【最新版】基于matlab的人脸识别系统设计与仿真毕业设计
基于MATLAB的人脸识别系统设计【毕业作品】
BI YE SHE JI（20 届）基于MATLAB的人脸识别系统设计所在学院专业班级自动化学生姓名学号指导教师职称完成日期年月I摘要MATLAB以强大的科学计算与可视化功能、简单易用、开放式可扩展环境成为当今最优秀的科技应用软件之一，针对不同学科领域都有不同的工具箱支持，使得它在许多科学领域中成为计算机辅助设计和分析、算法研究和应用开发大的基本工具平台。
主成分分析（Principal Component Analysis ，PCA）是一种掌握事物主要矛盾的统计分析方法，它可以从多元事物中解析出主要影响因素，揭示事物的本质，简化复杂的问题。
人脸的全局表达方式是一种十分有效的人脸识别方法。
它是图像压缩中的一种最优正交变换，在数据空间找一组向量以尽可能解释数据的方差，实现数据的降维，使数据更易处理。
BP神经网络是一种单向传播的多层前向网络，是一种有导师监督学习算法。
它能够实现一种特殊的非线性映射，将输入空间变换到由输出所张成的空间，使得在输出空间的分类问题变得简单易行。
本论文首先对PCA主成分分析方法进行了阐述，然后探讨了BP神经网络的集成识别方法，最后实现了基于MATLAB的人脸识别系统。
关键词：MATLAB，人脸识别，PCA主成分分析，BP神经网络IIAbstractMATLAB with a strong scientific computing and visualization capabilities, easy to use, open and scalable environment to become one of the best scientific and technological applications, has a different toolbox support for different disciplines, making it in many fields of science in computer-aided design and analysis, algorithm research and application development tool platform.The principal component analysis (Principal Component Analysis, the PCA) is the method of statistical analysis of the principal contradiction of a grasp of things, from diverse things, it can parse out the main factors to reveal the nature of things, to simplify complex issues. The global expression of the face is a very effective method of face recognition. It is the image compression in an optimal orthogonal transform , to the extent possible, explain the variance of the data in the data space to find a set of vectors, the dimensionality reduction of the data, make data easier to handle.BP neural network is a one-way transmission of multi-layer forward network, is a mentor supervised learning algorithm. It can achieve a special kind of nonlinear mapping the input space is transformed by the output into the space, makes the classification problem in the output space becomes simple.This paper first described the PCA principal component analysis method, then discusses the integration of BP neural network identification method, the final realization of the face recognition system based on MATLAB.Keywords：MATLAB, face recognition, PCA principal component analysis, BP neural networkIII目录摘要 (II)Abstract (III)目录 (III)第一章绪论 (1)1.1研究背景 (1)1.2国内外研究现状 (3)1.3 论文的主要任务 (4)第二章基于PCA主成分分析的人脸图像特征提取 (6)2.1经典主成分分析方法 (6)2.1.1K-L变换 (6)2.1.2PCA方法 (8)2.2特征脸法 (10)2.3本章小结 (10)第三章基于BP神经网络的人脸特征分类与识别 (12)3.1BP神经网络的算法及实现方法 (12)3.1.1基本BP神经网络的学习算法 (12)3.1.2神经网络综合优化学习训练算法 (14)3.2 BP神经网络的参数 (17)3.2.1隐含层数目的确定 (17)3.2.2选取隐含层内节点数目的方法 (18)3.2.3激活函数的选取 (19)3.3基于动态权值的BP神经网络的集成 (19)3.4集成BP神经网络的训练与识别过程 (20)3.5 本章小结 (21)第四章图像处理的MATLAB实现 (22)4.1与人脸识别相关问题的概述 (22)4.2 人脸识别的实现方法 (22)IV4.2.1 人脸图像的获取 (22)4.2.2 人脸图像预处理 (22)4.2.3 人脸表征 (24)4.2.4关于人脸检测的问题 (25)4.2.5 人脸判定 (26)4.3 本章小结 (27)第五章结论 (28)参考文献 (29)致谢 (31)附录 (32)附录一 (32)附录二 (33)附录三 (34)附录四 (37)V第一章绪论1.1研究背景人脸识别技术是一种基于生理特征的识别技术，通过计算机提取人脸特征，并根据这些特征进行身份识别和验证的一种技术。
基于MATLAB的人脸识别系统研究与实现毕业论文
基于MATLAB的⼈脸识别系统研究与实现毕业论⽂本科⽣毕业论⽂(设计) 题⽬：基于MATLAB的⼈脸识别系统研究与实现毕业设计（论⽂）原创性声明和使⽤授权说明原创性声明本⼈郑重承诺：所呈交的毕业设计（论⽂），是我个⼈在指导教师的指导下进⾏的研究⼯作及取得的成果。
