人脸识别课程设计报告

用Matlab实现人脸识别

学院：信息工程学院

班级：计科软件普131

成员：

一、问题描述

在一个人脸库中，有15 个人，每人有11 幅图像。要求选定每一个人的若干幅图像组成样本库，由样本库得到特征库。再任取图像库的一张图片，识别它的身份。

对于一幅图像可以看作一个由像素值组成的矩阵，也可以扩展开，看成一个矢量。如一幅N*N象素的图像可以视为长度为N2的矢量，这样就认为这幅图像是位于N2维空间中的一个点，这种图像的矢量表示就是原始的图像空间，但是这个空间仅是可以表示或者检测图像的许多个空间中的一个。不管子空间的具体形式如何，这种方法用于图像识别的基本思想都是一样的，首先选择一个合适的子空间，图像将被投影到这个子空间上，然后利用对图像的这种投影间的某种度量来确定图像间的相似度，最常见的就是各种距离度量。因此，本次采用PCA算法确定一个子空间，最后使用最小距离法进行识别，并用matlab实现。

二、PCA 原理和人脸识别方法

1）K-L 变换

K-L 变换以原始数据的协方差矩阵的归一化正交特征矢量构成的正交矩阵作为变换矩阵，对原始数据进行正交变换，在变换域上实现数据压缩。它具有去相关性、能量集中等特性，属于均方误差测度下，失真最小的一种变换，是最能去除原始数据之间相关性的一种变换。PCA 则是选取协方差矩阵前k 个最大的特征值的特征向量构成K-L 变换矩阵。

2）主成分的数目的选取

保留多少个主成分取决于保留部分的累积方差在方差总和中所占百分比(即累计贡献率)，它标志着前几个主成分概括信息之多寡。实践中，粗略规定一个百分比便可决定保留几个主成分；如果多留一个主成分，累积方差增加无几，便不再多留。

3）人脸空间建立

假设一幅人脸图像包含N 个像素点，它可以用一个N 维向量Γ表示。这样，训练样本库就可以用Γi（i=1，...，M）表示。协方差矩阵C 的正交特征向量就是组成人脸空间的基向量，即特征脸。将特征值由大到小排列：λ1≥λ2≥...≥λr,其对应的特征向量为μk。这样每一幅人脸图像都可以投影到由u1,u2,...,ur张成的子空间中。因此，每一幅人脸图像对应于子空间中的一点。同样，子空间的任意一点也对应于一幅图像。

4）人脸识别

有了这样一个由"特征脸"张成的降维子空间，任何一幅人脸图像都可以向其投影得到一组坐标系数，这组系数表明了该图像在子空间中的位置，从而可以作为人脸识别的依据。计算数据库中每张图片在子空间中的坐标，得到一组坐标，作为下一步识别匹配的搜索空间。计算新输入图片在子空间中的坐标，采用最小距离法，遍历搜索空间，得到与其距离最小的坐标向量，该向量对应的人脸图像即为识别匹配的结果。

三、实验步骤

1) 每人选取4 幅共60 幅作为训练样本，将每一幅图像（128*128）写成列向量形式排列成矩阵

2) 求协方差矩阵

3) 求协方差矩阵特征值—求特征向量（特征脸）—将特征向量排列成

变换矩阵

4) 计算每幅图像的投影

5) 计算待识别人脸的投影

6) 遍历搜索进行匹配

四、实验结果与分析

matlab 界面效果如下所示

图1 用户使用界面

图2 选择图片

图3 图片选择后

图4 识别后

由于利用了标准库，并且识别的人数不是很多，也没有选择有大块左阴影和右阴影的人作为训练集以及测试，所以最终的结果还是非常不错的，识别率可达100%。但是选择有较大阴影的人做测试，则会出现识别错误，所以PCA 算法还是存在一定的局限性。

图5 识别错误

主要代码展示

function pushbutton1_Callback(hObject, eventdata, handles)

% hObject handle to pushbutton1 (see GCBO)

% eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA)

% read image to be recognize

%读取图片

global im;

[filename, pathname] = uigetfile({'*.bmp'},'choose photo');

str = [pathname, filename];

im = imread(str);

axes( handles.axes1);

imshow(im);

% --- Executes on button press in pushbutton2.

function pushbutton2_Callback(hObject, eventdata, handles)

% hObject handle to pushbutton2 (see GCBO)

% eventdata reserved - to be defined in a future version of MATLAB

% handles structure with handles and user data (see GUIDATA)

global im

global reference

global W %均值向量按列排成的变换矩阵global imgmean%均值向量

global col_of_data global pathname

global img_path_list

% 预处理新数据

im = double(im(:));

objectone = W'*(im - imgmean); %计算每幅图像的投影

distance = 100000000;

% 最小距离法，寻找和待识别图片最为接近的训练图片

for k = 1:col_of_data

temp = norm(objectone - reference(:,k));

if(distance>temp)

aimone = k;

distance = temp;

aimpath = strcat(pathname, '/', img_path_list(aimone).name); axes( handles.axes2 )

imshow(aimpath)

end

end

% 显示测试结果

% aimpath = strcat(pathname, '/', img_path_list(aimone).name); % axes( handles.axes2 )

