一种基于特征模型的人脸检测方法

徐庆;石跃祥

【期刊名称】《计算机工程与应用》

【年(卷),期】2008(044)014

【摘要】特征提取是基于特征的人脸检测的关键.提出了一种利用眼睛和鼻子的灰度特征和几何特征的人脸检测方法.选取眼睛和鼻子作为特征点,构造一个三角的特征模型.另外,此方法对候选特征图像采用逐步改变分块大小的方法进行搜索,得到独立的特征点,并利用人脸结构特点的先验知识建立模型的搜索策略.实验证明,此方法能迅速准确的从复杂背景中检测出人脸,而且对多人脸同样有效.

【总页数】3页(202-204)

【关键词】特征提取;特征模型;人脸检测

【作者】徐庆;石跃祥

【作者单位】湘潭大学,信息工程学院,湖南,湘潭,411105;湘潭大学,信息工程学院,湖南,湘潭,411105

【正文语种】中文

【中图分类】TP391

【相关文献】

1.一种基于脸部特征提取和验证的人脸检测方法 [J], 江波; 李峰; 施化吉

2.一种基于肤色分割和特征验证的人脸检测方法 [C], 韩永红

3.一种改进的基于特征和基于图像相结合的人脸检测 [J], 孙见青; 汪荣贵; 李守毅

4.一种基于特征提取和模板匹配的人脸检测算法 [J], 孔潇; 沈兰荪; 毋立芳

人脸识别中性别识别模型评价(项目实例)

人脸识别中性别识别模型评价（项目实例）以人脸识别中的性别识别测试为实例，对整个测试过程进行详细讲解。举例有一个项目，要求是输入一张人脸照片，使用算法对照片中人物的性别进行预测男或女。测试人员需要对算法模型的表现进行评价，输出客观的评价指标。测试工作开展：一、需求分析，查看需求文档，了解需求算法的输入和输出是什么的内容，格式。测试人员需要给出的评价指标。训练数据中男性照片和女性照片数据分别有多少，比例。照片数据是怎样的（是否有老人，小孩等）。算法是如何实现的。（整个模型预测流程；数据是如何处理；用的是什么算法）思考方向：算法工程师使用男女训练数据比例是否合理？照片数据中覆盖是否全面？二、测试数据准备（相当于编写测试用例）类比一个输入框的测试，需要测试汉字、字符、表情、数字、字母，组合等多种情况下的。这里也是类似。主要考虑： 1，需要什么样的测试数据 2，测试数据要多少思考什么情况下可能会影响到算法识别性别，准备这样的测试数据。

这里给出一些建议：男性照片和女性照片测试数据比例和训练数据中比例保持一致。照片数据中包括不同年龄段男女正常脸部拍摄的照片包括不同光线照明场景，尤其是弱光，光线不足，暗场景下的照片。包括不同姿势（偏头、仰头、侧面）场景照片。被物体（如眼镜、面膜、口罩、手等）遮挡场景照片。测试数据总数多少参考之前写的博客。本次项目测试主要考虑用户群体，用户场景下拍摄的照片。不使用网络照片。不使用国外人脸数据集。不考虑国外人群，像黑种人性别识别。进入性别识别前有人脸识别模型判断有没有人脸，多人脸判断等，所以不用考虑非人脸是否会识别出性别的问题。场景下不会有脸部区域很小的照片。此不考虑。笔者这里使用1100张女性照片，900张男性照片做为测试数据。测试数据的标注：如果是图片是本地.jpg格式的，在一个文件夹中新建2个子文件夹，一个命名man存放所有男性照片，一个命名为woman存在所有女性照片。如果图片是url，所有url保存在一个txt文档中，分为两列，第一列为url，第二列为对应标注1，2 三、测试脚本

人脸识别技术综述论文

本科生毕业论文（设计）题目人脸识别技术综述学院计算机学院专业计算机科学与技术学生姓名陶健学号 0643041077 年级 2006 指导教师周欣教务处制表二Ο年月日

人脸识别技术综述计算机科学与技术学生陶健老师周欣 [摘要]随着社会信息化，网络化得不断发展，个人身份趋于数字化，隐性化，如何准确的鉴定，确保信息安全得到越来越多的重视。人脸识别，一种应用比较广泛的生物识别方法，在基于人脸固有的生物特征信息，利用模式识别和图行图像处理技术来对个人身份进行鉴定，在国家安全，计算机交互，家庭娱乐等其他很多领域发挥着举足轻重的作用，能提高办事效率，防止社会犯罪等，有着重大的经济和社会意义。本文主要研究了人脸识别在图像检测识别方面的一些常用的方法。由于图像处理的好坏直接影响着定位和识别的准确率，因此本文对图像的一些识别算法做了着重的介绍，例如基于二维Gabor小波矩阵表征人脸的识别算法，基于模型匹配人脸识别算法等。此外，本文还提及了一般人脸识别系统的设计，并着重介绍了图像预处理环节的光线补偿，图像灰度化等技术，使图像预处理模块在图像处理过程中能取到良好的作用，提高图像识别和定位的准确率。 [主题词]：人脸识别；特征提取；图像预处理；光线补偿

