基于MATLAB的人脸识别系统设计【毕业作品】
基于matlab程序实现人脸识别
基于matlab程序实现人脸识别
人脸识别已经成为一个广泛被应用的技术，例如手机的解锁方式，安全系统等等。
它是一种基于人脸图像进行身份验证或身份识别的技术，也是近年来计算机视觉和模式识别领域研究的热点方向之一。
在这篇文档中，我们将介绍如何使用matlab编写一个简单的人脸识别程序。
人脸识别是什么？
人脸识别可以被定义为一个过程，旨在使用数字算法识别和验证图像或视频中
人脸身份。
在计算机科学的领域中，这项技术可以被描述为一种模式识别技术，
旨在通过在人脸图像上提取可识别特征来确定身份验证。
通俗易懂地理解，就是计算机能够识别人脸的特征，并将其与已知的数据匹配，从而确定人物身份。
人脸识别程序的开发流程
以下是本文介绍的基本程序开发流程：
1.数据集导入和预处理
2.特征提取和脸部对齐
3.模型训练和分类器设计
4.模型评估和测试
数据集导入和预处理
考虑到一个好的项目，我们需要一个良好的数据集。
在这里，我们可以使用来
自orl人脸数据集的数据。
该数据集中包含的有40个人的400幅灰度图像，每个
人有10个不同的示例。
您可以从该网站下载并使用这些数据来测试您的算法。
在这个过程中，我们需要使用matlab中的imread函数将数据读取为数字矩阵，然后将数据分为训练集和测试集。
这个过程旨在将原始的数据转换为我们算法能
够处理的数字矩阵，并将数据划分为训练集和测试集。
``` % 读取数据集 dataFolderPath =。
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 GUI人脸识别-身份验证系统
基于MATlab GUI人脸识别-身份验证系统摘要本文介绍了一种基于MATlab图形用户界面（GUI）的人脸识别-身份验证系统。
人脸识别技术已经在许多领域得到广泛应用，包括安全系统和访问控制。
本系统采用了主要的人脸识别算法，并结合了MATlab的GUI功能，使用户操作更加简单方便。
系统具有较高的识别准确性和较低的误识率，适用于各种身份验证场景。
介绍人脸识别是一种通过识别和验证人脸特征来确定个体身份的技术。
传统的人脸识别方法通常包括特征提取、特征匹配和决策三个步骤。
本系统中采用了常见的特征提取方法，包括局部二值模式（LBP）和主成分分析（PCA），以及特征匹配算法，如欧氏距离和支持向量机（SVM）。
MATlab的图形用户界面技术使得用户可以直观地进行系统配置和操作。
功能本系统具有以下主要功能：- 注册用户：用户可以通过系统界面将自己的人脸图像添加到数据库中，并关联一个唯一的身份标识。
- 识别测试：用户可以通过系统界面进行人脸识别测试。
系统将使用已注册用户的人脸图像与测试图像进行比对，并返回最相似的匹配结果及其对应的身份标识。
- 系统配置：用户可以根据需要进行系统配置，包括特征提取算法、特征匹配算法和阈值设置等。
系统优势相比于其他人脸识别系统，本系统具有以下优势：- 简便易用：采用MATlab的图形用户界面技术，用户可以通过简单的操作完成系统配置和测试。
- 较高的识别准确性：采用经典的人脸识别算法，系统具有较高的识别准确性和鉴别能力。
- 低误识率：结合了多种特征提取和匹配算法，并通过阈值设置实现了较低的误识率。
应用场景本系统适用于各种身份验证场景，包括但不限于以下领域：- 安全系统：可用于入侵检测、门禁控制等安全系统，提供更加安全可靠的身份验证功能。
- 人证核验：可用于身份证核验、护照核验等场景，提高人员身份证明的准确性和效率。
- 人脸支付：可用于移动支付、人脸识别支付等场景，提供便捷的身份验证方式。
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人脸识别
目录1 引言 (3)1.1 基本介绍与概念 (3)1.2 研发历史与发展现状 (3)1.3 研究背景与意义 (3)2 设计方案与分析 (4)2.1 YCbCr空间 (4)2.2 灰度图像转换 (4)2.3 噪声消除 (5)2.4 图像填孔 (9)2.5 图像重构 (9)2.6 人脸区域确定 (10)2.7 边缘检测 (12)3 程序与识别结果 (12)4 讨论 (17)5 结论 (17)致谢 (18)参考文献 (18)基于MATLAB的人脸初识别王宇轩（电子信息工程学系指导老师：翁亚滨）摘要：人脸识别是一门新兴的科研项目，起始于上个世纪60年代。
经过几十年的发展，现已成为一项最有上升潜力的人体特征识别技术。
具有广泛的应用前景，它的工作原理是借由的生物特征来确认生物个体，报告利用MATLAB软件实现人脸信息的检测与识别，在输入的整幅图像中寻找人脸区域，把图像分割成两个部分——人脸区域和非人脸区域，从而为后续的应用作准备。