% imshow(aimpath)

% --- Executes on button press in pushbutton3.

function pushbutton3_Callback(hObject, eventdata, handles)

% hObject handle to pushbutton3 (see GCBO)

% eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA)

global reference

global W

global imgmean

global col_of_data

global pathname

global img_path_list

% 批量读取指定文件夹下的图片128*128

pathname = uigetdir;

img_path_list = dir(strcat(pathname,'\*.bmp'));

img_num = length(img_path_list);

imagedata = []; if img_num >0

for j = 1:img_num

img_name = img_path_list(j).name;

temp = imread(strcat(pathname, '/', img_name));

temp = double(temp(:));

imagedata = [imagedata, temp];

end

end

col_of_data = size(imagedata,2);

% 中心化& 计算协方差矩阵

imgmean = mean(imagedata,2);

for i = 1:col_of_data

imagedata(:,i) = imagedata(:,i) - imgmean; end

covMat = imagedata'*imagedata; [COEFF, latent, explained] = pcacov(covMat);

% 选择构成95%能量的特征值

i = 1;

proportion = 0;

while(proportion < 95)

proportion = proportion + explained(i);

i = i+1;

end

p = i - 1;

% 特征脸

W = imagedata*COEFF; % N*M 阶

W = W(:,1:p); % N*p 阶

% 训练样本在新座标基下的表达矩阵p*M reference = W'*imagedata;

基于ARM9的人脸识别系统 嵌入式报告 课程设计

嵌入式课程设计报告 学院信息电子技术 专业通信工程 班级 学号 姓名 指导教师 2017年07月01日

基于ARM9的人脸识别系统 一、引言 人脸识别背景和意义 人脸识别系统的研究始于20世纪60年代，80年代后随着计算机技术和光学成像技术的发展得到提高，而真正进入初级的应用阶段则在90年后期，并且以美国、德国和日本的技术实现为主；人脸识别系统成功的关键在于是否拥有尖端的核心算法，并使识别结果具有实用化的识别率和识别速度；“人脸识别系统”集成了人工智能、机器识别、机器学习、模型理论、专家系统、视频图像处理等多种专业技术，同时需结合中间值处理的理论与实现，是生物特征识别的最新应用，其核心技术的实现，展现了弱人工智能向强人工智能的转化语音识别、体形识别等，而指纹识别、虹膜识别等都不具有自然性，因为人类或者其他生物并不通过此类生物特征区别个体。 人脸识别具有这方面的特点，它完全利用可见光获取人脸图像信息，而不同于指纹识别或者虹膜识别，需要利用电子压力传感器采集指纹，或者利用红外线采集虹膜图像，这些特殊的采集方式很容易被人察觉，从而更有可能被伪装欺骗。 二、系统设计 1、硬件电路设计 （1）ARM9处理器 本系统所采用的硬件平台是天嵌公司的TQ2440开发板，该开发板的微处理器采用基于ARM920T内核的S3C2440芯片。 ARM9对比ARM7的优势：虽然ARM7和ARM9内核架构相同，但ARM7处理器采用3级流水线的冯·诺伊曼结构，而ARM9采用5级流水线的哈佛结构。增加的流水线设计提高了时钟频率和并行处理能力。5级流水线能够将每一个指令处理分配到5个时钟周期内，在每一个时钟周期内同时有5个指令在执行。在常用的芯片生产工艺下，ARM7一般运行在100MHz左右，而ARM9则至少在200MHz 以上。指令周期的改进对于处理器性能的提高有很大的帮助。性能提高的幅度依赖于代码执行时指令的重叠，这实际上是程序本身的问题。对于采用最高级的语言，一般来说，性能的提高在30%左右。ARM7一般没有MMU(内存管理单元），（ARM720T有MMU）。 （2）液晶显示屏 为显示摄像头当前采集图像的预览，系统采用三星的320x240像素的液晶屏，大小为206.68cm。该液晶显示屏的每个像素深度为2bit，采用RGB565色彩空间。 （3）摄像头 摄像头采用市场上常见的网眼2000摄像头,内部是含CMOS传感器的OV511+芯片。CMOS传感器采用感光元件作为影像捕获的基本手段,核心是1个感光二极

机器学习概述课程设计报告(MATLAB人脸识别)

机器学习概述课程设计报告题目：MATLAB人脸识别系统 姓名：** 学号：** 专业：** 时间：2015/8/7

目录 一、课程设计的目的............................................................................... 二、设计的内容与要求........................................................................... 三、详细设计........................................................................................... 四、课程设计的总结............................................................................... 五、参考文献...........................................................................................