Face Recognition Overview Computer Science Student：TAO Jian Adviser: ZHOU Xin [Abstract] With the information society, network was growing, personal identity tends to digital, hidden, how to accurately identify, to ensure that information security is more and more attention. Face recognition, an application of biometric identification methods more widely, based on biometric facial information inherent in the use of pattern recognition and image processing techniques to map line of personal identity ,play a great role in the national security, computer interaction, family entertainment and many other areas. Face recognition can improve efficiency, prevent social crime, of course it has significant economic and social significance. This paper studies aspects of face recognition in image detection and some common methods of identification. As the image processing directly impact on the accuracy of location and identification, so some of image recognition algorithm will be focused presentation, such as Gabor wavelet-based two-dimensional matrix representation of face recognition algorithms, model-based matching face recognition algorithm. In addition, the article also mentioned a general recognition system design, and highlights the image preprocessing part of the light compensation, gray image techniques, the image preprocessing module in the image processing to get to the good , and improve image recognition and positioning accuracy. [Key Words] Face recognition; feature extraction; image preprocessing; light compensation

人脸检测原理

前言关于opencv OpenCV 是 Intel 开源计算机视觉库(Computer Version) 。它由一系列 C 函数和少量 C++ 类构成，实现了图像处理和计算机视觉方面的很多通用算法。 OpenCV 拥有包括 300 多个 C 函数的跨平台的中、高层 API 。它不依赖于其它的外部库——尽管也可以使用某些外部库。 OpenCV 对非商业应用和商业应用都是免费的。同时 OpenCV 提供了对硬件的访问，可以直接访问摄像头，并且 opencv 还提供了一个简单的 GUI(graphics user interface) 系统 :highgui 。我们就通过 OpenCV 提供的一些方法来构造出这个人脸检测（face detection ）程序来。 opencv的python包装 OpenCV 本身是有 C/C++ 编写的，如果要在其他语言中使用，我们可以通过对其动态链接库文件进行包装即可，幸运的是， Python 下有很多个这样的包装，本文中使用的是 Cvtypes 。事实上，在 Python 中很多的包都是来自第三方的，比如 PIL(Python Image Library) 即为 C 语言实现的一个图形处理包，被包装到了 Python 中，这些包装可以让你像使用 Python 的内建函数一样的使用这些 API 。人脸检测原理人脸检测属于目标检测(object detection)的一部分，主要涉及两个方面 1.先对要检测的目标对象进行概率统计，从而知道待检测对象的一些特征，建立起目标检测模型。 2.用得到的模型来匹配输入的图像，如果有匹配则输出匹配的区域，否则什么也不做。计算机视觉计算机的视觉系统，跟人的眼睛是大不相同的，但是其中也有类似之处。人眼之能够看到物体，是通过物体上反射出来的光线刺激人眼的感光细胞，然后视觉神经在大脑中形成物体的像。计算机通过摄像头看到的东西要简单的多，简单来说，就是一堆由数字组成的矩阵。这些数字表明了物体发出的光的强弱，摄像头的光敏元件将光信号转化成数字信号，将其量化为矩阵。如何从这些数字中得出:"这是一个人脸"的结论，是一个比较复杂的事情。物理世界是彩色的，一般来说，计算机中的彩色图片都是由若干个色彩通道累积出来的，比如RGB模式的图片，有红色通道(Red)，绿色通道(Green)和蓝色通道(Blue),这三个通道都是灰度图，比如一个点由8位来表示，则一个通道可以表示2^8=256个灰度。那样三个通道进行叠加以后可以表3*8=24位种色彩，也就是我们常说的24位真彩。对这样的图片做处理，无疑是一件很复杂的事，所以有必要先将彩色图转为灰度图，那样可以减少数据量(比如RGB模式，可以减少到原图片的1/3)，同时可以去掉一些噪声信号。先将图片转化为灰度图，然后将这

人脸识别技术综述解读

人脸识别研究代上（河南大学环境与规划学院河南开封 475004）摘要：现今世界经济发展迅速，而面对繁杂的社会安全问题却显得有些捉襟见肘，人脸识别技术能够因通过面部特征信息识别身份而受到广泛关注。人脸识别通常使用采集含有人脸图像或视频流的设备，将收集到的人脸信息进行脸部检测,进而与数据库中已有信息进行对比确定被识别对象的身份,已经广泛的应用于公共安全、教育等多个方面，且在以后的社会发展中具有很大的应用前景。本文主要对人脸识别的发展历程、主要识别方法予以总结概括，并对其应用范围与发展趋势进行分析。关键词：人脸识别；方法；应用；发展 1引言人脸识别是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。该项技术目前应用到社会的各个领域，例如个人家庭自动门的安全系统、犯罪人的身份识别系统、银行自动取款的服务系统等。人脸识别系统给人带了很多方便，应用能力很强，但是人脸识别仍然有很多阻碍其发展的困难之处。主要表现在：在收集图像中目标自身的影响；在系统收集图像的过程中容易受到各种外界因素以及系统收集图像之后由于其它因素造成的面部损伤所带来的影响；随着时间的变迁，人的面部逐步发生变化的影响。这些都对人脸识别技术的发展造成了一定的困难，也使得该项技术面临着多种挑战性。 2 人脸识别研究的发展历史与研究现状 2.1发展历史很早在19世纪80年代就有关于通过人脸对人类的身份进行辨别的论文发表，但是由于技术水平与设备的限制，人脸识别技术并没有受到重视。直到20世纪60年代末，Blcdsoc[1]提出了人脸识别研究的雏形，人脸识别技术才被人们接受。在人脸识别研究的早期阶段，人们主要研究的是人脸识别的各种方法，但是在实际应用方面却没有得到实质性的进展。进入20世纪90年代末的时候，人脸识别技术进入了一个快速发展阶段，在这个时期各种新的人脸识别方法相继出现，并创建了人脸图像数据库，对人脸识别的发展起到了巨大的促进作用。在实际应用方面也取得了很大的进展，运用人脸识别技术的产品逐渐进入了社会市场。进入21世纪以后，人脸识别技术已经逐步发展成熟，但是由于非理想条件如（光照、天气、姿态）的影响，对人脸识别技术的要求也更高。为了解决这些不利因素所造成的影响，研究者们一直努力寻找更加趋于完美的方法，从而减少这些因素所带来的不利影响。 2.2研究现状近几年来，人脸识别技术已经从以前的认知阶段发展到了实际应用阶段。但是由于每个人的面部都会因为各种不同的原因发生改变，这给人脸识别带来了不小的影响。如光照不同

