空间位置、相应之间的绝对距离，眉毛的宽度以及弯曲程度等等。

剩余内容已隐藏，请支付后下载全文，论文总字数：25381字

相关图片展示：