一.课程设计的目的 人脸识别作为一项新兴的科学研究项目，有着广泛的应用前景，而且随着计算机技术的更新发展，它的科学研究价值也越发凸显。经过几十年的研发探讨，世界各大研究结构的研发人员的不断努力下，人脸识别技术一已取得丰硕的成果，可在一定限制条件下完成人脸的自动识别。这些成果的取得更促进了人们对人脸识别这一课题的深入研究。 在电子商务飞速发展的今天，人脸识别系统的范畴一不足以涵括人脸识别的应用范围，在数字图像处理、视频领域、基于内容的检索等方面有着重要的应用价值。。 二．设计的内容及要求 1、选择KNN,聚类或SVM方法中的一种或其他机器学习方法的一种进行课程设计 2、要求能完成具体的识别任务：如图像分割、语音识别、人脸识别 3、要求识别的对象中有自己生活元素，比如图像中包括学校的图片或语音时本人的语音等。三．详细设计 YCbCr空间——>灰度图像转换——>噪声消除——>图像填孔——>图像重构——>人脸区域确定——>边缘检测 （原图-涉及个人隐私，未呈现原图）

模式识别课程设计

模式识别导论课程设计 学号： 班级： 姓名：

课程名称模式识别考试性质考查试卷类型 A 使用班级电信1101-1103 考试方法大作业人数100 题号一二三四五六七八九十总成绩成绩

（2）分类器设计方法概述及选择依据分析；（10分） （3）感知器算法原理及算法步骤；（20分） （4）感知器算法流程设计；（20分） （5）感知器算法程序；（10分） （6）程序仿真及结果分析；（20分） （7）结论；（5分） （8）参考文献。（5分） 四、请结合具体的应用背景，设计基于K-L变换的特征提取算法，并编写程序，分析结果，提交报告一份。 报告内容包括：（1）具体应用背景的介绍；（10分） （2）特征提取方法概述及选择依据分析；（10分） （3）基于K-L变换的特征提取算法原理及步骤；（20分） （4）基于K-L变换的特征提取算法流程设计；（20分） （5）基于K-L变换的特征提取算法程序；（10分） （6）程序仿真及结果分析；（20分） （7）结论；（5分） （8）参考文献。（5分）

1具体应用背景的介绍 随着社会经济的发展、人口的增多，人们对水资源的利用更加重视，不同的水资源质量程度不一，为了更好地适应人类的需求，需要对水资源根据污染物有机物、无机物、重金属含量进行适当的分类。在这里将运用模式识别的方法简单的对其分类为一类水与二类水。 2分类器设计方法概述及选择依据分析 感知器是一种神经网络模型，是20世纪50年代中期到60年代初人们对模拟人脑学习能力的一种分类学习机模型的称呼，当时有些人认为它是一种学习记的强有力模型，后来发现估计过高，由于无法实现非线性分类，到60年代中期，从事感知器研究的实验室纷纷下马，但在发展感知器是所获得的一些数学概念，如“赏罚分明”今天仍在模式识别中起着很大的作用。 将用感知器的方法在本次设计中对水资源进行分类 3感知器算法原理及算法步骤 两类线性可分的模式类 21,ωω，设 X W X d T )(=其中，[]T 121,,,,+=n n w w w w W ，[]T 211,,,,n x x x =X 应具有性质 （3-1） 对样本进行规范化处理，即ω2类样本全部乘以(－1)，则有： 2)-(3 0)(T >=X W X d 感知器算法通过对已知类别的训练样本集的学习，寻找一个满足上式的权向量。 感知器算法步骤： （1）选择N 个分属于ω1和 ω2类的模式样本构成训练样本集{ X1 ,…, XN }构成增广向量形式，并进行规范化处理。任取权向量初始值W(1)，开始迭代。迭代次数k=1。 （2）用全部训练样本进行一轮迭代，计算W T (k )X i 的值，并修正权向量。 分两种情况，更新权向量的值： ?? ?∈<∈>=2 1 T ,0,0)(ωωX X X W X 若若d

开题报告：人脸识别

北方工业大学 本科毕业设计（论文）开题报告书 题目：基于直方图差值比较方法的人脸识别系统指导教师： 专业班级： 学号： 姓名： 日期：2013年3月20日

一、选题的目的、意义 近些年来，有关人脸的处理已受到广大研究人员越来越多的重视，如人脸识别、人脸定位、面部表情识别、人脸跟踪等。人脸处理系统在安全系统的身份认证、智能人机接口、图像监控、视频检索等领域有着广泛的应用前景。 此外在进行人工智能的研究中，人们一直想做的事情就是让机器具有像人类一样的思考能力，以及识别事物、处理事物的能力，因此从解剖学、心理学、行为感知学等各个角度来探求人类的思维机制、以及感知事物、处理事物的机制，并努力将这些机制用于实践，如各种智能机器人的研制。 同时，进行人脸图像识别研究也具有很大的使用价依。如同人的指纹一样，人脸也具有唯一性，也可用来鉴别一个人的身份。人脸图像的自动识别系统较之指纹识别系统、DNA鉴定等更具方便性，因为它取样方便，可以不接触目标就进行识别，从而开发研究的实际意义更大。并且与指纹图像不同的是，人脸图像受很多因素的干扰:人脸表情的多样性;以及外在的成像过程中的光照，图像尺寸，旋转，姿势变化等。使得同一个人，在不同的环境下拍摄所得到的人脸图像不同，有时更会有很大的差别，给识别带来很大难度。因此在各种干扰条件下实现人脸图像的识别，也就更具有挑战性。 人脸图像识别除了具有重大的理论价值以及极富挑战性外，还其有许多潜在的应用前景，利用人脸图像来进行身份验证，可以不与目标相接触就取得样本图像，而其它的身份验证手段，如指纹、眼睛虹膜等必须通过与目标接触或相当接近来取得样木，在某些场合，这些识别手段就会有不便之处。