人脸检测系统课程设计

人脸检测系统课程设计专业：数字图像处理班级：110404 学生姓名：胡溥宇学号： 20111612

人脸检测系统课程设计一．课程设计目的（1）建立人的肤色模型；（2）标定人脸区域；二．课程设计背景随着科技的发展，传统的身份鉴定方法，如身份证和信用卡，开始让人们感到不便。其携带不便，易丢失，甚至有时可能会忘记了必须的密码，以及密码被识破等等，这些问题到会给人带来困扰和麻烦。人们需要一种新的可靠的身份鉴别，一种不可能遗失而且具有其特性的身份证明。这就是人脸、指纹、虹膜、声音等等的生物特征。由于人脸特征是一种更直接、更方便的识别方式，近年来以人脸为特征的识别技术迅速地发展起来。目前，越来越多的学者研究人脸识别这一课题，人脸检测技术受到了学术界和工业界越来越多的关注。人脸识别是一种特定内容的模式识别问题。从广义上来说，人脸识别有两个主要的过程：人脸检测和人脸分类。人脸检测主要研究的是：在一幅图像上，检测出有无人脸存在。如果存在人脸，则判断出人类的位置和大小。简单地说，就是对一幅图像进行检测，并将其划分为存在人脸的区域和不存在人脸的区域。人脸分类是在人脸检测的基础上进一步分析获得的人脸区域，对其进行识别分类。因此，人脸分类主要研究的是：对获得的人脸区域进行比较判别，区分它们脸型、表情、性别、种族和身份等等。因此，在整个人脸自动识别系统中，人脸检测是第一步，也是极其重要的一步。人脸检测技术有着十分重要的作用，为后续步骤——人脸分类提供了识别人脸的具体详细的有用信息。人脸自动识别系统不仅能够作为人们身份鉴证，而且它能运用在学多不同的地方，如用于视频电话、监视与监控等场合的人脸实时检测跟踪。在国内，八十年代末和九十年代初，人脸检测问题开始吸引了越来越多的研究者的关注，又越来越多感兴趣的研究人员进行探索，取得了一些有意义的研究成果。早期的人脸检测集中对空间域上静止图像的人脸检测为研究。中期开始采用模板的方法，通过建立人脸模型，可以实现在视频图像序列中进行人脸检测。而近期，许多研究人员采用的研究方法各自不同，有采用建立复杂模型的，有从空间域上进行研究的，有在频域上进行研究的，有将一些技术结合在一起研究的，有应用最新的分类决策进行研究的。不论采用和种研究方法，将多种技术结合在一起，利用多种信息可以提高人脸检测方法的效率。国内的研究单位主要是清华大学、哈尔滨工业大学、北京工业大学、中科院计算机所、中科院自动化所、复旦大学、南京理工大学等等，获得了一定的成果。清华大学研究人员提出了基于彩色和特征的自适应人脸检测的方法，还提出了一种基于多模板匹配的单人脸检测的方案。哈尔滨工

【CN109961021A】一种深度图像中人脸检测方法【专利】

(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 (43)申请公布日 (21)申请号 201910164890.2 (22)申请日 2019.03.05 (71)申请人北京超维度计算科技有限公司地址 100142 北京市海淀区西四环北路160 号9层一区907 (72)发明人马宁　徐杰　张颢　向志宏　杨延辉　 (74)专利代理机构北京亿腾知识产权代理事务所(普通合伙) 11309 代理人陈霁 (51)Int.Cl. G06K 9/00(2006.01) (54)发明名称一种深度图像中人脸检测方法(57)摘要本发明涉及一种深度图像中人脸检测方法，包括以下步骤：找出深度图像中所有有效深度值的局部最小值点；计算局部最小值点的曲率，去除曲率超出范围的点；如果此时还有剩余的局部最小值点，则在纵向剖线上用深度阈值切割出人脸廓线，去除纵向人脸廓线长度不符合真实人脸尺寸的局部极小值点；如果还有剩余的局部最小值点，则计算鼻子的深度值和纵向剖线上鼻子廓线占人脸廓线长度的比值，排除鼻子的深度值或比值超出一定范围的局部最小值点；如果还有剩余的局部最小值点，则通过深度阈值切割出可能存在的人脸，并排除切割区域尺寸小于实际人脸尺寸的局部最小值点；如果此时还有剩余的局部最小值点，则认为图像中有人脸，否则认为图像中没有人脸。权利要求书2页说明书3页附图1页CN 109961021 A 2019.07.02 C N 109961021 A