尽我所知，除⽂中特别加以标注和致谢的地⽅外，不包含其他⼈或组织已经发表或公布过的研究成果，也不包含我为获得及其它教育机构的学位或学历⽽使⽤过的材料。
对本研究提供过帮助和做出过贡献的个⼈或集体，均已在⽂中作了明确的说明并表⽰了谢意。
作者签名：⽇期：指导教师签名：⽇期：使⽤授权说明本⼈完全了解⼤学关于收集、保存、使⽤毕业设计（论⽂）的规定，即：按照学校要求提交毕业设计（论⽂）的印刷本和电⼦版本；学校有权保存毕业设计（论⽂）的印刷本和电⼦版，并提供⽬录检索与阅览服务；学校可以采⽤影印、缩印、数字化或其它复制⼿段保存论⽂；在不以赢利为⽬的前提下，学校可以公布论⽂的部分或全部内容。
作者签名：⽇期：学位论⽂原创性声明本⼈郑重声明：所呈交的论⽂是本⼈在导师的指导下独⽴进⾏研究所取得的研究成果。
除了⽂中特别加以标注引⽤的内容外，本论⽂不包含任何其他个⼈或集体已经发表或撰写的成果作品。
对本⽂的研究做出重要贡献的个⼈和集体，均已在⽂中以明确⽅式标明。
本⼈完全意识到本声明的法律后果由本⼈承担。
作者签名：⽇期：年⽉⽇学位论⽂版权使⽤授权书本学位论⽂作者完全了解学校有关保留、使⽤学位论⽂的规定，同意学校保留并向国家有关部门或机构送交论⽂的复印件和电⼦版，允许论⽂被查阅和借阅。
本⼈授权⼤学可以将本学位论⽂的全部或部分内容编⼊有关数据库进⾏检索，可以采⽤影印、缩印或扫描等复制⼿段保存和汇编本学位论⽂。
涉密论⽂按学校规定处理。
作者签名：⽇期：年⽉⽇导师签名：⽇期：年⽉⽇注意事项1.设计（论⽂）的内容包括：1）封⾯（按教务处制定的标准封⾯格式制作）2）原创性声明3）中⽂摘要（300字左右）、关键词4）外⽂摘要、关键词5）⽬次页（附件不统⼀编⼊）6）论⽂主体部分：引⾔（或绪论）、正⽂、结论7）参考⽂献8）致谢9）附录（对论⽂⽀持必要时）2.论⽂字数要求：理⼯类设计（论⽂）正⽂字数不少于1万字（不包括图纸、程序清单等），⽂科类论⽂正⽂字数不少于1.2万字。
基于matlab的人脸识别系统设计论文
毕业设计 [论文] 题目：基于MATLAB的人脸识别系统设计摘要人脸识别是模式识别和图像处理等学科的一个研究热点，它广泛应用在身份验证、刑侦破案、视频监视、机器人智能化和医学等领域，具有广阔的应用价值和商用价值。
人脸特征作为一种生物特征，与其他生物特征相比，具有有好、直接、方便等特点，因此使用人脸特征进行身份识别更易于被用户所接受。
人脸识别技术在过去的几十年得到了很大的发展，但由于人脸的非刚性、表情多变等因素，使得人脸识别技术在实际应用中面临着巨大的困难。
本文针对近年来国外相关学术论文及研究报告进行学习和分析的基础上，利用图像处理的matlab实现人脸识别方法，这种实现简单且识别准确率高，但其缺点是计算量大，当要识别较多人员时，该方法难以胜任。
利用MATLAB实现了一个集多种预处理方法于一体的通用的人脸图像预处理仿真系统，将该系统作为图像预处理模块可嵌入在人脸识别系统中，并利用灰度图像的直方图比对来实现人脸图像的识别判定。
关键词：图像处理, Matlab, 人脸识别, 模式识别ABSTRACTHuman face recognition focuses on pattern recognition ,image proce ssing andother subjects.It is widely used in authentication,investigat ion,video surveillance,intelligent robots,medicine and other areas.Fac erecognition has wide application and business value.Facial feature as abiological characteristic,compared with others is direct,friendly and convenient.Facial featureemployed in authentication are user-friendly.The technology of face recognition in the past few years obtained the very big development, but due to the face of nonrigid, expression and changeablefactors, the face recognition technology in practical ap plication are facing great difficulties. This paper aimed at home and abroad in recent years the relevant papers and researchreports on stud y and on the basis of the analysis, some units within the data sensiti vity places need to enter personnel to carry out limitation design and develop a set of identity verification identification system, the sys tem uses PCA face recognition method, therealization is simple and the accuracy rate of recognition is high,but itsdrawback is that a large amount of calculation, when to identify more staff,this method is diff icult to do.The realization of a set of various pretreatment methods in one of the generic face image preprocessing simulation system based on MATLAB, the system is used as the image preprocessing module can be embedded in a face recognition system, and using the histogram matching gray image to realize the recognition of human face images to determine.Keywords: Imageprocessing , Matlab, Face recognition, Patternrecognition目录摘要 (I)ABSTRACT (II)1 绪论 (1)1.1 研究背景 (1)1.2国外研究现状 (2)1.3 人脸图像识别的应用前景 (3)1.4 本文研究的问题 (3)1.5 识别系统构成 (4)1.6 论文的容及组织 (5)2 图像处理的Matlab实现 (6)2.1 Matlab简介 (6)2.2 数字图像处理及过程 (6)2.2.1图像处理的基本操作 (6)2.2.2图像类型的转换 (6)2.2.3图像增强 (6)2.2.4边缘检测 (7)2.3图像处理功能的Matlab实现实例 (7)2.4 本章小结 (10)3 人脸图像识别计算机系统 (11)3.1 引言 (11)3.2系统基本机构 (11)3.3 人脸检测定位算法 (12)3.4 人脸图像的预处理 (16)3.4.1 人脸图像预处理方法 (17)3.5人脸识别 (18)4 实验结果与分析 (25)5 结论 (26)参考文献 (27)致 (28)1 绪论当前，人脸检测越来越受到大家的关注，他作为生物特征识别中一个非常重要的一个分支，已成为计算机视觉与模式识别领域中非常活跃的一个研究领域。
