基于malab的人脸识别系统设计与仿真.doc

目 录 摘要 II 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。, 提出了一种基于主元分析(PCA )的人脸识别方法。通过PCA 算法对人脸图像进行特征提取, 再利用最邻近距离分类法对特征向量进行分类识别。利用剑桥ORL的人脸数据库的数据进行实验仿真，仿真结果验证了本算法是有效的。 关键：  第1章 绪论 　人脸识别是模式识别研究的一个热点, 它在身份鉴别、信用卡识别, 护照的核对及监控系统等方面有着广泛的应用。人脸图像由于受光照、表情以及姿态等因素的影响, 使得同一个人的脸像矩阵差异也比较大。因此, 进行人脸识别时, 所选取的特征必须对上述因素具备一定的稳定性和不变性. 主元分析(PCA)方法是一种有效的特征提取方法,将人脸图像表示成一个列向量, 经过PCA 变换后, 不仅可以有效地降低其维数, 同时又能保留所需要的识别信息, 这些信息对光照、表情以及姿态具有一定的不敏感性. 在获得有效的特征向量后, 关键问题是设计具有良好分类能力和鲁棒性的分类器. 支持向量机(SVM ) 模式识别方法,兼顾训练误差和泛化能力, 在解决小样本、非线性及高维模式识别问题中表现出许多特有的优势。 1.1人脸识别技术的细节 一般来说，人脸识别系统包括图像提取、人脸定位、图形预处理、以及人脸识别（身份确认或者身份查找）。系统输入一般是一张或者一系列含有未确定身份的人脸图像，以及人脸数据库中的若干已知身份的人脸图像或者相应的编码，而其输出则是一系列相似度得分，表明待识别的人脸的身份。 1.2人脸识别技术的广泛应用 一项技术的问世和发展与人类的迫切需求是密切相关的，快速发展的社会经济和科学技术使得人类对安全(包括人身安全、隐私保护等)得认识越来越重视。人脸识别得一个重要应用就是人类的身份识别。一般来说，人类得身份识别方式分为三类: 1.特征物品，包括各种证件和凭证，如身份证、驾驶证、房门钥匙、印章等; 2.特殊知识，包括各种密码、口令和暗号等; 3.人类生物特征，包括各种人类得生理和行为特征，如人脸、指纹、手形、掌纹、虹膜、DNA、签名、语音等。前两类识别方式属于传统的身份识别技术，其特点是方便、快捷，但致命的缺点是安全性差、易伪造、易窃取。特殊物品可能会丢失、偷盗和复制，特殊知识可以被遗忘、混淆和泄漏。相比较而言，由于生物特征使人的内在属性，具有很强的自身稳定性和个体差异性，因此生物特征是身份识别的最理想依据。基于以上相对独特的生物特征，结合计算机技术，发展了众多的基于人类生物特征的身份识别技术，如DNA识别技术、指纹识别技术、虹膜识别技术、语音识别技术和人脸识别技术等。 生物识别技术在上个世纪已经有了一定得发展，其中指纹识别技术已经趋近成熟，但人脸识别技术的研究还处于起步阶段。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。人脸识别可以利用已有的照片或是摄像头远距离捕捉图像，无需特殊的采集设备，系统的成本低。并且自动人脸识别可以在当事人毫无觉察的情况下完成身份确认识别工作，这对反恐怖活动有非常重要的意义。基于人脸识别技术具有如此多的优势，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。 1.3人脸识别技术的难点 虽然人类可以毫不困难地根据人脸来辨别一个人，但是利用计算机进行完全自动的人脸识别仍然有许多困难。人脸模式差异性使得人脸识别成为一个非常困难的问题，表现在以下方面: 1.人脸表情复杂，人脸具有多样的变化能力，人的脸上分布着五十多块面部肌肉，这些肌肉的运动导致不同面部表情的出现，会造