权　利　要　求　书1/2页CN 109961021 A 1.一种深度图像中人脸检测方法，其特征在于，包括以下步骤：找出深度图像中所有有效深度值的局部最小值点；计算局部最小值点的曲率，去除曲率超出范围的点；如果此时没有剩余的局部最小值点，则可以判断这一张深度图像中没有人脸；如果还有剩余的局部最小值点，则在纵向剖线上用深度阈值切割出可能的人脸廓线，去除纵向人脸廓线长度不符合真实人脸尺寸的局部极小值点；如果此时没有剩余的局部最小值点，则可以判断这一张深度图像中没有人脸；如果还有剩余的局部最小值点，则计算鼻子的深度值和纵向剖线上鼻子廓线占人脸廓线长度的比值，排除鼻子的深度值或比值超出一定范围的局部最小值点；如果此时没有剩余的局部最小值点，则可以判断这一张深度图像中没有人脸；如果还有剩余的局部最小值点，则通过深度阈值切割出可能存在的人脸区域，并排除切割区域尺寸小于实际人脸尺寸的局部最小值点；如果此时还有剩余的局部最小值点，则认为图像中有人脸，输出图像中所有的人脸区域位置，否则认为图像中没有人脸。 2.根据权利要求1所述的方法，其特征在于，所述找出深度图像中所有有效深度值的局部最小值点步骤，包括：对深度相机输出的深度图像，找出深度图像中所有在局部窗口中有效深度值最小的像素点的位置，如果邻接的多个像素都为局部最小值点，则只取这几个邻接像素的中心位置为局部最小值位置。 3.根据权利要求1所述的方法，其特征在于，所述计算局部最小值点的曲率，去除曲率超出范围的点步骤，包括：对得到的每个局部极小值点，在一定邻域范围内计算有效深度值梯度幅度的平均值，此梯度幅度平均值反映了物体表面的曲率，通过人鼻尖表面曲率的范围，可以排除一些不是鼻尖的局部最小值点。 4.根据权利要求1所述的方法，其特征在于，所述在纵向剖线上用深度阈值切割出可能的人脸廓线，去除纵向人脸廓线长度不符合真实人脸尺寸的局部极小值点步骤，包括：对于剩余的每个局部最小值点，找出深度图像中该位置的纵向廓线，由局部最小值点的深度和位置信息可以估计出该距离下真实人脸在纵向廓线上的最大范围，该范围作为人脸可能存在的范围，在该范围内，用该局部最小值点的深度值加上一个深度差值，作为深度切割的阈值，用该阈值切割出可能存在的人脸纵向廓线，并计算可能的人脸廓线的长度，由局部最小值点的深度可以估计出该距离下真实人脸廓线的长度，通过对比可以去除一些纵向剖线不符合真实人脸尺寸的局部最小值点。 5.根据权利要求1所述的方法，其特征在于，所述计算纵向剖线上鼻子廓线占人脸廓线长度的比值，排除比值超出一定范围的局部最小值点步骤，包括：根据符合真实人脸尺寸的每个局部极小值点，计算其在人脸廓线上的梯度，如果梯度值不大于0，则继续计算其在人脸廓线上的上一个像素点的梯度；当梯度值大于0时，此时的像素点位置即为鼻子廓线的上边缘位置；所述像素点位置的深度值与对应的局部最小值点位置的深度差值即为鼻子的高度；所述像素点位置与对应的局部最小值点位置的差值即为鼻子廓线的长度； 2

基于matlab的人脸识别算法(PCA)

3.基于matlab的人脸识别算法 3.1 问题描述对于一幅图像可以看作一个由像素值组成的矩阵，也可以扩展开，看成一个矢量，如一幅 N*N 象素的图像可以视为长度为N2 的矢量，这样就认为这幅图像是位于N2 维空间中的一个点，这种图像的矢量表示就是原始的图像空间，但是这个空间仅是可以表示或者检测图像的许多个空间中的一个。不管子空间的具体形式如何，这种方法用于图像识别的基本思想都是一样的，首先选择一个合适的子空间，图像将被投影到这个子空间上，然后利用对图像的这种投影间的某种度量来确定图像间的相似度，最常见的就是各种距离度量。因此，本次试题采用PCA算法并利用GUI实现。对同一个体进行多项观察时，必定涉及多个随机变量X1，X2，…，Xp，它们都是的相关性, 一时难以综合。这时就需要借助主成分分析来概括诸多信息的主要方面。我们希望有一个或几个较好的综合指标来概括信息，而且希望综合指标互相独立地各代表某一方面的性质。任何一个度量指标的好坏除了可靠、真实之外，还必须能充分反映个体间的变异。如果有一项指标，不同个体的取值都大同小异，那么该指标不能用来区分不同的个体。由这一点来看，一项指标在个体间的变异越大越好。因此我们把“变异大”作为“好”的标准来寻求综合指标。3.1.1 主成分的一般定义设有随机变量X1，X2，…，Xp，其样本均数记为，，…，，样本标准差记为S1，S2，…，Sp。首先作标准化变换，我们有如下的定义： (1) 若C1=a11x1+a12x2+ … +a1pxp，…，且使 Var(C1)最大，则称C1为第一主成分； (2) 若C2=a21x1+a22x2+…+a2pxp，…，(a21，a22，…，a2p)垂直于(a11，a12，…，a1p)，且使Var(C2)最大，则称C2为第二主成分； (3) 类似地，可有第三、四、五…主成分，至多有p个。 3.1.2 主成分的性质主成分C1，C2，…，Cp具有如下几个性质：（1) 主成分间互不相关，即对任意i和j，Ci 和Cj的相关系数 Corr(Ci，Cj)=0 i j (2) 组合系数(ai1，ai2，…，aip)构成的向量为单位向量， (3) 各主成分的方差是依次递减的，即 Var(C1)≥Var(C2)≥…≥Var(Cp)

