PCA人脸识别技术的研究与软件开发

摘要在生物识别领域中，人脸识别有着自身特殊的优势，在生物识别中占有重要地位。在新时期，人脸识别软件在监控、维护国家安全、公共安全等领域具有重大意义。本文设计的人脸识别软件主要用于档案、工具等物件管理的智能数字回转库控制系统的安全认证。该人脸识别软件主要用于正面人脸、姿态变化较小、光照改变较小的人脸识别。具体实现时，我们采用主成分分析法（PCA）进行人脸特征向量提取，利用支持向量机原理（SVM）进行分类器的构造。最终我们将在windows平台下利用 C#程序设计建立人脸识别的演示框架，完成软件设计。 60994
毕业论文关键词图像处理，PCA，SVM，C#
Title Face recognition technology research and software development
Abstract In the field of biometrics, face recognition has its own special advantages .It occupies an important position in biometric. In the new era, face recognition software has great significance in the monitoring ,safeguarding national security, public safety and other areas. This design of face recognition software is mainly used for the safety certification of a intelligent digital carousel control system for file ,tools and other objects management. The face recognition software is mainly used for recognition frontal face, small changes in attitude, and small changes in illumination. When implemented，we use principal component analysis （PCA） for face feature vector extraction and use support vector machine theory (SVM) for constructing classifiers. Ultimately， we will use C # program designed in the windows platform to establish the demonstration framework for face recognition to complete software design.
Keywords Image Processing, PCA，SVM，C#

1引言..1

1.1人脸识别的研究发展回顾1

1.2人脸识别的主要应用.2

1.3本课题的主要工作..2

2人脸图像预处理..3

2.1人脸图像数据库..3

2.2图像灰度化.3

2.2．1图像灰度化的基本原理.4

2.2.2算法实现..4

2.3直方图均衡化..6

2.3.1直方图均衡化原理6

2.3.2算法实现..6

2.4小结..8

3基于PCA的人脸识别.9

3.1K_L变换的基本原理..9

3.2PCA人脸识别流程.10

3.3用C#语言实现PCA算法13

3.4小结.16

4基于SVM的分类器设计.17

4.1SVM的基本原理17

4.1.1广义最优分类面.17

4.1.2高维空间中的最优分类面..19

4.2SVM解决多分类问题..20

4.3算法实现..20

4.4小结.25

5基于PCA和SVM的人脸识别软件的总体设计与实现..27

5.1系统总体结构图27

5.2系统登录界面..27

5.3人脸识别界面..28

5.4系统的测试结果31

5.5小结..35

6.结束语..36

6.1本文总结36

6.2展望..36

致谢38

参考文献..39

1 引言人脸识别也称自动人脸识别，是一种基于人的脸部特征信息进行身份识别的一种生物识别技术。近年，人脸识别渐渐成为一个广泛关注的研究热点，其相关技术的应用范围也在不断扩展。在本章中将会对人脸识别的历史、发展、研究、应用进行回顾和概述，对本文主要工作给予概括的介绍。
1.1人脸识别的研究发展回顾人脸识别有着悠久的历史。自有人类以来，人们一直将对人脸的辨识作为判断人的身份的一种方法。而人脸识别的相关问题研究，则开始于 100 多年前的达尔文时代，其表兄弟弗朗西斯•哥尔顿就致力于这方面的探索。直到 20世纪90年代，该课题才受到重视，作为一个独立的科学发展起来。在 20世纪60年代到 90年代，人脸识别通常只是作为一个一般性的模式识别问题来研究，所采用的主要技术方案是基于人脸几何结构特征的方法。这一阶段是人脸识别研究的初级阶段，非常重要的成果不是很多，也基本没有获得实际应用。进入到 20世纪 90年代后，人脸识别的研究迎来了高潮期，可谓硕果累累，诞生了若干代表性的人脸识别算法。如美国麻省理工提出的“特征脸”方法、模板匹配的方法优于基于特征的方法的导向性结论，另外Fisherface 人脸识别方法、基于双子空间进行贝叶斯概率估计的人脸识别方法、弹性图匹配技术源]自=优尔-·论~文"网·www.youerw.com/、局部特征分析技术等重要算法都是在这一阶段提出的。[1]美国军方还组织了著名的FERET人脸识别算法测试，并出现了若干商业化运作的人脸识别系统，比如最为著名的Visionics(现为Identix)的FaceIt 系统。总体而言，这一阶段的人脸识别技术发展非常迅速，从技术方案上看， 2D 人脸图像线性子空间判别分析、统计表观模型、统计模式识别方法是这一阶段内的主流技术。进入 21世纪以后，光照、姿态问题逐渐成为研究热点。与此同时，人脸识别的商业系统得以进一步发展。这一时期人脸识别方法的重要成果有：基奥盖蒂斯等人提出的基于光照锥模型的多姿态、多光照条件、以支持向量机为代表的统计学习理论，布兰兹和维特等提出的基于 3D 变形模型的多姿态、多光照条件人脸图像分析与识别方法则是这一阶段内一项开创性的工作。总体而言，目前非理想成像条件下(尤其是光照和姿态)、对象不配合、大规模人脸数据库上的人脸识别问题逐渐成为研究的热点问题。而非线性建模方法、统计学习理论、基于Boosting的学习技术、基于 3D模型的人脸建模与识别等方法逐渐成为备受重视的发展技术。 PCA人脸识别技术的研究与软件开发:http://www.youerw.com/zidonghua/lunwen_66601.html