人脸识别技术的研究与设计毕业论文.doc

《人脸识别技术的研究与设计毕业论文.doc》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、西南交通大学本科毕业设计(论文)第III页人脸识别技术的研究与设计毕业论文目录摘要IV第1章绪论11.1引言11.2国内外研究现状与人脸识别的发展阶段21.3人脸识别的研究内容31.4相关学科41.5小结5第2章人脸检测技术研究62.1人脸检测问题分类62.2人脸模式特征提取法82.2.1肤色特征82.2.2灰度特征82.3人脸检测方法分类92.3.1基于知识的方法102.3.2基于统计模型的人脸检测方法112.3.3基于模板的方法152.4小结16第3章基于隐马尔可夫模型HMM的人脸识别173.1相关背景概念173.2隐马尔可夫模型HMM构成元素183.3隐马尔可夫模型HM

2、M原理19西南交通大学本科毕业设计(论文)第III页3.4隐马尔可夫模型基本算法203.4.1前向－后向算法203.4.2维特比算法243.4.3Baum－Welch算法253.5隐马尔可夫模型在人脸识别中应用283.5.1人脸图像HMM模型状态的确定283.5.2观察值序列293.5.3基于离散余弦变换（DCT）的特征提取方法303.5.4HMM建模训练和人脸识别工作流程323.6改进的隐马尔可夫模型在人脸识别中的应用353.6.1观察向量的提取353.6.2人脸参数训练353.6.3人脸的识别363.7小结37第4章人脸识别系统设计与试验384.1人脸识别系统涉及的软件和

3、硬件384.1.1软件部分384.1.2硬件部分424.2人脸识别系统434.2.1用户界面介绍434.2.2主要模块介绍434.2.3程序实现界面474.2.4相关人脸数据库484.3人脸识别试验514.3.1用Yale人脸库进行人脸识别试验514.3.2用ORL人脸库进行人脸识别试验544.3.3用自建的人脸库进行人脸识别试验56结论60西南交通大学本科毕业设计(论文)第III页致谢61参考文献62附录64西南交通大学本科毕业设计(论文)第70页第1章绪论1.1引言近些年来，生物特征的身份认证技术得到了迅速的发展，此技术结合多种学科，是一种前沿的多学科性综合技术，主要结合

4、认知科学，图像处理，计算机图形学，小波分析，机器视觉和模式识别等多个领域。把人脸作为认证的目标已经拥有了几十年的历史，并不是只能在电影中才能看到，现代社会已经可以实现这样的功能，当然还有明显的不足，运用人脸图像来身份识别，主要是因为人的面貌属于人本身固有的生物特征，这种特征具有不可复制，难于伪造的特点，具有唯一性和稳定性，可以作为身份识别的依据。人脸识别的研究可以追溯到上个世纪六、七十年代，经过几十年的曲折发展已日趋成熟，人脸识别是模式识别和计算机视觉的交叉领域。人脸识别将计算机视觉和模式识别结合在一起，广泛地运用在机器人等学科中。作为人类几个外在鉴别特征之一，人脸识别自动鉴

5、别和人类自动分辨有着重要的意义。计算机人脸识别技术也就是利用计算机分析人脸图象，进而从中提取出有效的识别信息，用来“辨认”身份的一门技术。人脸识别技术应用背景广泛，可用于公安系统的罪犯身份识别、驾驶执照及护照等与实际持证人的核对、银行及海关的监控系统及自动门卫系统等。虽然人类的人脸识别能力很强，能够记住并辨别上千个不同人脸，可是计算机则困难多了。其表现在：人脸表情丰富；人脸随年龄增长而变化；人脸所成图象受光照、成象角度及成象距离等影响[8]。如今，虽然在这方面的研究已取得了一些可喜的成果，但是人脸识别技术FRT（FaceRecognitionTechnology）在实用应用中

6、仍面临着很严峻的问题，因为人脸五官的分布是非常相似的，而且人脸本身又是一个柔性物体，表情、姿态或发型、化妆的千变万化都给正确识别带来了相当大的麻烦。如何能正确识别大量的人并满足实时性要求是迫切需要解决的问题。总之，要让计算机象人一样方便准确地识别大量的人脸尚需不同学科研究领域的科学家共同做出不懈的努力。西南交通大学本科毕业设计(论文)第70页1.2国内外研究现状与人脸识别的发展阶段人脸识别是一个算是古老却又年轻的课题，言其古老是因为早在上个世纪，法国Galton就已经开始了这方面的研究，直到七十年代中期以前，典型的模式识别的分类技术始终还是用人脸正面或者侧面特点的距离来度量，

7、而且重点使用的是从侧面人脸图像上提取的几何特征。这一阶段，对图像的约束条件较多，而提取出的特征数目少，自动提取特征的准确度也十分的低。八十年代，对FRT的研究仍处于冷凝状态，没有什么进展。进入九十年代，该课题受到了前所未有的重视，原因是多方面的：首先是在安全系统即商贸系统中有应用需要；其次是受其他技术发展的影响。在九十年代前期，研究的重心集中在分割和特征提取以及设计系统的或神经网络的分类器方面，采用一些传统的统计方法，如：Karhunen—Loeve变换等或新的神经网络技术。这时的识别工作基本上是在实验