人脸识别文献综述

文献综述 1 引言在计算机视觉和模式识别领域，人脸识别技术（Face Recognition Technology，简称FRT）是极具挑战性的课题之一。近年来，随着相关技术的飞速发展和实际需求的日益增长，它已逐渐引起越来越多研究人员的关注。人脸识别在许多领域有实际的和潜在的应用，在诸如证件检验、银行系统、军队安全、安全检查等方面都有相当广阔的应用前景。人脸识别技术用于司法领域，作为辅助手段，进行身份验证，罪犯识别等;用于商业领域，如银行信用卡的身份识别、安全识别系统等等。正是由于人脸识别有着广阔的应用前景，它才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。虽然人类能够毫不费力的识别出人脸及其表情，但是人脸的机器自动识别仍然是一个高难度的课题。它牵涉到模式识别、图像处理及生理、心理等方面的诸多知识。与指纹、视网膜、虹膜、基因、声音等其他人体生物特征识别系统相比，人脸识别系统更加友好、直接，使用者也没有心理障碍。并且通过人脸的表情/姿态分析，还能获得其他识别系统难以获得的一些信息。自动人脸识别可以表述为：对给定场景的静态或视频序列图像，利用人脸数据库验证、比对或指认校验场景中存在的人像，同时可以利用其他的间接信息，比如人种、年龄、性别、面部表情、语音等，以减小搜索范围提高识别效率。自上世纪90年代以来，人脸识别研究得到了长足发展，国内外许多知名的理工大学及TT公司都成立了专门的人脸识别研究组，相关的研究综述见文献[1-3]。本文对近年来自动人脸识别研究进行了综述，分别从人脸识别涉及的理论，人脸检测与定位相关算法及人脸识别核心算法等方面进行了分类整理，并对具有典型意义的方法进行了较为详尽的分析对比。此外，本文还分析介绍了当前人脸识别的优势与困难。 2 人脸识别相关理论图像是人们出生以来体验最丰富最重要的部分，图像可以以各种各样的形式出现，我们只有意识到不同种类图像的区别，才能更好的理解图像。要建立一套完整的人脸识别系统(Face Recognetion System，简称FRS)，必然要综合运用以下几大学科领域的知识： 2.1 数字图像处理技术数字图像处理又称为计算机图像处理，它是指将图像信号转换成数字信号并利用计算机

人脸检测和识别技术的文献综述

人脸识别技术综述摘要：在阅读关于人脸检测识别技术方面文献后，本文主要讨论了人脸识别技术的基本介绍、研究历史,人脸检测和人脸识别的主要研究方法，人脸识别技术的应用前景，并且总结了人脸识别技术的优越性和当下研究存在的困难。关键词：人脸识别;人脸检测；几何特征方法;模板匹配方法;神经网络方法;统计方法;模板匹配;基于外观方法; 随着社会的发展，信息化程度的不断提高，人们对身份鉴别的准确性和实用性提出了更高的要求，传统的身份识别方式已经不能满足这些要求。人脸识别技术(FRT)是当今模式识别和人工智能领域的一个重要研究方向.虽然人脸识别的研究已有很长的历史,各种人脸识别的技术也很多,但由于人脸属于复杂模式而且容易受表情、肤色和衣着的影响,目前还没有一种人脸识别技术是公认快速有效的[1]基于生物特征的身份认证技术是一项新兴的安全技术，也是本世纪最有发展潜力的技术之一[2]。 1. 人脸识别技术基本介绍人脸识别技术是基于人的脸部特征，一个完整的人脸识别过程一般包括人脸检测和人脸识别两大部分，人脸检测是指计算机在包含有人脸的图像中检测出人脸，并给出人脸所在区域的位置和大小等信息的过程[3]，人脸识别就是将待识别的人脸与已知人脸进行比较，得

出相似程度的相关信息。计算机人脸识别技术也就是利用计算机分析人脸图象, 进而从中出有效的识别信息, 用来“辨认”身份的一门技术.人脸自动识别系统包括三个主要技术环节[4]。首先是图像预处理，由于实际成像系统多少存在不完善的地方以及外界光照条件等因素的影响，在一定程度上增加了图像的噪声，使图像变得模糊、对比度低、区域灰度不平衡等。为了提高图像的质量，保证提取特征的有有效性，进而提高识别系统的识别率，在提取特征之前，有必要对图像进行预处理操作；人脸的检测和定位，即从输入图像中找出人脸及人脸所在的位置，并将人脸从背景中分割出来，对库中所有的人脸图像大小和各器官的位置归一化；最后是对归一化的人脸图像应用人脸识别技术进行特征提取与识别。 2. 人脸识别技术的研究历史国内关于人脸自动识别的研究始于二十世纪80年代，由于人脸识别系统和视频解码的大量运用，人脸检测的研究才得到了新的发展利用运动、颜色和综合信息等更具有鲁棒性的方法被提出来变形模板，弹性曲线等在特征提取方面的许多进展使得人脸特征的定位变得更为准确。人脸识别的研究大致可分为四个阶段。第一个阶段以Bertillon，Allen和Parke为代表，主要研究人脸识别所需要的面部特征；第二个阶段是人机交互识别阶段；第三个阶段是真正的机器自动识别阶段；第四个阶段是鲁棒的人脸识别技术的研究阶段。目前，国外多所