基于MATLAB的人脸识别系统的研究毕业论文
长沙民政职业技术学院毕业实践报告 题目:基于MATLAB 勺人脸识别系统的研扌旨导老师： ______ 谭刚林 ______________________ 系 另寸： 电子信息工程系 __________________ 班 级： ______________ 电子1133 ____________学号：1119013333 1119013334 1119013335 姓 名： 刘盼符思遥樊阳辉类型:2014年5月5日基于MATLAB勺人脸识别系统的研究符思遥、刘盼、樊阳辉指导老师：谭刚林苏宏艮马勇赞【摘要】人脸检测与识别技术是计算机视觉和模式识别等学科的研究热点之一，是进行身份认证最友好直接的手段，在出入境安全检查、内容检索、证件验证、门禁系统等领域都具有十分广泛的应用前景。
多年来，人脸识别技术中的很多问题都被深入地研究，而且大量的算法已经成功应用于人脸识别。
本文在研究了人脸检测和身份识别的关键技术和相关理论的基础上，重点讨论了在光照和背景不同的条件下，彩色静止图像的人脸检测和身份识别问题，它包括基于肤色分割的人脸粗检测、基于人眼检测的几何归一化和基于二维主成分分析法(2DPCA的身份识别。
本文主要工作如下：首先对彩色图像进行光照补偿，其次通过肤色检测获得可能的脸部区域并二值化，再用形态学开闭运算对图像进行滤波处理并通过一定规则确定人脸区域，然后运用水平垂直投影定位人眼坐标以此对人脸进行几何归一化，识别部分运用2DPCA勺图像映射方法对灰度图进行特征匹配，最后输出识别结果并进行语音播报。
实验结果表明，结合肤色和面部几何特征的算法能够对人脸进行较快速和准确的定位，同时2DPCAT法运用于身份识别也能达到较高的识别率。
本毕业设计对实际应用具有一定的参考价值，该系统的操作流程和输入输出方式是以实际应用为出发点，可应用于公安机关证件验证以及日常家庭的自动门禁系统等。
【关键词】人脸检测；肤色分割；人眼检测；2DPCA特征提取1绪论 (1)1.1选题的背景 (1)1.2人脸识别系统 (2)1.3人脸识别的典型方法 (2)2基于YCbCr颜色空间的肤色分割 (3)2.1三种色彩空间 (3)2.1.1 RGB色彩空间 (3)3基于2DPCA特征提取的身份识别 (4)3.1 2DPCA算法实验结果与分析 (5)3.1.1实验用数据库 (5)3.1.2实验结果与分析 (5)3.1.3 结论 (7)4人脸检测与识别系统设计与实现 (7)4.1系统环境 (7)4.2人脸检测与识别系统框图 (7)4.3系统功能模块 (8)4.4实验结果分析 (9)5总结与展望 (10)5.1总结 (10)5.2展望 (10)参考文献 (12)1绪论1.1选题的背景近年来随着计算机技术和互联网的发展，信息技术的安全变得越来越重要，生物特征识别技术得到广泛研究与开发，如人脸识别、指纹识别、掌形识别等。
基于matlab的人脸识别系统实验报告
基于MATLAB的人脸识别系统小组成员：徐艺达、莫子韬邹明宇、罗远挥、周宁基于MATLAB的人脸识别系统第一部分绪论如图一个人的指纹一样，人脸也具有唯一性，也可用来鉴别一个人的身份。
现在已有实用的计算机自动指纹识别系统面试，并在安检部门得到了相应的应用。
人脸图像的自动识别较之于指纹识别系统、DNA鉴定等具有更加方便的性能，其取样方便，可不接触目标进行识别，从而具有更大意义的开发效应。
然而，与指纹成像技术不同的是，人脸图像受很多因素的干扰：人脸表情的多样性，以及外在成像过程中的关照、图像尺寸、旋转、姿势变化等方面，使得同一个人在不同的环境下拍摄所得到的人脸图像不同，有时往往会有很大的差别，给识别带来了很大的难度。
因此，人脸识别也更具有挑战性。
除了具有重大的理论价值及极富挑战性外，人脸识别还具有很多潜在的应用前景，利用人脸图像进行身份验证，可以不与目标接触就取得样本图像，而使用其他的身份手段，如指纹、眼睛虹膜等必须通过与目标接触或相当接近来取得样本，因此此类识别手段也具有很多不便之处。
本文通过使用PCA和NMF两种算法及MATLAB软件对所取图像进行预处理与识别，应用该工具箱对图像进行了经典图像处理，进而应用与人脸识别系统。
主要涉及到图像选取、脸部定位、特征提取及图像处理识别几个过程。
第二部分基于NMF算法的人脸识别系统一、摘要作为一种基于人的脸部特征信息进行身份识别的一种生物识别技术,人脸识别逐渐成为了计算机视觉领域的一个热门研究课题。
NMF就是其中一种主流算法，但由于人脸识别所存在光照、角度、遮挡等问题仍未解决，因此NMF算法仍存在局限性，该算法没有引入任何对空间的位置的约束，所以最小化目标函数很难产生揭示数据X的局部特征的因子分解。
本文以NMF算法为基础，结合LNMF算法来求解人脸问题。
二、实验目的运用NMF算法对数据库中的数据进行人脸识别分析三、实验原理 1.非负矩阵分解法NMF 1.1NMF 定义非负矩阵分解定义为：找到非负矩阵W 与H 得到下式 V ≈WH （1-1）在计算中等式两者很难完全相等。
基于 matlab 的人脸识别系统的设计与实现代码大全
基于matlab的人脸识别系统的设计与实现1．1题目的主要研究内容（1）工作的主要描述主要绍了人脸图像识别中所应用matlab对图像进行预处理，应用该工具箱对图像进行经典图像处理，通过实例来应用matlab图像处理功能，对某一特定的人脸图像处理，进而应用到人脸识别系统。
本文在总结分析人脸识别系统中几种常用的图像预处理方法基础上，利用matlab实现了一个集多种预处理方法于一体的通用的人脸图像预处理仿真系统，将该系统作为图像预处理模块可嵌入在人脸识别系统中，并利用灰度图像的直方图比对来实现人脸图像的识别判定。
其中涉及到图像的选取，脸部定位，特征提取，图像处理和识别几个过程。
人脸识别技术系统主要可分为四个组成部分，分别为人脸图像采集及检测、人脸图像预处理、人脸图像特征提取以及匹配与识别。
（2）系统流程图开始人脸图像采集及检测人脸图像预处理人脸图像特征提取匹配与识别结束1．2题目研究的工作基础或实验条件（1）硬件环境PC机（2）软件环境：matlab1．3数据集描述人脸图像采集：人脸图像信息都能通过摄像镜头采集记录下来，比如不同位置、不同表情、静态图像、动态图像等方面都能得到很好的采集。
当目标在采集设备拍摄的范围内时，采集设备会自动搜索并采集目标的人脸图像。
但摄取的图像可以是真人，也可以是人脸的图片或者为了相对简单，可以不考虑通过摄像头来摄取头像，而是直接给定要识别的图像；人脸检测：在实际中主要应用于人脸识别的预处理，即在采集到的图像中准确定位出人脸的位置。
