认证杯网络数学建模

数学建模网络挑战赛

承诺书

我们仔细阅读了第十届“认证杯”数学中国数学建模网络挑战赛的竞赛规则。

我们完全明白，在竞赛开始后参赛队员不能以任何方式（包括电话、电子邮件、网上咨询等）与队外的任何人（包括指导教师）研究、讨论与赛题有关的问题。

我们知道，抄袭别人的成果是违反竞赛规则的, 如果引用别人的成果或其他公开的资料（包括网上查到的资料），必须按照规定的参考文献的表述方式在正文引用处和参考文献中明确列出。

我们郑重承诺，严格遵守竞赛规则，以保证竞赛的公正、公平性。如有违反竞赛规则的行为，我们接受相应处理结果。

我们允许数学中国网站()公布论文，以供网友之间学习交流，数学中国网站以非商业目的的论文交流不需要提前取得我们的同意。

我们的参赛队号为：

参赛队员(签名) ：

队员1：

队员2：

队员3：

参赛队教练员(签名)：

参赛队伍组别（例如本科组）：本科组

数学建模网络挑战赛

编号专用页

参赛队伍的参赛队号：（请各个参赛队提前填写好）：竞赛统一编号（由竞赛组委会送至评委团前编号）：

竞赛评阅编号（由竞赛评委团评阅前进行编号）：

2017年第十届“认证杯”数学中国

数学建模网络挑战赛第一阶段论文

题目人脸对比识别

关键词灰度值；人脸矩阵；向量特征值；余弦相似值

摘要：

21世纪网络信息化时代的一大特征就是身份的数字化和隐蔽化。考虑到现代社会人们对身份识别的安全性、准确性和实用性提出了更高的要求，传统身份识别方法已经不能很好的满足人们的需求，因而生物特征识别技术应运而生。生理特征和行为特征来进行身份识别或个体验证是生物特征识别技术的首要考虑对象。人脸识别便是基于生物特征识别技术的身份认证中最主要的方法之一。与其他身份识别方法相比,人脸识别具有直接、友好和方便等特点。

本文，我们建立了灰度值矩阵量化模型，该模型实现人脸识别过程总共分为三个阶段，第一阶段，把两张照片人脸进行网格化，然后在相对应的网格中对人脸相应部位的灰度值进行量化并标记，从而得到两个有限的人脸灰度值矩阵，实现人脸数字的全覆盖。第二阶段，在第一阶段所得的两个人脸灰度矩阵中，寻找两个灰度值矩阵中的向量特征值，通过对比向量特征值，计算出余弦相似值。第三阶段，通过分析的余弦相似值，并将其作为量化一个人脸相似值的指标，从而给出相应的预估因数，预估因数作为可信度，得出两张脸的相似程度。最后，如果该预估因数大于预先给出的某一确信数值，便可以给出两站照片是否为同一张脸的结论。

参赛队号: Array所选题目: B1 题

英文摘要（选填）

The feature of the Internet is the identity digital and elusive in 21 century. Because the people request the security, veracity and practicability of the identity recognition. And the traditional way of the personal identity verification haven’t satisfied the needs of the people’s request, thus the biological feature recognition technology is born at the right moment. Physiological feature and behavior feature recognizing the identity or unit verification is the first considering the object. Human face which is based on the biology feature recognition is the most primary way of the identity recognition and it is convenient, friendly and directly.

In this text, we establish the gray value matrix quantization modal. This model have three stages. In the first stages, we mesh the two pictures, then make the face’s gray value quantization and mark. So we can get the face’s gray value matrix, and realize the face figure all standing. In the second stages, we search for the vector quantity in gray value matrix, through comparing vector quantity, work out cosine similarity value. In the three stages, thus we can get the forecast factor. The forecast factor can as the reliability, so we can get the two pictures’ level of similarity. Finally, if forecast factor greater than convinced that the numerical, so we

can get the conclusion that if the two pictures are one people’ face.