论文总字数：57200字

摘 要

面部特征识别是一个具有挑战性的研究方向，随着数码产品的广泛应用，数字化人脸识别已成为消费购物系统的关键性发展方向。本研究作为“智能眼镜推荐系统”的子课题，针对人脸的面部特征，构建面部特征点集与多维感性评价指标之间的内隐关联模型，从数字化人脸图像的特征分类、识别、提取、匹配等方面进行研究与思考。

首先，基于Matlab进行人脸识别算法、轮廓提取算法以及特征点提取算法等研究，实现人脸特征的自动化分类以及推荐自动化的优化，并结合了人工手动的修正辅助方案，来提高程序的实现精准度。其次，在特征点关联性设计时，则针对数字化人脸图像将无形的感性认识与有形的数字化信息数据相连接，带给用户最为直观的信息传达体验，将感性认识具象化。然后，通过对比使用多元线性回归与GRNN神经网络模型对内隐关联模型进行不同建立与对比，找出较为合理的模型方式。最后，构建人脸特征识别原型系统，达到数字化图像的特征识别、提取、分类、匹配的目的，实现数字化人脸图像的感性特征评估，为智能推荐系统设计提供理论依据和智力支持。

关键词：数字化人脸图像，面部特征点集，多维感性评价指标，内隐关联模型，神经网络，多元线性回归

Abstract

Face feature recognition is a challenging research direction. With the wide application of digital products, digital face recognition has become the key development direction of consumer shopping system. As a sub-project of "smart glasses recommendation system", this research constructs an implicit correlation model between facial feature points set and multi-dimensional perceptual evaluation index, and studies and considers the features classification, recognition, extraction and matching of digital face images.

Firstly, face recognition algorithm, contour extraction algorithm and feature point extraction algorithm are studied based on matlab. The automatic classification of face features and the optimization of recommendation automation are realized, and the accuracy of the program is improved by combining the manual modification assistant scheme. Secondly, in the design of feature point correlation, the intangible perceptual knowledge is connected with the tangible digital information data for digital face images, which brings users the most intuitive experience of information transmission and visualization of perceptual knowledge. Then, by comparing the multiple linear regression model with the GRNN neural network model, the implicit correlation model is established and compared, and a more reasonable model is found. Finally, a prototype system of face feature recognition is constructed to achieve the purpose of feature recognition, extraction, classification and matching of digital images, and to realize the perceptual feature evaluation of digital face images, which provides theoretical basis and intellectual support for the design of intelligent recommendation system.

KEY WORDS: digital face image, facial feature point set, multi-dimensional perceptual evaluation index, implicit correlation model, neural network, multiple linear regression

目 录

东南大学毕业（设计）论文独创性声明 II

摘 要 I

Abstract II

第一章 绪论 1

1.1研究背景 1

1.1.1数字化图像特征识别及提取的发展 1

1.1.2相似度匹配及推荐的发展 1

1.2研究现状 1

1.3研究目的与研究意义 2

1.3.1研究目的 2

1.3.2研究意义 3

1.4研究方法与创新点 3

1.4.1研究方法 3

1.4.2创新点 4

第二章 图像识别与特征提取 6

2.1图像预处理技术 6

2.1.1图像灰度化 6

2.1.2图像直方图均衡化 7

2.2图像识别技术 7

2.2.1图像识别 7

2.2.2阈值控制 7

2.3特征提取技术 8

2.3.1图像裁切 8

2.3.2轮廓提取 8

2.4本章小结 10

第三章 特征点标定及处理 11

3.1特征点定义 11

3.1.1特征点介绍 11

3.1.2特征点确定 12

3.2特征点标定 14

3.2.1算法介绍 14

3.2.2误差检测 14

3.3特征点关联性 15

3.3.1特征点关联性设计 15

3.3.2特征点的表征意义 15

3.4本章小结 21

第四章 人脸图像的分类 23

4.1.人脸面部多维感性评价指标 23

4.2特征点集与感性评价之间关联模型的建立 24

4.2.1基于多元线性预测回归的图像分类及预测 24

4.2.2基于GRNN的图像分类及预测 26

4.2.3多元线性回归与GRNN神经网络的比较 29

4.3本章小结 30

第五章 软件介绍及设计 31

5.1软件信息架构 31

5.1.1软件信息架构设计思路 31

5.1.2软件信息架构图 31

5.2软件流程图 32

5.3本章小结 36

第六章 总结与展望 37

6.1研究总结 37

6.2研究存在的不足 37

6.3研究展望 38

参考文献 39

致 谢 41

附录 42

附表1-1 多元线性回归模型参数 42

附表1-2 多元线性回归模型参数 42

剩余内容已隐藏，请支付后下载全文，论文总字数：57200字