基于matlab的人脸识别系统设计与仿真(含matlab源程序)毕业论文

人脸识别系统设计与仿真基于matlab的（含matlab源程序） 目录 第一章绪论 (1) 1.1 研究背景 (4) 1.2 人脸图像识别的应用前景 (5) 1.3 本文研究的问题 (6) 1.4 识别系统构成 (7) 1.5 论文的内容及组织 (9) 第二章图像处理的Matlab实现 (10) 2.1 Matlab简介 (10) 2.2 数字图像处理及过程 (10) 2.2.1图像处理的基本操作 (10) 2.2.2图像类型的转换 (11) 2.2.3图像增强 (11) 2.2.4边缘检测 (12) 2.3图像处理功能的Matlab实现实例 (13) 2.4 本章小结 (17) 第三章人脸图像识别计算机系统 (18) 3.1 引言 (18) 3.2系统基本机构 (19) 3.3 人脸检测定位算法 (20)

3.4 人脸图像的预处理 (27) 3.4.1 仿真系统中实现的人脸图像预处理方法 (28) 第四章基于直方图的人脸识别实现 (31) 4.1识别理论 (31) 4.2 人脸识别的matlab实现 (31) 4.3 本章小结 (32) 第五章总结 (33) 致谢 (34) 参考文献 (35) 附录 (37) 毕业设计（论文）原创性声明和使用授权说明

原创性声明 本人郑重承诺：所呈交的毕业设计（论文），是我个人在指导教师的指导下进行的研究工作及取得的成果。尽我所知，除文中特别加以标注和致谢的地方外，不包含其他人或组织已经发表或公布过的研究成果，也不包含我为获得及其它教育机构的学位或学历而使用过的材料。对本研究提供过帮助和做出过贡献的个人或集体，均已在文中作了明确的说明并表示了谢意。 作者签名：日期： 指导教师签名：日期： 使用授权说明 本人完全了解大学关于收集、保存、使用毕业设计（论文）的规定，即：按照学校要求提交毕业设计（论文）的印刷本和电子版本；学校有权保存毕业设计（论文）的印刷本和电子版，并提供目录检索与阅览服务；学校可以采用影印、缩印、数字化或其它复制手段保存论文；在不以赢利为目的前提下，学校可以公布论文的部分或全部内容。 作者签名：日期：

模式识别课程设计

模式识别 课程设计 关于黄绿树叶的分类问题 成员：李家伟2015020907010 黄哲2015020907006 老师：程建 学生签字：

一、小组分工 黄哲：数据采集以及特征提取。 李家伟：算法编写设计，完成测试编写报告。 二、特征提取 选取黄、绿树叶各15片，用老师给出的识别算法进行特征提取 %Extract the feature of the leaf clear, close all I = imread('/Users/DrLee/Desktop/kmeans/1.jpg'); I = im2double(I); figure, imshow(I) n = input('Please input the number of the sample regions n:'); h = input('Please input the width of the sample region h:'); [Pos] = ginput(n); SamNum = size(Pos,1); Region = []; RegionFeatureCum = zeros((2*h+1)*(2*h+1)*3,1); RegionFeature = zeros((2*h+1)*(2*h+1)*3,1); for i = 1:SamNum P = round(Pos(i,:)); rectangle('Position', [P(1) P(2) 2*h+1 2*h+1]); hold on Region{i} = I(P(2)-h:P(2)+h,P(1)-h:P(1)+h,:); RegionFeatureCum = RegionFeatureCum + reshape(Region{i},[(2*h+1)*(2*h+1)*3,1]); end hold off RegionFeature = RegionFeatureCum / SamNum 1～15为绿色树叶特征，16～30为黄色树叶特征，取n=3；h=1，表示每片叶子取三个区域，每个区域的特征为3*3*3维的向量，然后变为27*1的列向量，表格如下。

人脸识别课程设计论文(完美版)

