2.2  分类器及级联分类器 9
2.3  Haar特征和积分图 10
2.4  Adaboost算法 12
2.5  本章小结 15
3 人脸图像的预处理 15
3.1  灰度归一化 15
3.1.1  灰度变换 15
3.1.2  直方图均衡化 16
3.2  几何归一化 18
3.2.1  基于模板匹配的眼睛定位方法 19
3.2.2  旋转 21
3.2.3  剪裁与缩放 22
3.2.4  人脸图像Mask 24
3.3  光照标准化 25
3.3.1  Gamma Correction 25
3.3.2  Difference of Gaussian(DoG) Filtering 26
3.3.3  Contrast Equalization 26
3.4  本章小结 27
4 人脸识别算法 27
4.1  基于PCA的人脸识别算法 27
4.1.1  K-L变换 27

4.1.2  最小距离分类器 30
4.1.3  PCA人脸识别算法 30
4.1.4  奇异值分解 32
4.2  基于LBP的人脸识别算法 34
4.2.1  LBP算子 35
4.2.2  LBP人脸描述 36
4.2.3  一致性LBP算子 39
4.2.4  几种直方图度量方法 40
4.3  本章小结 41
5  系统的设计与实现 41
5.1  系统概述 41
5.1.1  硬件及软件运行环境 41
5.1.2  系统功能和特点 42
5.2  系统实现 42
5.2.1  系统框架图 42
5.2.2  类实现 43
5.2.3  系统界面 43
5.3  本章小结 48
结论  49
致谢  51
参考文献52
1  绪  论
本章提出了本文的研究目标。首先阐述了人脸识别的研究意义；然后介绍了人脸识别的发展历史和研究现状；接着介绍了人脸识别的研究内容和研究方法；最后简要地说明了本文的主要工作和章节结构。
1．1  人脸识别的研究背景和意义
人脸识别技术是模式识别领域中最为经典的应用之一，主要涉及到多个学科的研究，包括图像处理、神经网络、计算机视觉、计算机图形学、心理学、光学等。许多模式识别经典理论、方法都是针对人脸识别研究而提出，后来又被应用于其他学科领域。因此人脸识别技术的研究促进了以上诸多学科之间的融会贯通，也为它们提供了一个交叉研究的平台，同时促进了各个学科之间的相互应用以及各学科的研究者之间
的合作研究。
日常生活中很多时候都需要身份认证，而身份认证的手段通常包括钥匙、密码、证件等。证件和钥匙需要随身携带，一旦丢失就会非常不便，同时这些都是可以伪造的。而密码也有其固有的缺陷，用密码进行身份验证最大的问题就是密码的长度和安全性之间的平衡关系，密码越长越复杂也就越安全，但也越不便于记忆。而人脸识别技术则是利用个体的面部图像信息进行识别，与上述传统的身份认证方法相比，人脸识别的主要优势就是很大程度上避免伪造和窃取。而且只要人在，便可获得该人的面部图像，因此较为方便。此外人脸识别技术也具有较高的安全性和可靠性。尤其是现在人们对身份认证的需求越来越高，进一步突出了人脸识别的重要性。这些都使得人脸识别技术具有非常广泛的应用领域。
人脸识别技术是基于生物特征的识别方式，是人类视觉最杰出的能力之一。与指纹识别、虹膜识别、声音识别等特征相比，人脸识别具有方便、直接、友好、主动、自然等优点。
由此可以看出，面向身份认证的人脸识别技术研究不仅具有非常重要的科研意义，也具有非常广泛的应用前景。
1．2  人脸识别的发展历史及国内外现状
1.2.1  发展历史
1.2.2  国内外现状
1．3  人脸识别的研究内容与研究方法 Opencv+Adaboost基于人脸识别与认证的准入系统设计(2):http://www.youerw.com/jisuanji/lunwen_10169.html