人脸识别主要算法原理

人脸识别主要算法原理主流的人脸识别技术基本上可以归结为三类，即：基于几何特征的方法、基于模板的方法和基于模型的方法。 1. 基于几何特征的方法是最早、最传统的方法，通常需要和其他算法结合才能有比较好的效果； 2. 基于模板的方法可以分为基于相关匹配的方法、特征脸方法、线性判别分析方法、奇异值分解方法、神经网络方法、动态连接匹配方法等。 3. 基于模型的方法则有基于隐马尔柯夫模型，主动形状模型和主动外观模型的方法等。 1. 基于几何特征的方法人脸由眼睛、鼻子、嘴巴、下巴等部件构成，正因为这些部件的形状、大小和结构上的各种差异才使得世界上每个人脸千差万别，因此对这些部件的形状和结构关系的几何描述，可以做为人脸识别的重要特征。几何特征最早是用于人脸侧面轮廓的描述与识别，首先根据侧面轮廓曲线确定若干显著点，并由这些显著点导出一组用于识别的特征度量如距离、角度等。Jia 等由正面灰度图中线附近的积分投影模拟侧面轮廓图是一种很有新意的方法。采用几何特征进行正面人脸识别一般是通过提取人眼、口、鼻等重要特征点的位置和眼睛等重要器官的几何形状作为分类特征,但Roder对几何特征提取的精确性进行了实验性的研究，结果不容乐观。

可变形模板法可以视为几何特征方法的一种改进，其基本思想是: 设计一个参数可调的器官模型(即可变形模板),定义一个能量函数，通过调整模型参数使能量函数最小化，此时的模型参数即做为该器官的几何特征。这种方法思想很好，但是存在两个问题，一是能量函数中各种代价的加权系数只能由经验确定，难以推广，二是能量函数优化过程十分耗时，难以实际应用。基于参数的人脸表示可以实现对人脸显著特征的一个高效描述，但它需要大量的前处理和精细的参数选择。同时，采用一般几何特征只描述了部件的基本形状与结构关系，忽略了局部细微特征，造成部分信息的丢失，更适合于做粗分类，而且目前已有的特征点检测技术在精确率上还远不能满足要求，计算量也较大。 2. 局部特征分析方法（Local Face Analysis）主元子空间的表示是紧凑的，特征维数大大降低，但它是非局部化的，其核函数的支集扩展在整个坐标空间中，同时它是非拓扑的，某个轴投影后临近的点与原图像空间中点的临近性没有任何关系，而局部性和拓扑性对模式分析和分割是理想的特性，似乎这更符合神经信息处理的机制，因此寻找具有这种特性的表达十分重要。基于这种考虑，Atick提出基于局部特征的人脸特征提取与识别方法。这种方法在实际应用取得了很好的效果，它构成了FaceIt人脸识别软件的基础。 3. 特征脸方法（Eigenface或PCA）

基于matlab人脸识别技术开题报告

毕业设计（论文）开题报告毕业设计（论文）课题情况，根据所查阅的文献资料，每人撰写2500字以上的文献综述，文后应列出所查阅的文献资料。基于matlab人脸识别技术的实现文献综述一、MATLAB概述 MATLAB是矩阵实验室（Matrix Laboratory）的简称，是美国MathWorks公司出品的商业数学软件，用于算法开发、数据可视化、数据分析以及数值计算的高级技术计算语言和交互式环境，主要包括MATLAB和Simulink两大部分。MATLAB主要面对科学计算、可视化以及交互式程序设计的高科技计算环境。它将数值分析、矩阵计算、科学数据可视化以及非线性动态系统的建模和仿真等诸多强大功能集成在一个易于使用的视窗环境中，为科学研究、工程设计以及必须进行有效数值计算的众多科学领域提供了一种全面的解决方案，并在很大程度上摆脱了传统非交互式程序设计语言（如C、Fortran）的编辑模式，代表了当今国际科学计算软件的先进水平。应用于工程计算、控制设计、信号处理与通讯、图像处理、信号检测、金融建模设计与分析等领域。而在本文中主要用到的功能是图像处理功能。二、BP神经网络概述人工神经网络（Artificial Neural Net works，简写为ANNs）也简称为神经网络（NNs）或称作连接模型（Connectionist Model），它是一种模范动物神经网络行为特征，进行分布式并行信息处理的算法数学模型。这种网络依靠系统的复杂程度，通过调整内部大量节点之间相互连接的关系，从而达到处理信息的目的。人工神经网络发展的主要历程有:20世纪50年代末,Rosenblatt提出的感知器模型和Widrow提出的自适应线性元件,出现了简单的线性分类器;1986年,Rumelhart和Mcllelland 提出了层网络“误差反向传播算法(BP)”,使有导师学习多层感知器网络(ML PN)模式分类器走向实用化,在此基础上又派生出若干前向网络,如径向基函数网络( RBFN)和函数链网络等;1982年,美国加州工学院的物理学家Hopfield提出的一种用于联想记忆和优化计算的反馈网络模型,由于引进了“能量函数” 的概念,使网络走向具体电路有了保证;20世纪70年代,Watanabe 提出了使用模式子空间的概念来设计不同类别对应的子空间,由不同类别聚类的子空间实现模式识别; Kohonen提出的自组织特征映射网络模型等都为神经网络模式识别理论提供了进一步的根据。构成人工神经网络的三个基本要素是:神经元、络拓扑结构和网络的训练(学习)方法。神经元(节点)的作用是把若干输入加权求和,并对这种加权和进行非线性处理后输出。神经元的选择一般有以下特点:每个神经元都具有多个输入、个输出,具有闭值,采用非线性函数。 1、神经元

