4。2。5 结果显示 20

结 论 25

参 考 文 献 26

致 谢 27

附 录 28

1 前言

随着信息技术不断发展和社会安全意识的提高，生物特征识别技术得到广泛的重视与 应用。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[1]。

自 2015 以来，相关的人脸识别的消息常常进入人们的视野，国内外潜心研究人脸识 别的团队不断刷新研究记录，与其相关的应用产品也层出不穷，因此人脸识别技术成为目 前最受关注的生物特征识别技术。与其他识别技术相比，人脸识别因具有直接、友好、方 便、隐藏的特点，使用者无任何心理障碍，所以更容易被人们接受。在生物特征识别、模 式识别和人工智能等方面具有重要作用，同时也是模式识别与人工智能的研究热点之一。 本文研究以 Karhunen-Loeve 变换（简称 KL 变换）为基础的 PCA 的人脸识别技术， 在特征提取上可以有效消除模式特征之间的相关性，突出特征差异，降低特征空间维数， 减少存储和计算复杂度，同时具有识别率高，识别速度较快等特点。本文拟在对数字图像 处理的基本方法和 KL 变换基本原理进行学习的基础上，重点研究 PCA 算法的特点及具体 实现过程，并依托 MATLAB 平台，以 ORL 人脸库为数据样本，对 PCA 算法进行编程实

现与研究分析。

2  人脸识别技术

人脸识别是基于人的面部特征信息进行识别的一种技术。采用摄像机或摄像头拍摄含 有人脸的图像或视频流进行采集，并自动在图像中检测和跟踪人脸图像中的人脸，然后再 利用现有的人脸数据库，确定场景里的一个人或者多个人。

本文研究的是狭义上的人脸识别技术，是指将待识别的人脸图像与人脸数据库中的人 脸图像进行匹配的人脸识别技术。

人脸识别主要分为人脸检测（face detection)、特征提取（feature extraction)和人脸识别（face recognition)三个过程，如图 2 所示。

输入图像/视频 辨认/确认

图 2 典型的人脸识别过程

2。1 人脸识别技术的应用

目前人脸识别技术主要应用于以下几个方面：犯罪检测、证书验证、视频监控、访问 控制、表情分析等，也有一些有趣的有用应用，比如能够识别主人身份的智能玩具、家政

机器人、具有真实面像的虚拟游戏玩家等。 随着技术的进一步成熟和社会认同度的提高，人脸识别技术将应用在更多的领域。 1．企业、住宅安全和管理。如人脸识别门禁考勤系统，人脸识别防盗门等。

2．电子护照及身份证。这或许是未来规模最大的应用。国际民航组织（ ICAO）已规 定，从 2010 年 4 月 1 日起，人脸识别技术是首推识别模式。

3．公安、司法和刑侦。如利用人脸识别系统和网络，在全国范围内搜捕逃犯。

4．自助服务。如银行的自动提款机，如果同时应用人脸识别就会避免被他人盗取现 金现象的发生。

5．信息安全。如计算机登录、电子政务和电子商务。

2。2 人脸识别技术的研究方法

目前人脸识别研究范围主要包括以下几个方面：

（1）人脸检测与定位：即从某一场景中检测出某人并对其定位。