前言 在人类社会的发展进入到21世纪的今天，安全问题已经成为困扰人们日常生活的重要问题之一。社会的发展促进了人的流动性，进而也增加了社会的不稳定性，使得安全方面的需求成为21世纪引起广泛关注的问题。不论是享受各项服务如网上冲浪、还是居家、办公等都涉及到安全，以往这些行为基本上是通过符号密码来进行安全保护，但是随着服务数量的不断增加，密码越来越多以致无法全部记住，而且密码有时也会被他人所窃取，各种密码被破解的概率越来越高，因为通常由于记忆的原因，人们经常会选用自己或亲人的生日、家庭地址、电话号码等作为密码并长期使用，这些很容易被一些不法分子获取。可见在现代社会中，身份识别已经成为人们日常生活中经常遇到的一个基本问题。人们乎时时刻刻都需要鉴别别人的身份和证明自己的身份，以获得对特定资源的使用权或者制权，同时防止这些权限被他人随意的取得。传统的身份识别方法主要基于身份标识物(如证件、卡片)和身份标识知识(如用户名、密码)来识别身份，这在很长一段时期是非常可靠和方便的识别方法，得到了广泛的应用。但是，随着网络、通信、交通等技的飞速发展，人们活动的现实空间和虚拟空间不断扩大，需要身份认证的场合也变得无不在。人们需要携带的身份标识物品越来越多，身份标识知识也变得越来越复杂和冗长在这种情况下，传统身份识别方式的弊端日益彰显。身份标识物品容易被丢失和伪造，份标识知识容易被遗忘、窃取和破解，而身份标识的重要性又使得一旦失去了身份标识会给标识的所有者甚至整个社会带来重大的甚至难以弥补的损失。在美国，每年约有上百万的福利款被人以假冒的身份领取;每年发生的信用卡、ATM、移动电话和冒领支票等成的损失达数百亿美元[2]。面临着这样的状况，人们对身份识别的安全性、可靠性、准确和实用性提出了更高的要求，必须寻求身份识别的新途径。 于是，近年来人类生物特征越来越广泛地用于身份识别，而且生物特征可以更好的进行安全控制，世界各国政府都在大力推进生物识别技术的发展及应用。与原有的人类身分识别技术(如:个人密码、磁卡、智能卡等)相比，基于人类生物特征的识别技术具有安全可靠、特征唯一、不易伪造、不可窃取等优点。人类本身具有很多相对独特的特征，如DNA、指纹、虹膜、语音、人脸等。基于这些相对独特的人类特征，结合计算机技术，发展起众多的基于人类生物特征的人类身份识别技术，如DNA识别技术、指纹识别技术、虹膜识别技术、语音识别技术、人脸识别技术。 人脸识别和其他的生物识别比起来有以下几个优点:1、其他的生物特征识别方法都需要一些人为的行为配合，而人脸识别不需要。2、人脸识别可应用在远距离监控中。3、针一对现在的第一、二代身份证，每个身份证都有人脸的正面照片，也就是人脸库将是最完善的，包括人最多的，我们可以利用这个库来更直观、更方便的核查该人的身份。 4、相对于其他基于生物特征识别技术，人脸识别技术具有特征录入方一便，信息丰富，使用面广等优点，同时人脸识别系统更加直接友好。人脸识别技术作为生物识别技术的

人脸识别毕业设计

摘要 人脸识别技术(FRT)是当今模式识别和人工智能领域的一个重要研究方向。虽然人脸识别的研究已有很长的历史，各种人脸识别的技术也很多，但由于人脸属于复杂模式而且容易受表情、肤色和衣着的影响，目前还没有一种人脸识别技术是公认快速有效的．本文主要讨论了人脸识别技术的一些常用方法，对现有的人脸检测与定位、人脸特征提取、人脸识别的方法进行分析和讨论，最后对人脸识别未来的发展和应用做了展望。 关键字：人脸识别，特征定位，特征提取

ABSTRACT Nowadays the face recognition technology (FRT) is a hot issue in the field of pattern recognition and artificial intelligence．Although this research already has a long history and many different recognition methods are proposed，there is still no effective method with low cost an d high precision．Human face is a complex pattern an d is easily affected by the expression，complexion and clothes．In this paper，some general research are discussed，including methods of face detection and location，features abstraction，and face recognition．Then we analyze and forecast the face recognition’s application and its prospects． Keywords: Face Recognition Technology, Face location，Features abstraction