人脸图像中包含的模式特征非常丰富，如模板特征、结构特征、直方图特征、颜色特征等。
人脸检测就是挑出这其中有用的特征信息，并利用这些特征来实现人脸识别。
在本次的模式识别系统的设计中，选取的图片都是大小相等的，其尺寸为180mm*200mm，方便于系统的识别，定位人脸的位置和面部的器官。
在测试集中选取了10张图片，训练集中选取了20张图片，利用matlab软件进行人脸识别，匹配两张相同的图片。
人脸识别系统毕业设计
人脸识别系统毕业设计人脸识别系统毕业设计随着科技的不断进步和人们对安全性的日益重视，人脸识别系统逐渐成为一种被广泛应用的技术。
作为一种生物识别技术，人脸识别系统能够通过摄像头捕捉到的人脸图像，进行特征提取和比对，从而实现对个体身份的识别。
在毕业设计中，我选择了开发一个人脸识别系统，旨在探索和应用这一前沿技术。
首先，我将介绍人脸识别系统的原理和应用。
人脸识别系统主要包括图像采集、图像预处理、特征提取和比对等环节。
图像采集使用摄像头捕捉到人脸图像，图像预处理则对采集到的图像进行去噪、对齐等操作，以提高后续处理的准确性。
特征提取是人脸识别系统的核心环节，通过对图像进行分析和计算，提取出人脸的特征信息，如眼睛、鼻子、嘴巴等位置和形状。
最后，比对阶段将提取到的特征与数据库中已有的特征进行对比，从而确定个体的身份。
人脸识别系统在安防领域有着广泛的应用。
例如，它可以用于门禁系统，通过识别人脸来控制门的开关，实现自动化的出入管理。
此外，人脸识别系统还可以用于监控系统，通过对摄像头捕捉到的人脸图像进行实时识别，及时发现和报警异常行为。
在社交娱乐领域，人脸识别系统也有着很多的应用，如人脸美化、人脸动画等。
可以说，人脸识别系统在各个领域都有着广泛的应用前景。
接下来，我将介绍我设计的人脸识别系统的具体实现。
首先，我选择了OpenCV作为主要的开发工具，因为它是一个功能强大且开源的计算机视觉库，可以方便地进行图像处理和特征提取。
其次，我使用了深度学习的方法来提高人脸识别的准确性。
深度学习是一种模仿人脑神经网络的计算模型，通过多层次的神经元网络结构，可以自动学习和提取图像中的特征。
我使用了卷积神经网络（CNN）作为主要的模型，通过大量的训练数据和反向传播算法，让网络自动学习人脸的特征。
在实际的应用中，我设计了一个简单的人脸识别系统原型。
该系统包括一个摄像头和一个显示屏，用户可以站在摄像头前，系统会自动捕捉到用户的人脸图像，并进行特征提取和比对，最后在显示屏上显示出用户的身份信息。
(完整版)基于matlab程序实现人脸识别
基于matlab程序实现人脸识别1.人脸识别流程1.1.1基本原理基于YCbCr颜色空间的肤色模型进行肤色分割。
在YCbCr色彩空间内对肤色进行了建模发现，肤色聚类区域在Cb—Cr子平面上的投影将缩减，与中心区域显著不同。
采用这种方法的图像分割已经能够较为精确的将人脸和非人脸分割开来。
1.1.2流程图人脸识别流程图读入原始图像将图像转化为YCbCr颜色空间利用肤色模型二值化图像并作形态学处理选取出二值图像中的白色区域，度量区域属性，筛选后得到所有矩形块否筛选特定区域（高度和宽度的比率在（0.6~2）之间，眼睛特征）是存储人脸的矩形区域特殊区域根据其他信息筛选，标记最终的人脸区域2.人脸识别程序（1）人脸和非人脸区域分割程序function result = skin(Y,Cb,Cr)%SKIN Summary of this function goes here% Detailed explanation goes herea=25.39;b=14.03;ecx=1.60;ecy=2.41;sita=2.53;cx=109.38;cy=152.02;xishu=[cos(sita) sin(sita);-sin(sita) cos(sita)];%如果亮度大于230，则将长短轴同时扩大为原来的1.1倍if(Y>230)a=1.1*a;b=1.1*b;end%根据公式进行计算Cb=double(Cb);Cr=double(Cr);t=[(Cb-cx);(Cr-cy)];temp=xishu*t;value=(temp(1)-ecx)^2/a^2+(temp(2)-ecy)^2/b^2;%大于1则不是肤色，返回0；否则为肤色，返回1if value>1result=0;elseresult=1;endend（2）人脸的确认程序function eye = findeye(bImage,x,y,w,h)%FINDEYE Summary of this function goes here % Detailed explanation goes herepart=zeros(h,w);%二值化for i=y:(y+h)for j=x:(x+w)if bImage(i,j)==0part(i-y+1,j-x+1)=255;elsepart(i-y+1,j-x+1)=0;endendend[L,num]=bwlabel(part,8);%如果区域中有两个以上的矩形则认为有眼睛if num<2eye=0;elseeye=1;endend(3)人脸识别主程序clear all;%读入原始图像I=imread('face3.jpg');gray=rgb2gray(I);ycbcr=rgb2ycbcr(I);%将图像转化为YCbCr空间heighth=size(gray,1);%读取图像尺寸width=size(gray,2);for i=1:heighth %利用肤色模型二值化图像for j=1:widthY=ycbcr(i,j,1);Cb=ycbcr(i,j,2);Cr=ycbcr(i,j,3);if(Y<80)gray(i,j)=0;elseif(skin(Y,Cb,Cr)==1)%根据色彩模型进行图像二值化gray(i,j)=255;elsegray(i,j)=0;endendendendse=strel('arbitrary',eye(5));%二值图像形态学处理gray=imopen(gray,se);figure;imshow(gray)[L,num]=bwlabel(gray,8);%采用标记方法选出图中的白色区域stats=regionprops(L,'BoundingBox');%度量区域属性n=1;%存放经过筛选以后得到的所有矩形块result=zeros(n,4);figure,imshow(I);hold on;for i=1:num %开始筛选特定区域box=stats(i).BoundingBox;x=box(1);%矩形坐标Xy=box(2);%矩形坐标Yw=box(3);%矩形宽度wh=box(4);%矩形高度hratio=h/w;%宽度和高度的比例ux=uint16(x);uy=uint8(y);if ux>1ux=ux-1;endif uy>1uy=uy-1;endif w<20 || h<20|| w*h<400 %矩形长宽的范围和矩形的面积可自行设定continueelseif ratio<2 && ratio>0.6 && findeye(gray,ux,uy,w,h)==1%根据“三庭五眼”规则高度和宽度比例应该在（0.6,2）内；result(n,:)=[ux