毕业论文移动版

人脸是一个包含大量肌肉组织的人体结构，虽然具有唯一、易得以及难以复制等优点， 但人脸经常处于可变的外部环境中，人脸的所有者也经常调动面部的大量肌肉来表现出不同 的表情，因此人脸图像在多种因素的影响下是不断变化的，对其进行有效的识别需要一定规 模的人脸数据库支持。早期的人脸识别受制于有限的图像采集技术和计算机处理能力，在面 对表情、姿态以及光照等变化条件时出现识别错误的概率非常高，而现如今随着压缩感知理 论、人工神经网络算法以及机器学习算法等多种新理论的发展和利用，处理各种条件下的人 脸图像并成功识别出人脸身份的技术已经变得较为成熟。

1。3 现有人脸识别方法

经过半个多世纪的研究与发展，应用于人脸识别技术的理论越来越多，以这些理论为依 据的各种主要算法往往依赖于不同的学科背景，在实现时的分类标准和依据都有很大差别， 但人脸识别的过程都包含有特征值提取和识别算法两个部分，即都包含着对训练图片的采样 分析以及对测试图片按照一定方法的匹配。

现有的人脸识别方法主要包括[2]：基于几何特征的人脸识别算法，利用眼睛、鼻子、嘴巴 等形状和位置特征进行识别；基于代数特征的人脸识别算法，使用一个二维矩阵来表示人脸 图像，然后将其投影到一个最优空间从而获得特征向量；基于机器学习的人脸识别算法，其 分类原理是学习大量的测试样本，从而得到易于分类的人脸特征，再利用这些特征进行匹配； 基于稀疏表示的人脸识别（Sparse Representation Classification, SRC）算法[3]，即本文介绍并实 现的算法等等。

稀疏表示是一种来源于压缩感知理论的方法，它是信号领域近年来非常重要的研究成果， 基于稀疏表示的人脸识别算法在处理特征值选取以及遮挡等问题时具有一定的优势，对图像 的中人脸表情、光照变化、以及局部遮挡和面部妆饰等因素具有良好的鲁棒性。

1。4 本文的主要内容和安排

本文主要介绍了 SRC 算法的理论，通过实验验证了其可行性并得到了变化条件下的识别 率，最后根据此理论设计了一个可选择人脸数据库的人脸识别系统，系统采用 Matlab 仿真软 件设计了用户交互界面，并针对不同的数据库进行了仿真实验。本文在处理 SRC 算法中 l1 范 式最小化问题时采用了运行在 Matlab 中的凸优化 CVX 工具箱，并在不同人脸数据库中的识 别实验中验证了其识别能力。本文的章节如下：论文网

第 1 章主要介绍了生物特征识别技术的基本概念，人脸识别技术的发展背景、应用前景 以及现有的人脸识别方法，并介绍了本文的研究内容和结构安排。

第 2 章概括了稀疏表示的原理，介绍了有关稀疏表示的理论知识，研究了稀疏表示在应 用中的优势。

第 3 章介绍了 SRC 算法的具体实现，介绍了过完备字典的构造，展示了人脸识别流程和 算法的步骤，并对算法步骤进行了详细描述。

第 4 章介绍了人脸识别实现，依据 SRC 算法进行了一系列实验，讨论了 SRC 算法在不 同人脸数据库下的表现，展示了遮挡情况下的人脸识别。介绍了用户界面的结构和每部分的 功能，以及各个功能模块与 SRC 算法各个步骤的关系。

2 稀疏表示分类方法

在一个包含每人多张人脸图像的人脸数据库中，同一个人所有的人脸图像可以线性表示 这个人的单张人脸图像，而且无法表示数据库中其它人的脸。因此，如果将测试人脸图像由 数据库中所有图像的线性组合来表示，那么在产生的所有组合系数中，仅有与训练图像来自 同一个人的测试图像组合系数不为零，也就是说系数向量是稀疏的。 (责任编辑：qin)