《模式识别基础》课程标准

《模式识别基础》课程标准 （执笔人：刘雨审阅学院：电子科学与工程学院）课程编号：08113 英文名称：Pattern Recognition 预修课程：高等数学，线性代数，概率论与数理统计，程序设计 学时安排：40学时，其中讲授32学时，实践8学时。 学分：2 一、课程概述 （一）课程性质地位 模式识别课基础程是军事指挥类本科生信息工程专业的专业基础课，通信工程专业的选修课。在知识结构中处于承上启下的重要位置，对于巩固已学知识、开展专业课学习及未来工作具有重要意义。课程特点是理论与实践联系密切，是培养学生理论素养、实践技能和创新能力的重要环节。是以后工作中理解、使用信息战中涉及的众多信息处理技术的重要知识储备。 本课程主要介绍统计模式识别的基本理论和方法，包括聚类分析，判别域代数界面方程法，统计判决、训练学习与错误率估计，最近邻方法以及特征提取与选择。 模式识别是研究信息分类识别理论和方法的学科，综合性、交叉性强。从内涵讲，模式识别是一门数据处理、信息分析的学科，从应用讲，属于人工智能、机器学习范畴。理论上它涉及的数学知识较多，如代数学、矩阵论、函数论、概率统计、最优化方法、图论等，用到信号处理、控制论、计算机技术、生理物理学等知识。典型应用有文字、语音、图像、视频机器识别，雷达、红外、声纳、遥感目标识别，可用于军事、侦探、生物、天文、地质、经济、医学等众多领域。 （二）课程基本理念 以学生为主体，教师为主导，精讲多练，以用促学，学以致用。使学生理解模式识别的本质，掌握利用机器进行信息识别分类的基本原理和方法，在思、学、用、思、学、用的循环中，达到培养理论素养，锻炼实践技能，激发创新能力的目的。 （三）课程设计思路 围绕培养科技底蕴厚实、创新能力突出的高素质人才的目标，本课程的培养目标是：使学生掌握统计模式识别的基本原理和方法，了解其应用领域和发展动态，达到夯实理论基础、锻炼理论素养及实践技能、激发创新能力的目的。 模式识别是研究分类识别理论和方法的学科，综合性、交叉性强，涉及的数学知识多，应用广。针对其特点，教学设计的思路是：以模式可分性为核心，模式特征提取、学习、分类为主线，理论上分层次、抓重点，方法上重比较、突出应用适应性。除了讲授传统的、经典的重要内容之外，结合科研成果，介绍不断出现的新理论、新方法，新技术、新应用，开拓学生视野，激发学习兴趣，培养创新能力。 教学设计以章为单元，用实际科研例子为引导，围绕基本原理展开。选择两个以上基本方法，辅以实验，最后进行对比分析、归纳总结。使学生在课程学习中达到一个思、学、用、

(完整版)基于matlab的人脸识别系统设计毕业设计

毕业设计 [论文] 题目：基于MATLAB的人脸识别系统设计 学院：电气与信息工程学院 专业：自动化 姓名：张迎

指导老师：曹延生 完成时间：2013.05.28

摘要 人脸识别是模式识别和图像处理等学科的一个研究热点，它广泛应用在身份验证、刑侦破案、视频监视、机器人智能化和医学等领域，具有广阔的应用价值和商用价值。人脸特征作为一种生物特征，与其他生物特征相比，具有有好、直接、方便等特点，因此使用人脸特征进行身份识别更易于被用户所接受。 人脸识别技术在过去的几十年得到了很大的发展，但由于人脸的非刚性、表情多变等因素，使得人脸识别技术在实际应用中面临着巨大的困难。本文针对近年来国内外相关学术论文及研究报告进行学习和分析的基础上，利用图像处理的matlab实现人脸识别方法，这种实现简单且识别准确率高，但其缺点是计算量大，当要识别较多人员时，该方法难以胜任。 利用MATLAB实现了一个集多种预处理方法于一体的通用的人脸图像预处理仿真系统，将该系统作为图像预处理模块可嵌入在人脸识别系统中，并利用灰度图像的直方图比对来实现人脸图像的识别判定。 关键词：图像处理, Matlab, 人脸识别, 模式识别

ABSTRACT Human face recognition focuses on pattern recognition ,image processi ng andother subjects.It is widely used in authentication,investigation,video surveillance,intelligent robots,medicine and other areas.Facerecognition ha s wide application and business value.Facial feature asabiological character istic,compared with others is direct,friendly andconvenient.Facial featuree mployed in authentication are user-friendly. The technology of face recognition in the past few years obtained the v ery big development, but due to the face of nonrigid, expression and chang eablefactors, the face recognition technology in practical application are fa cing great difficulties. This paper aimed at home and abroad in recent year s the relevant papers and researchreports on study and on the basis of the a nalysis, some units within the data sensitivity places need to enter personne l to carry out limitation design and develop a set of identity verification ide ntification system, the system uses PCA face recognition method, therealiza tion is simple and the accuracy rate of recognition is high,but itsdrawback i s that a large amount of calculation, when to identify more staff,this metho d is difficult to do. The realization of a set of various pretreatment methods in one of the generic face image preprocessing simulation system based on MATLAB, the system is used as the image preprocessing module can be embedded in a face recognition system, and using the histogram matching gray image to realize the recognition of human face images to determine.