uy w h];n=n+1;endendif size(result,1)==1 && result(1,1)>0 %对可能是人脸的区域进行标记rectangle('Position',[result(1,1),result(1,2),result(1,3),result(1,4)],'EdgeColor','r'); else%如果满足条件的矩形区域大于1,则再根据其他信息进行筛选a=0;arr1=[];arr2=[];for m=1:size(result,1)m1=result(m,1);m2=result(m,2);m3=result(m,3);m4=result(m,4);%得到符合和人脸匹配的数据if m1+m3<width && m2+m4<heighth && m3<0.2*widtha=a+1;arr1(a)=m3;arr2(a)=m4;%rectangle('Position',[m1,m2,m3,m4],'EdgeColor','r');endend%得到人脸长度和宽度的最小区域arr3=[];arr3=sort(arr1,'ascend');arr4=[];arr4=sort(arr2,'ascend');%根据得到的数据标定最终的人脸区域for m=1:size(result,1)m1=result(m,1);m2=result(m,2);m3=result(m,3);m4=result(m,4);%最终标定人脸if m1+m3<width && m2+m4<heighth && m3<0.2*widthm3=arr3(1);m4=arr4(1);rectangle('Position',[m1,m2,m3,m4],'EdgeColor','r');endendend（4）程序说明人脸识别程序主要包含三个程序模块，人脸识别主程序由三部分构成。
基于Matlab的人脸识别课程设计
摘要人脸识别因其在安全验证系统、信用卡验证、医学、档案管理、视频会议、人机交互、系统公安(罪犯识别等)等方面的巨大应用前景而越来越成为当前模式识别和人工智能领域的一个研究热点。
本文提出了基于24位彩色图像对人脸进行识别的方法，介绍的主要内容是图像处理，它在整个软件中占有极其重要的地位，图像处理的好坏直接影响着定位和识别的准确率。
本软件主要用到的图像处理技术是：光线补偿、高斯平滑和二值化。
在识别前，先对图像进行补光处理，再通过肤色获得可能的脸部区域，最后根据人脸固有眼睛的对称性来确定是否就是人脸，同时采用高斯平滑来消除图像的噪声，再进行二值化，二值化主要采用局域取阈值方法，接下来就进行定位、提取特征值和识别等操作。
经过测试，图像预处理模块对图像的处理达到了较好的效果，提高了定位和识别的正确率。
【关键字】：人脸识别；光线补偿；高斯平滑；对比度增强AbstractFace recognition is a complex and difficult problem that is important for surveillance and security, telecommunications, digital libraries , video meeting, and human-computer intelligent interactions.The paper introduced the method of face recognition that based on the 24 bit multicolor image, Main content that the paper introduced is the picture treatment, It occupies the extremely important position in the whole software, the quality of picture process directly influenced the accuracy rate of localization and discerning. The picture process technology that the software mainly used included : light compensating、gauss smooth and twain value method. before discerning, we compensated the light for image, then we could obtain the possible face area through the complexion, finally, the system could depend on the symmetry of eyes to make sure whether it is the face of people, at the same time, the system could eliminate noises through the method that named gauss smoothness, then we used twain value method to deal with picture，the method got the threshold value in face area . After dealing with picture , the following operations are localization、draw characteristic value 、discerning and so on . After testing, we made true that the picture pretreatment modal has get the better effect in the process of dealing with picture, and improve the exactness rate of localization and discerning.【key word】: Face recognition；light compensating；gauss smooth；contrast enhancing目录一、绪论 (1)1. 背景 (1)2. 人脸识别技术研究的意义 (1)3. 发展史 (2)1) 国外的发展 (2)2) 国内的发展 (2)二、系统的需求分析和方案选择 (3)1. 可行性分析 (3)1) 技术可行性 (3)2) 操作可行性 (4)2. 需求分析 (4)3. 预处理法案选择 (5)1) 设计方案的原则选择 (5)2) 图像文件格式选择 (5)3) 开发工具选择 (5)4) 算法选择分析 (5)三、系统概要设计 (6)四、系统详细设计 (9)1. 系统整体设计流程图 (9)2. 图像处理详细设计 (9)3. 编程时的问题解决 (19)五、测试 (20)1. 测试方案的选择原则 (20)2. 测试方案 (21)结束语 (1)参考文献 (2)一、绪论1.背景随着安全入口控制和金融贸易方面应用需要的快速增长，生物统计识别技术得到了新的重视。