人脸识别

人脸识别技术的应用背景及研究现状 1．人脸识别技术的应用随着社会的不断进步以及各方面对于快速有效的自动身份验证的迫切要求，生物特征识别技术在近几十年中得到了飞速的发展。作为人的一种内在属性，并且具有很强的自身稳定性及个体差异性，生物特征成为了自动身份验证的最理想依据。当前的生物特征识别技术主要包括有：指纹识别，视网膜识别，虹膜识别，步态识别，静脉识别，人脸识别等。与其他识别方法相比，人脸识别由于具有直接，友好，方便的特点，使用者无任何心理障碍，易于为用户所接受，从而得到了广泛的研究与应用。除此之外，我们还能够对人脸识别的结果作进一步的分析，得到有关人的性别，表情，年龄等诸多额外的丰富信息，扩展了人脸识别的应用前景。当前的人脸识别技术主要被应用到了以下几个方面：（1）刑侦破案公安部门在档案系统里存储有嫌疑犯的照片，当作案现场或通过其他途径获得某一嫌疑犯的照片或其面部特征的描述之后，可以从数据库中迅速查找确认，大大提高了刑侦破案的准确性和效率。（2）证件验证在许多场合（如海口，机场，机密部门等）证件验证是检验某人身份的一种常用手段，而身份证，驾驶证等很多其他证件上都有照片，使用人脸识别技术，就可以由机器完成验证识别工作，从而实现自动化智能管理。（3）视频监控在许多银行，公司，公共场所等处都设有24小时的视频监控。当有异常情况或有陌生人闯入时，需要实时跟踪，监控，识别和报警等。这需要对采集到的图像进行具体分析，且要用到人脸的检测，跟踪和识别技术。（4）入口控制入口控制的范围很广，既包括了在楼宇，住宅等入口处的安全检查，也包括了在进入计算机系统或情报系统前的身份验证。（5）表情分析根据人脸图像中的面部变化特征，识别和分析人的情感状态，如高兴，生气等。此外，人脸识别技术还在医学，档案管理，人脸动画，人脸建模，视频会议等方面也有着巨大的应用前景。 2．人脸识别技术在国外的研究现状当前很多国家展开了有关人脸识别的研究，主要有美国，欧洲国家，日本等，著名的研究机构有美国MIT的Media lab,AI lab,CMU的Human-Computer Interface Institute，Microsoft Research,英国的Department of Engineering in University of Cambridge等。（1）模板匹配主要有两种方法，固定模板和变形模板。固定模板的方法是首先设计一个或几个参考模板，然后计算测试样本与参考模板之间的某种度量，以是否大于阈值来判断测试样本是否人脸。这种方法比较简单，在早期的系统中采用得比较多。但是由于人脸特征的变化很大，很难得到有效的模板来表示人脸的共性。变形模板在原理上与固定模板相同，但其中包含一些非固定的元素，一种方法是手工构造参数化的曲线和曲面以表征人脸中的某些非固定特征，如眼睛，鼻子和嘴唇等。另一种方法是系统自动生成自适应的曲线或曲面，以构成变形人脸模板。检测方

基于MATLAB的人脸识别

基于ＭATＬAB的人脸识别

————————————————————————————————作者: ————————————————————————————————日期:

图像识别题目:基于MＡTＬAB的人脸识别院系:计算机科学与应用系班级: 姓名：学号：日期：

设计题目基于MAＴLAＢ的人脸识别设计技术参数测试数据库图片10张训练数据库图片20张图片大小１02４×7６8 特征向量提取阈值 1 设计要求综合运用本课程的理论知识,并利用MAＴＬAB作为工具实现对人脸图片的预处理,运用ＰCA算法进行人脸特征提取，进而进行人脸匹配识别。工作量两周的课程设计时间，完成一份课程设计报告书，包括设计的任务书、基本原理、设计思路与设计的基本思想、设计体会以及相关的程序代码；熟练掌握Maｔlab的使用。工作计划第1-2天按要求查阅相关资料文献,确定人脸识别的总体设计思路；第３-4天分析设计题目，理解人脸识别的原理同时寻求相关的实现算法；第５-８天编写程序代码，创建图片数据库,运用ＰCＡ算法进行特征提取并编写特征脸，上机进行调试；第9-12天编写人脸识别程序,实现总体功能；第13-1４天整理思路,书写课程设计报告书。参考资料1 黄文梅，熊佳林,杨勇编著．信号分析与处理——MATAＬB语言及应用.国防科技大学出版社，2000 2 钱同惠编著.数字信号处理.北京:机械工业出版社，２004 3 姚天任,江太辉编著.数字信号处理．第2版.武汉:武汉理工大学出版社,200０ 4 谢平，林洪彬，王娜.信号处理原理及应用．机械工业出版社，２00４ 5刘敏，魏玲.Mａｔｌａb.通信仿真与应用.国防工业出版社，20０5 6 楼顺天.基于Ｍatlab7．x 的系统分析与设计.西安电子科技大学,200２ 7孙洪.数字信号处理.电子工业出版社，２001 目录引言?错误!未定义书签。 1 人脸识别技术?错误!未定义书签。 1.1人脸识别的研究内容?错误!未定义书签。 1.1.1人脸检测(Faｃe Dｅｔection）........... 错误!未定义书签。