报告利用YCbCr空间以及二值图像实现人脸边缘分割，将真彩图像转换为YCbCr图像，根据面部肌肤在YCbCr色度空间的分布范围，设定门限阀值，实现人脸区域与非人脸区域的分割，通过膨胀腐蚀等一系列运算剔除干扰因素，再结合长宽比、目标面积等计算方法在图像中分割出人脸区域，经试验，该方法能够排除面部表情、发型、衣着背景等干扰而确定人脸区域。
关键词：matlab程序; YCbCr空间; 灰度图像; 人脸区域; 边缘检测Abstract:Face recognition is a new research project , Begin in the 1960s,After decades of development,Now it becomes the most potential human characteristics identification technology.It has a broad prospect of application.Its working principle is to confirm individual organisms through the biological characteristics.The article uses the MATLAB software to achieve human facial information's detection and recognition,finding the human facial area in the inputed image,then devide the image into two parts,the face region and non-face region,to prepare for the subsequent application.This report uses YCbCr space and binary image to achieve human facial edge division and convert Truecolor pictures into YCbCr pictures.According to the face skin distribution in the YCbCr Chromaticity space,set threshold threshold to realize the segmentation of human face region and non-face region.Eliminate interference factors through dilation and corrosion operations,then Combine with the aspect ratio calculations and the calculation of the area to segment the face region in the image.Through the test,this method can eliminate facial expressions,hair,clothing background interference to fix the face region.Keywords:matlab; YCbCr space; gray image; face region; edge detection1 引言1.1 基本介绍与概念人脸识别就是构建一种人脸识别系统的技术，它的功能是对人脸进行定位，同时采集人脸图像，作出预处理，以确定人脸位置[1]。
《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研究的热点之一，其应用范围广泛，包括安全监控、身份认证、人机交互等。
MATLAB作为一种强大的数学计算软件，为研究人员提供了丰富的工具和函数，使得人脸识别算法的研究和实现变得更加便捷。
本文将介绍基于MATLAB的人脸识别算法的研究，包括算法原理、实现方法、实验结果及分析等方面。
二、人脸识别算法原理人脸识别算法主要基于计算机视觉和模式识别技术，通过对人脸特征进行提取和匹配，实现身份识别。
常见的人脸识别算法包括特征提取、特征匹配等步骤。
其中，特征提取是关键步骤，需要从人脸图像中提取出有效的特征，如纹理、形状、颜色等。
特征匹配则是将提取出的特征与人脸库中的特征进行比对，找出最匹配的人脸。
三、基于MATLAB的人脸识别算法实现1. 预处理在人脸识别算法的实现中，首先需要对人脸图像进行预处理，包括灰度化、归一化、降噪等操作。
这些操作可以有效地提高图像的质量，为后续的特征提取和匹配提供更好的基础。
2. 特征提取特征提取是人脸识别算法的核心步骤之一。
在MATLAB中，可以使用各种算法进行特征提取，如主成分分析（PCA）、局部二值模式（LBP）、方向梯度直方图（HOG）等。
本文采用PCA 算法进行特征提取，通过降维的方式将高维的人脸图像数据转化为低维的特征向量。
3. 特征匹配特征匹配是将提取出的特征与人脸库中的特征进行比对的过程。