基于PCA算法的人脸识别毕业设计论文

太原科技大学 毕业设计（论文） 设计(论文)题目：基于PCA算法的人脸识别

毕业设计（论文）原创性声明和使用授权说明 原创性声明 本人郑重承诺：所呈交的毕业设计（论文），是我个人在指导教师的指导下进行的研究工作及取得的成果。尽我所知，除文中特别加以标注和致谢的地方外，不包含其他人或组织已经发表或公布过的研究成果，也不包含我为获得及其它教育机构的学位或学历而使用过的材料。对本研究提供过帮助和做出过贡献的个人或集体，均已在文中作了明确的说明并表示了谢意。 作者签名：日期： 指导教师签名：日期： 使用授权说明 本人完全了解大学关于收集、保存、使用毕业设计（论文）的规定，即：按照学校要求提交毕业设计（论文）的印刷本和电子版本；学校有权保存毕业设计（论文）的印刷本和电子版，并提供目录检索与阅览服务；学校可以采用影印、缩印、数字化或其它复制手段保存论文；在不以赢利为目的前提下，学校可以公布论文的部分或全部内容。 作者签名：日期： Ⅰ

学位论文原创性声明 本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加以标注引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律后果由本人承担。 作者签名：日期：年月日 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。 涉密论文按学校规定处理。 作者签名：日期：年月日 导师签名：日期：年月日 Ⅰ

基于单片机的人脸识别系统

摘要 摘要 随着社会的发展，各个方面对快速有效的自动身份验证的要求日益迫切。由于生物特征是人的内在属性，具有很强的自身稳定性和个体差异性，因此是身份验证的理想依据。这其中，利用人脸特征又是最自然直接的手段，相比其他生物特征，它具有直接、友好、方便的特点，易于为用户接受。 人脸识别是一个涉及面广且又很有挑战性的研究课题，近年来关于人脸识别的研究取得了较大的进展。 关键词：人脸识别，AT89C51单片机，液晶显示器

Abstract As the development of the society, there are increasing demands in automatic identity check. Since some biological characteristics are intrinsic and stable to people and are strongly different from one to the others, they can be used as features for identity check. Among all the characteristics of human, the characteristics of face are the most direct tools which are friendly and convenient and can easily be accepted by the customers. Face recognition is an extensive and challenging research problem. Recently, significant progresses have been made in the technology of the face recognition. Key word:AT89C51 MCU，human face recognition，LCD

人脸识别课程设计报告

用Matlab实现人脸识别 学院：信息工程学院 班级：计科软件普131 成员：

一、问题描述 在一个人脸库中，有15 个人，每人有11 幅图像。要求选定每一个人的若干幅图像组成样本库，由样本库得到特征库。再任取图像库的一张图片，识别它的身份。 对于一幅图像可以看作一个由像素值组成的矩阵，也可以扩展开，看成一个矢量。如一幅N*N象素的图像可以视为长度为N2的矢量，这样就认为这幅图像是位于N2维空间中的一个点，这种图像的矢量表示就是原始的图像空间，但是这个空间仅是可以表示或者检测图像的许多个空间中的一个。不管子空间的具体形式如何，这种方法用于图像识别的基本思想都是一样的，首先选择一个合适的子空间，图像将被投影到这个子空间上，然后利用对图像的这种投影间的某种度量来确定图像间的相似度，最常见的就是各种距离度量。因此，本次采用PCA算法确定一个子空间，最后使用最小距离法进行识别，并用matlab实现。

二、PCA 原理和人脸识别方法 1）K-L 变换 K-L 变换以原始数据的协方差矩阵的归一化正交特征矢量构成的正交矩阵作为变换矩阵，对原始数据进行正交变换，在变换域上实现数据压缩。它具有去相关性、能量集中等特性，属于均方误差测度下，失真最小的一种变换，是最能去除原始数据之间相关性的一种变换。PCA 则是选取协方差矩阵前k 个最大的特征值的特征向量构成K-L 变换矩阵。 2）主成分的数目的选取 保留多少个主成分取决于保留部分的累积方差在方差总和中所占百分比(即累计贡献率)，它标志着前几个主成分概括信息之多寡。实践中，粗略规定一个百分比便可决定保留几个主成分；如果多留一个主成分，累积方差增加无几，便不再多留。 3）人脸空间建立 假设一幅人脸图像包含N 个像素点，它可以用一个N 维向量Γ表示。这样，训练样本库就可以用Γi（i=1，...，M）表示。协方差矩阵C 的正交特征向量就是组成人脸空间的基向量，即特征脸。将特征值由大到小排列：λ1≥λ2≥...≥λr,其对应的特征向量为μk。这样每一幅人脸图像都可以投影到由u1,u2,...,ur张成的子空间中。因此，每一幅人脸图像对应于子空间中的一点。同样，子空间的任意一点也对

基于PCA的人脸识别算法实现毕业论文

基于PCA的人脸识别算法实现毕业论文 目录 前言 (1) 第一章人脸识别系统概述 (2) 第一节人脸识别的研究概况 (2) 第二节人脸识别的发展趋势 (3) 一、多数据融合与方法综合 (4) 二、动态跟踪人脸识别系统 (4) 三、基于小波神经网络的人脸识别 (4) 四、三维人脸识别 (4) 五、适应各种复杂背景的人脸分割技术 (4) 六、全自动人脸识别技术 (4) 第三节人脸识别技术的主要难点 (4) 一、复杂条件下人脸的检测和关键点定位 (5) 二、光照问题 (5) 三、资态问题 (5) 四、表情问题 (5) 五、遮挡问题 (5) 第四节人脸识别流程 (5) 一、人脸图像采集 (6) 二、预处理 (6) 三、特征提取 (6) 第五节本章小结 (7) 第二章人脸图像的获取 (9) 第一节人脸图像获取 (9) 第二节人脸分割 (9) 第三节人脸数据库 (10) 第四节本章小结 (11) 第三章人脸图像的预处理 (12)