基于matlab的人脸识别技术及实现
本科毕业设计(论文)人脸识别技术及实现学院信息工程学院专业信息工程(电子信息工程方向)年级班别2010级（1）班学号3111002754学生姓名XXX指导教师XXX2014年5 月摘要随着经济的快速发展以及生活方式的改变，社会各方面对于身份识别技术的需求快速增长。
使得生物统计识别技术得到了新的重视。
目前得到主要应用的是指纹识别和人脸识别。
研究人脸识别在理论和技术上都有重要的意义：一是可以推进对人类视觉系统本身的认识；二是可以满足人工智能应用的需要。
而人脸识别相比较其他生物识别技术而言具有：1、非接触的，用户不需要和设备直接接触；2、非强制性，被识别的人脸图像信息可以主动获取；3、并发性，即实际应用场景下可以进行多个人脸的分拣、判断及识别这几大优点而取得了快速的发展。
采用人脸识别技术，建立自动人脸识别系统，用计算机实现对人脸图像的自动识别有着广阔的应用领域和诱人的应用前景。
本文在总结分析人脸识别系统中几种常用的图像预处理方法基础上，利用MATLAB实现了一个集多种预处理方法于一体的通用的人脸图像预处理仿真系统。
通过实现图像的选取，脸部定位，特征提取，图像处理和识别这几个过程，利用灰度图像的直方图比对最终实现人脸图像的识别。
关键词：人脸识别， MATLAB，灰度图像直方图，特征提取AbstactWith the fast development of economy and the change of life style, the demand for the identity recognition technology is increasing rapidly. Meanwhile, The technology of biometric identification is emphasized. The main application is fingerprint recognition and face recognition nowdays. The research of face recognition has important meaning both in theory and technology.Firstly, it can advance the recognition of human vision system.Secondly, it is the need of artificial intelligence application. And face recognition compared to other biometrics has much advantages.Firstly, users do not need to equipment and direct contact.Secondly,it is recognition of the face image information can take the initiative to obtain.Thirdly, the actual application scenarios can be of multi face sorting, judgment, and recognition. Using computer to achieve automatic recognition of the face image has a broad application areas and attractive prospects for application by face recognition technology, automatic face recognition system.Based on the summary analysis of face recognition system and several common image pre processing method , author finally used MATLAB realize a set a variety of pre processing method in one of the generic face image pre processing simulation system. With the image selection, facial localization, feature extraction, image processing and recognition these processes, the author successfully use the histogram ratio of gray image to realize the recognition of face image.Key words：Face recognition;MATLAB;Gray image histogram; Feature extraction目录1 绪论 (1)1.1引言 (1)1.2人脸识别技术的背景 (1)1.3 人脸识别技术国内外发展 (2)1.4人脸识别技术的应用前景 (4)1.5 论文研究的问题 (5)1.6本文人脸识别系统主要结构 (6)1.7论文的内容及组织 (7)2 应用Matlab处理图像 (8)2.1 Matlab介绍 (8)2.2 数字图像处理 (8)2.2.1图像处理的基本操作 (8)2.2.2图像类型的转换 (9)2.2.3图像增强 (9)2.3图像处理功能的Matlab实现实例 (10)2.4 本章小结 (12)3 人脸检测的实现 (13)3.1 引言 (13)3.2系统基本机构 (13)3.3 人脸检测定位算法 (14)3.4 人脸图像的预处理 (19)3.4.1 仿真系统中实现的人脸图像预处理方法 (19)4 基于直方图的人脸识别实现 (22)4.1识别理论 (22)4.2 人脸识别的matlab实现 (22)结论 (24)参考文献 (25)致谢 (27)1 绪论1.1引言本章提出了人脸识别的研究背景及应用前景。
基于LabviewMatlab的人脸识别系统设计与实现
作者： 马永强 华宇宁
作者机构： 沈阳理工大学信息学院,沈阳,110168 沈阳理工大学信息学院,沈阳,110168出版物刊名： 科技资讯
页码： 15-16页
主题词： 人脸识别 人脸检测 Labview Matlab
摘要：基于Labview/Matlab、usb摄像头软硬件等设备,设计出人脸识别系统.文章着重介绍了人脸自动识别系统的设计思想和实现技术.该系统以人像识别技术为核心,采用简单的单机模式,建立和维护了一个含有人像特征的综合数据库,从而能够在即时采集人脸图像时,迅速地查询出最接近于已采集到的的已登记人员的身份信息.。
《基于MATLAB的人脸识别算法的研究》范文
《基于MATLAB的人脸识别算法的研究》篇一一、引言人脸识别技术是计算机视觉领域的重要分支，随着科技的发展和大数据的普及，其在安全监控、身份认证、智能交互等领域得到了广泛的应用。
本文旨在基于MATLAB平台，研究并分析几种常见的人脸识别算法，并对其性能进行对比与评价。