在MATLAB中，可以使用各种相似度度量方法进行特征匹配，如欧氏距离、余弦相似度等。
本文采用欧氏距离作为相似度度量方法，通过计算特征向量之间的欧氏距离来找出最匹配的人脸。
四、实验结果及分析为了验证基于MATLAB的人脸识别算法的有效性，我们进行了多组实验。
实验数据集包括ORL人脸库、Yale人脸库等。
在实验中，我们使用了不同的特征提取和匹配方法，对算法的性能进行了评估。
实验结果表明，基于PCA算法的特征提取方法和欧氏距离相似度度量方法在人脸识别中具有较好的性能。
(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
目录摘要 (III)第1章绪论............................................................. - 1 - 1.1人脸识别技术的细节 . (1)1.2人脸识别技术的广泛应用 (1)1.3人脸识别技术的难点 (2)1.4国内外研究状况 (2)1.5人脸识别的研究内容 (3)1.5.1人脸识别研究内容............................................... - 3 -1.5.2人脸识别系统的组成............................................. - 4 - 第2章人脸识别方法..................................................... - 6 - 2.1基于特征脸的方法 (6)2.2基于神经网络的方法 (6)2.3弹性图匹配法 (7)2.4基于模板匹配的方法 (7)2.5基于人脸特征的方法 (7)第3章 PCA人脸识别方法................................................. - 9 - 3.1引言 (9)3.2主成分分析 (9)3.3特征脸方法 (11)第4章仿真实验........................................................ - 13 - 4.1流程图 (13)4.2仿真结果 (14)第5章总结与展望...................................................... - 15 - 5.1总结.. (15)5.2展望 (15)参考文献............................................................... - 17 - 附录................................................................... - 18 -摘要人脸识别是当前模式识别领域的一个前沿课题，人脸识别技术就是利用计算机技术，根据数据库的人脸图像，分析提取出有效的识别信息，用来“辨认”身份的技术。
基于matlab的人脸识别
本科生毕业论文（设计）题目基于MATLAB的人脸识别姓名学号院系专业自动化指导教师职称2015年5月15日曲阜师范大学教务处制目录摘要 (1)关键词 (1)Abstract (1)K e y w o r d s (1)1 绪论 (2)1.1 基本介绍与概念 (2)1.2 研发历史与发展现状 (3)1.3 研究背景与意义 (3)2 人脸检测 (4)2.1 检测的具体步骤 (4)2.1 YCbCr空间 (4)2.2 灰度图像转换 (4)2.3 噪声消除 (5)2.4 图像填孔 (5)2.5 图像重构 (5)2.6 边缘检测 (6)2.7 利用规则确定人脸 (6)3 人脸识别 (7)3.1 人脸识别的步骤 (7)3.2 K-L变换原理 (7)3.3 K-L变换 (7)3.4 图像特征脸基底的确立 (8)3.5 图像的识别 (9)4 MATLAB仿真功能的实现 (10)4.1 系统仿真综述 (10)4.2选择预存人脸数据库 (10)4.3 创建预存人脸向量库T (13)4.4 求特征脸空间 (14)4.5人脸识别 (15)4.6 人脸识别结果显示 (16)5 结果分析 (17)6 结论 (18)致谢 (19)参考文献 (19)附录： (20)基于MATLAB的人脸识别自动化专业学生指导老师摘要：人脸识别起始于上个世纪60年代，具有广泛的应用前景，它的工作原理是借由个体的生物特征来确认生物个体，文章利用MATLAB软件实现人脸信息的检测与识别，在输入的图像中寻找人脸区域，把图像分割成两个部分——人脸区域和非人脸区域，之后与设定的人脸库进行特征值比较，辨识出人脸代表的身份。
文章利用YCbCr空间以及二值图像实现人脸边缘分割，用霍特林变换（Kaehunen-Love Transform,K-L）以及主成分分析（Principal Component Analysis,PCA）算法对人脸进行识别对比，并详细介绍了K-L的推导过程，并在MATLAB上对PCA人脸识别算法进行仿真。