人脸识别技术的应用背景及研究现状图文稿

人脸识别技术的应用背景及研究现状文件管理序列号：[K8UY-K9IO69-O6M243-OL889-F88688]

（3）视频监控在许多银行，公司，公共场所等处都设有24小时的视频监控。当有异常情况或有陌生人闯入时，需要实时跟踪，监控，识别和报警等。这需要对采集到的图像进行具体分析，且要用到人脸的检测，跟踪和识别技术。（4）入口控制入口控制的范围很广，既包括了在楼宇，住宅等入口处的安全检查，也包括了在进入计算机系统或情报系统前的身份验证。（5）表情分析根据人脸图像中的面部变化特征，识别和分析人的情感状态，如高兴，生气等。此外，人脸识别技术还在医学，档案管理，人脸动画，人脸建模，视频会议等方面也有着巨大的应用前景。 2．人脸识别技术在国外的研究现状当前很多国家展开了有关人脸识别的研究，主要有美国，欧洲国家，日本等，着名的研究机构有美国MIT的Media lab,AI lab,CMU的Human-Compute r Interface Institute，Microsoft Research,英国的Department of Engine ering in University of Cambridge等。综合有关文献，目前的方法主要集中在以下几个方面：（1）模板匹配主要有两种方法，固定模板和变形模板。固定模板的方法是首先设计一个或几个参考模板，然后计算测试样本与参考模板之间的某种度量，以是否大于阈值来判断测试样本是否人脸。这种方法比较简单，在早期的系统中采用得比较多。但是由于人脸特征的变化很大，很难得到有效的模板来表示人脸的共性。变形模板在原理上与固定模板相同，但其中包含一些非固定的元素，一种方法是手工构造参数化的曲线和曲面以表征人脸中的某些非固定特征，如眼

人脸识别论文(基于特征脸)陈立

人脸识别论文（基于特征脸）学生姓名：陈立学号： 20107977 专业年级： 10级计算机科学与技术一班

摘要生物特征识别技术使用了人体本身所固有的生物特征，与传统的身份识别方法完全不同，具有更高的安全性、可靠性、和有效性，越来越受到人们的重视。人脸识别技术作为生物特征识别技术的重要组成部分，在近三十年里得到了广泛的关注和研究，已经成为计算机视觉、模式识别领域的研究热点。人脸识别在公共安全、证件验证、门禁系统、视频监视等领域中都有着广泛的应用前景。本文是在人脸数据库的基础上做人脸特征提取和识别研究，主要内容如下：（1）对人脸识别研究的内容、相关技术、主要实现方法及发展历程作了详细介绍。（2）介绍主成分分析法(PCA)、K-L变换，并利用特征脸方法实现了人脸识别。（3）给出了基于matlab环境的编程及实验结果，并对结果进行分析。关键词：人脸识别，特征脸，K-L变换，主成分分析

第一章人脸识别概述 1.1 生物特征识别技术生物特征识别技术是通过计算机利用人体所固有的生理特征或行为特征来进行个人身份鉴定。生理特征与生俱来多为先天性的;行为特征则是习惯使然，多是后天性的。我们将生理和行为特征统称为生物特征。常用的生物特征包括:指纹、掌纹、虹膜、视网膜、脸像、声音、笔迹等。那么，生物特征识别技术是如何进行个人特征识别的呢? 生物鉴别的过程分成三个步骤:生物特征数据采样，生物特征提取和特征匹配。数据采样过程是通过各种传感器对生物特征进行原始数据采集的过程，生物特征提取过程则从传感器采集的数据中抽取出反映个体特性的信息(通常是某种数学上的编码过程)，匹配阶段则是计算生物特征之间的相似性并进行排序和一致性判断的过程。生物特征识别技术主要有人脸识别、指纹识别、语音识别、虹膜识别等。生物识别技术在上个世纪己经有了一定的发展，其中指纹识别技术己经趋近成熟，但人脸识别技术的研究目前还处于起步阶段。指纹、虹膜、掌纹等识别技术都需要被识别者的配合，有的识别技术还需要添置复杂昂贵的设备。人脸识别则可以用已有的照片或是摄像头远距离捕捉图像，无须特殊的采集设备，系统的成本低。并且自动人脸识别可以在当事人毫无察觉的情况下即完成身份确认识别工作，这对反恐怖活动等有非常重大的意义。由于人脸识别技术具有如此之多的优势，因此它的应用前景非常广阔，已成为最具潜力的生物特征识别技术之一。 1.2 人脸识别技术所谓人脸识别，是指对输入的人脸图像或者视频，判断其中是否存在人脸，如果存在人脸，则进一步给出每张人脸的位置、大小和各个面部主要器官的位置信息，并且依据这些信息，进一步提取每张人脸蕴含的身份特征，并将其与已知人脸库中的人脸进行对比，从而识别每张人脸的身份。其研究内容包括以下五个方面：