二、人脸识别算法概述人脸识别算法主要包括基于特征的人脸识别算法和基于深度学习的人脸识别算法两大类。
其中，基于特征的人脸识别算法如主成分分析（PCA）、线性判别分析（LDA）、局部二值模式（LBP）等，通过提取人脸特征进行识别；而基于深度学习的人脸识别算法如卷积神经网络（CNN）等，通过深度学习技术自动提取人脸特征并进行识别。
三、基于MATLAB的人脸识别算法实现1. 数据准备：使用MATLAB的Image Acquisition Toolbox获取人脸图像数据，并进行预处理，包括灰度化、归一化等操作。
2. 特征提取：采用PCA、LDA等算法提取人脸特征。
在MATLAB中，可以利用其内置的函数或编写自定义函数进行特征提取。
3. 分类器设计：根据提取的特征，设计分类器进行人脸识别。
在MATLAB中，可以使用其内置的分类器函数或自行设计分类器。
4. 算法实现：将上述步骤组合起来，实现基于MATLAB的人脸识别算法。
四、常见人脸识别算法的比较与分析1. PCA算法：PCA是一种常用的特征提取方法，能够有效地降低数据的维度，提高识别的速度和准确性。
但PCA算法对光照、表情等因素的敏感性较高，需要结合其他技术进行优化。
2. LDA算法：LDA算法通过最大化类间距离和最小化类内距离来提取特征，具有较好的分类性能。
但LDA算法对样本数量的要求较高，样本数量不足时可能导致性能下降。
3. CNN算法：CNN是一种基于深度学习的人脸识别算法，能够自动提取人脸特征并进行识别。
CNN算法具有较高的准确性和鲁棒性，但需要大量的训练数据和计算资源。
五、实验与结果分析为了验证上述人脸识别算法的性能，我们进行了多组实验。
《基于MATLAB的人脸识别算法的研究》范文
《基于MATLAB的人脸识别算法的研究》篇一一、引言人脸识别技术是近年来计算机视觉领域的研究热点之一，其在安全监控、身份认证、人机交互等领域具有广泛的应用前景。
MATLAB作为一种强大的数学计算软件，为研究者提供了便捷的人脸识别算法实现平台。
本文旨在研究基于MATLAB的人脸识别算法，分析其原理、实现过程及性能，为相关领域的研究和应用提供参考。
二、人脸识别算法概述人脸识别算法主要包括预处理、特征提取和匹配识别三个阶段。
预处理阶段主要对原始图像进行灰度化、降噪、归一化等操作，以便提取有效的特征。
特征提取阶段通过提取人脸的特征信息，如形状、纹理、空间关系等，形成特征向量。
匹配识别阶段将提取的特征向量与已知人脸库中的数据进行比对，找出最相似的结果。
三、基于MATLAB的人脸识别算法实现1. 预处理阶段在MATLAB中，可以使用内置的图像处理函数对原始图像进行预处理。
首先，通过rgb2gray函数将彩色图像转换为灰度图像，以减少计算量。
然后，使用imnoise函数添加适当的噪声，模拟实际环境中的干扰因素。
接着，通过imresize函数对图像进行归一化处理，以便进行后续的特征提取。
2. 特征提取阶段特征提取是人脸识别的关键步骤。
在MATLAB中，可以使用多种方法进行特征提取，如主成分分析（PCA）、局部二值模式（LBP）、方向梯度直方图（HOG）等。
本文以PCA为例，介绍其实现过程。
首先，将预处理后的图像转换为矩阵形式，并计算协方差矩阵。
然后，通过特征值分解求得主成分，即特征向量。
最后，将原始图像投影到特征空间，得到特征向量。
3. 匹配识别阶段匹配识别阶段需要将提取的特征向量与已知人脸库中的数据进行比对。
在MATLAB中，可以使用欧氏距离、余弦相似度等指标进行相似度度量。
本文采用欧氏距离作为相似度度量指标，通过计算测试样本与已知样本之间的距离，找出最相似的结果。
四、实验结果与分析本文使用ORL人脸数据库进行实验，对比了不同特征提取方法在人脸识别中的性能。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
佳木斯大学毕业论文基于Matlab的人脸识别系统设计与仿真学院信息电子技术专业电子信息工程班级11级1班姓名杨雷指导教师周经国佳木斯大学2015年6月10日摘要人脸识别即指利用分析比对人脸视觉特征信息从而达到身份鉴别效果的计算机技术。
人脸识别是一项当下十分热门的计算机技术的研究领域，该项技术可以人脸明暗侦测，并且自动调整动态曝光补偿，同时对人脸追踪侦测，并自动调整影像放大；这项技术属于生物特征识别技术的一种，是利用生物体（一般指人）本身的生物特征从而达到区分生物体个体的目的。
人脸识别技术目前主要用做身份识别。
由于视频监控的飞速普及，使这项应用迫切的需要一种能实现在用户非配合状态下、远距离的进行快速身份识别的技术，以求能在远距离之下快速识别人员身份，从而实现智能预警的功能。
最佳的选择无疑是人脸识别技术。
采用快速人脸检测识别技术可以从视频监控图象中实时捕获到人脸信息，并与人脸数据库中的已存信息进行实时比对，从而达到快速身份识别的效果。
报告利用MATLAB软件来实现人脸信息检测与识别，利用YCbCr空间以及灰度图像来实现人脸的边缘分割, 将真彩图像转换为灰度图像，并根据肤色在YCbCr色度空间上的分布范围，来设定门限阀值，从而实现人脸区域与非人脸区域的分割，通过图像处理等一系列的操作来剔除干扰因素，再通过长宽比和目标面积等方法在图像中定位出人脸区域，经试验，该方法能够排除面部表情、衣着背景、发型等干扰因素，从而定位出人脸区域。
关键词：Matlab软件；灰度图像；边缘分割；人脸区域AbstractFace recognition especially use comparative analysis face visual feature information for identification of computer technology. Face recognition is a , light and shade can be automatically adjusted dynamically exposure compensation, face tracking detection, automatic adjustment of image magnification; It belongs to the biometric identification technology, it is of organisms (generally refers to a person) individual biological characteristics to distinguish between the organism itself.Face recognition is mainly used for identification. Because of the video monitoring is fast popularization, many of the video monitoring application is an urgent need to a long distance, the user not cooperate condition of rapid identification technology, in