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。
基于某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');endend（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的人脸识别系统设计与仿真毕业设计
(此文档为word格式，下载后您可任意编辑修改！)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。
- 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)。
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。
与其他生物识别技术（如指纹识别，虹膜识别）相比，同样的具有唯一性和不容易被复制性，并且操作简单、结果直观，拥有良好的隐蔽优势。
因此，人脸识别技术在信息安全领域，刑事检测，访问控制，具有广阔的应用前景。
在1888年，高尔顿在“自然”杂志上表了第一篇关于利用人脸进行识别的文章，人脸识别在近年来的研究历史悠久，涌现出了很多新技术和新方法，每年都有大量的学术论文发表，也有很多成熟的人脸识别商业系统出现。
目前，非理想的成像条件（如照明和姿势）、对象不配、大规模人脸数据库上的人脸识别问题成为主要的研究方向。
而非线性建模方法、统计学习理论、基于Boosting的学习技术、基于3D模型的人脸识别建模与识别方法等逐渐成为备受重视的技术发展趋势。
现有的人脸识别系统在用户配合、采集条件较适合的情况下可以取得理想的效果。
但是，如果在用户不配合，采集条件不理想的情况下，如存在光照恶劣，有遮挡，图像分辨率低等情况，系统的识别率将骤然下降。
因此，要将人脸识别技术应用到实际中还存在着诸多挑战性的问题需要解决：1）在复杂的条件人脸检测和关键点定位。
2）光照变化和姿态。
3）表情问题4）遮挡问题5）年龄变化问题6）低质量的照片7）大规模人脸识别8）样本缺乏的问题- 1 -9）大量的数据10）人脸信息采集设备问题通常上述问题并不是单独作用，其中许多是自然组合的，如照明和表情问题同时出现，将进一步加大问题的难度。
人脸识别是一个跨学科的挑战性的课题，它是在涉及数字图像处理、计算机视觉、信号处理、模式识别、人工智能等多学科，发展迅速，取得了丰硕的研究成果，但仍有许多如图像背景复杂、有许多类似人脸的一部分的问题有待于深层次的研究。
在人脸识别中的困难在于，人脸是非刚体对象，并且同年龄的增长而变化，难以完全描述其特性；人脸可能有很多遮挡物，如胡须、眼镜等;环境光线强度和观察角度有变化;发展缓慢的人脸自动识别技术，已成为迫切需要解决的脸部识别技术的问题。
人脸识别原理如下图1-1所示：图1-1 人脸识别原理图人脸识别的一般过程如图1-2所示：图1-2人脸识别的一般过程输入图像的部分，是负责获取图像，并转换成一个可以处理的格式；预处- 2 -理部分为人脸图像的提取之后做尺度和灰度的归一化，使不同的图像在大小和亮度方面统一；特征提取部分按照相关提取算法从正规化后的图像中抽取图像的识别特征；人脸识别部分进行分类和鉴定之后得出结果。
1.2国内外研究现状人脸自动识别（automatic face recognition，AFR）的论文最早在1965年的Panoramic Research Inc.一份研究报告中出现，作者为Chan和Bledsoe，有超过40多年的历史。
近年来的研究已经非常发达，几乎所有知名的理工科大学和知名的IT产业公司都有从事人脸识别的研究小组。
下面将AFR的研究历史按照研究内容、技术方法等方面的特点大体划分为三个阶段，如表1-1所示。
表1-1AFR的研究历史[1]1Suppor Vector Machine,支持向量机；2美国国防部高级研究计划局（署）；3Face Recognition Technology Test，一个由美国国防部反毒品技术发展计划办公室资助的项目；4 Local Feature Analysis，局部特征分析；5一种采用多分类器级- 3 -联的分类器设计方法；6 一种有效的基于流形理论的非线性降维方法；7 Locally Linear Embedding，一种非线性降维方法；8 基于Fisher线形判别分析方法的技术，是一种经典的人脸识别方法；9Active Shape Model/ Active Appearance Model，主动形状模型/主动外观模型；10 Face Recognition Vendor Test，美工国防部有关部门进一步组织的针对人脸识别商业系统的评测[2]在国内，从20世纪90年代后期开始，许多研究机构的研究组开始研究，有代表性的研究性机构包括清华大学计算机科学系，哈尔滨工业大学中科院计算机科学研究所，中山大学等，取得了一系列的成果，很多不同的应用软件随之出现。