order . Face recognition technology is undoubtedly the best choice, the fast face detection technology to monitor in real-time video image search from face, and with real-time than face database, so as to realize rapid identification.Report using MATLAB software to realize face information detection and recognition, using YCbCr space and gray image to realize the face edge segmentation, the true color image is converted to a grayscale image, and according to the color of skin in YCbCr chroma space distribution, to set the threshold threshold, so as to realize the segmentation of face region with the face region, through a series of operations such as image processing to eliminate interference factors, and through such means as aspect ratio and the target area locate the face region in the image, the experiment, this method can eliminate facial expressions, clothes, . Keywords：Matlab；Gray image；edge segmentation；face region目录摘要 (1)ABSTRACT (2)3 第1章绪论 (4)1.1课题的研究背景、目的及意义 (4)1.1.1 课题的研究背景 (4)1.1.2 研究目的及意义 (5)1.2本课题的主要内容 (5)第2章图像处理的MATLAB实现 (6)2.1识别系统构成 (6)2.2人脸图像的读取与显示 (7)2.3图像类型的转换 (7)2.4图像增强 (8)2.5灰度图像平滑与锐化处理..................... 错误！未定义书签。
2.6边缘检测................................... 错误！未定义书签。
第3章人脸识别计算机系统....................... 错误！未定义书签。
3.1系统基本构架............................... 错误！未定义书签。
3.2人脸检测定位算法........................... 错误！未定义书签。
3.3匹配与识别 (9)结论............................................. 错误！未定义书签。
致谢............................................. 错误！未定义书签。
参考文献......................................... 错误！未定义书签。
附录1 人脸识别的MATLAB源程序 (12)附录2 外文参考文献及翻译 (16)第1章绪论1.1 课题的研究背景、目的及意义1.1.1 课题的研究背景数字图像处理技术是20世纪60年代发展起来的一门新兴技术。
近30多年来，在计算机科技和大规模集成电路技术的迅猛发展、离散数学理论创立和完善，以及工业、军事、医学等方面的应用需求在不断增长，人脸识别技术已经在人机交互、安全验证系统、系统公安(罪犯识别等)、医学、档案管理、信用卡验证、视频会议等方面的巨大应用前景而越来越成为当前模式识别和人工智能领域的一个研究热点。
目前，人脸识别技术应用最广泛的地方就是各大公司、商场、政府保密机构的门禁考勤系统。
20世纪90年代后期以来，一些商业性的人脸识别技术系统逐渐进入市场。
自美国遭遇恐怖分子袭击事件后，这一技术引起了社会各方的广泛关注。
由于隐蔽性十分好，该项技术逐渐成为国际反恐及安全防范的重要手段之一。
人脸识别技术在中国也有迅猛发展的历史。
国家“十一五”科技发展规划就将人脸识别技术的研究与发展列入其中，并明确指出“要在生物特征识别技术领域缩小与世界先进水平的差距，开展生物特征识别应用技术研究，开发具有高安全性、低误报率的出入口控制新产品。
”在这种形势下，国内一些科研院所在人脸识别技术上有了重大发展和突破。
如清华大学、中科院计算机所、中科院自动化所等自主研发的人脸识别技术已经达到了国际先进的水平。
经过多年的研发探索，在世界各大研究机构的研发人员的共同努力下，人脸识别技术这一领域取得了丰硕的成果，这些研究成果的取得和科技的进步，更进一步推动了人类对人脸识别技术这一高端技术的深入研究。
人脸识别技术，顾名思义，指利用采集、分析、比较人脸视觉特征信息来进行身份鉴别的计算机技术。
广义的人脸识别实际包括构建人脸识别系统的一系列相关技术，包括人脸图像采集、人脸定位、人脸识别预处理、身份确认以及身份查找等；而狭义的人脸识别特指通过人脸进行身份确认或者身份查找的技术或系统。
它是人们一直所追求的让机器智能化技术，就是让机器具备和人类一样的思考能力，识别能力以及处理事务的能力。
而人脸识别技术的研究就是在这样的背景下发展起来的。
1.1.2 研究目的及意义目前，人脸识别技术已经广泛用于军队、政府、社会福利保障、银行、安全防务及电子商务等领域。
而我们研究这项技术的目的就是让其更好地服务于人类社会，在这个生活快节奏的前提下，与人方便。
例如京沪高铁三站将建立人脸识别系统，即使整容也能被识别。
铁路部门发布计划时表示，将在京沪高铁段的天津西站、济南西站、上海虹桥站这三个站点，建立人脸识别系统工程，以此来协助公安部门甄别、抓捕在逃罪犯。
利用这个系统，即使作案后的犯罪分子进行整容，也会被识别。
研究人脸识别技术，在现实意义上具有重大意义：一是能进一步加强对人类视觉系统本身的认知；二是能够满足人类社会中对人工智能应用的广泛需要。
同时人脸识别技术又有自然性、无侵犯性、成本低、智能化等几个显著优势。
人脸识别技术的研究也有重大的学术价值。
由于人类有非常复杂的细节变化，例如眼镜、胡须、发型等附属物的干扰，这就给该项技术带来了巨大挑战。
成功构造出人脸识别系统将为解决其他与之类似的复杂问题提供重要的启示。
1.2 本课题的主要内容本次课题主要讲述了人脸识别中应用Matlab对图像进行预处理，通过人脸检测、人脸跟踪、人脸比对来实现基于Matlab的人脸识别系统的仿真。
利用Matlab实现一个集多种预处理方法于一体的通用的人脸识别仿真系统，将该系统作为图像预处理模块嵌入在人脸识别系统中，并利用灰度图像的直方图比对来实现人脸图像的识别判断。