第一节人脸图像格式 (12) 一、JPEG格式 (12) 二、JPEG2000格式 (12) 三、BMP格式 (13) 四、GIF格式 (13) 五、PNG格式 (13) 第二节人脸图像常用预处理方法 (14) 一、灰度变化 (14) 二、二值化 (15) 三、直方图均衡 (15) 四、图像滤波 (15) 五、图像锐化 (17) 六、图像归一化 (18) 第三节本章小结 (19) 第四章人脸识别 (20) 第一节主成分分析基本理论 (20) 一、什么是主成分分析？ (20) 二、例子 (20) 三、基变换 (21) 四、方差 (23) 五、PCA求解：特征根分解 (27) 六、PCA的假设 (28) 七、总结： (28) 八、在计算机视觉领域的应用 (30) 第二节基于PCA人脸识别算法的实现 (31) 一、创建数据库 (32) 二、计算特征脸 (32) 三、人脸识别 (34) 第三节本章小结 (36) 结论 (37) 致谢 (38) 参考文献 (39) 附录 (40) 一、英文原文 (40) 二、英文翻译 (53)

数字图像处理课程设计人脸检测与识别

数字图像处理课程设计

人脸检测与识别课程设计一、简介人脸检测与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。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。 本此课程设计基于MATLAB，将检测与识别分开进行。其中检测 部分使用实验指导书上的肤色模型算法进行，不进行赘述。识别 部分采用PCA算法对检测出的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，将在后文具体表述。仿真结果验证了本算法是有效的。 二、人脸检测源码 1.img=imread('D:\std_test_images\face3.jpg'); figure; imshow(img); R=img(:,:,1); G=img(:,:,2); B=img(:,:,3); faceRgn1=(R>95)&(G>40)&(B>20)&max(img,[],3)-min(img,[],3)>15& abs(R-G)>15&R>B; figure; imshow(faceRgn1); r=double(R)./double(sum(img,3)); g=double(G)./double(sum(img,3)); Y=0.3*R+0.59*G+0.11*B; faceRgn2=(r>0.333)&(r<0.664)&(g>0.246)&(g<0.398)&(r>g)& g>=0.5-0.5*r; figure; imshow(faceRgn2); Q=faceRgn1.*faceRgn2;

开题报告-人脸识别系统的研究与实现(可编辑修改word版)

武汉理工大学本科生毕业设计（论文）任务书 学院：自动化学院专业班级：自动化1005 班 姓名：王建华学号： 0121011360501 毕业设计（论文）题目：人脸识别系统的研究与实现 任务书含以下方面的内容： （一）设计（论文）主要内容： OpenCV 是一个开源的跨平台计算机视觉库，可实现图像处理和计算机视觉方面的很多通用算法。OpenCV 给人脸识别提供了一整套图像处理以及图像与模式分析函数，可迅速完成人脸的识别和检测。本研究希望利用OpenCV 库，开发一个人脸识别系统，能够辨认出6-8 个人脸，并有相应的反应。 （二）要求完成的主要任务： 1、查阅不少于15 篇的相关资料，其中英文文献不少于2 篇，完成开题报告。 2、通过对资料的阅读，深入了解OpenCV 库以及人脸检测与识别的相关算法。 3、利用OpenCV 库实现人脸检测与识别算法。 4、完成不少于2 万英文（5000 汉字）印刷符的英文文献翻译。 5、完成毕业论文（设计说明书和相关图纸）。 （三）进度安排 第1-2 周：查阅相关文献资料，明确研究内容，了解研究所需硬件和软件。确定方案，完成开题报告。 第3-4 周：安装软件，学习熟练应用软件OpenCV。 第5-7 周：学习OpenCV 库中的相关函数。 第8-10 周：利用VS2010 软件编程，熟练掌握OpenCV 的各种相关功能。 第10-12 周：OpenCV 程序的修改，调试。 第13-14 周：修改并完成毕业论文。 第15 周：准备论文答辩。 (四) 必读参考资料及主要参考文献 [1]（美）布拉德斯基（Bradski G.），（美）克勒（Kaehler A.），于仕琪，刘瑞祯．学习OpenCV（中文版）[M]．清华大学出版社，2009：601.

基于matlab的人脸识别课程设计

目录 摘要...................................................................... III 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)

机器学习概述课程设计报告MATLAB人脸识别

机器学习概述课程设计 报告M A T L A B人脸识别 Document serial number【UU89WT-UU98YT-UU8CB-UUUT-UUT108】

机器学习概述课程设计报告题目：MATLAB人脸识别系统 姓名：** 学号：** 专业：** 时间：2015/8/7

目录 一、课程设计的目的.......................................... 二、设计的内容与要求........................................ 三、详细设计................................................ 四、课程设计的总结.......................................... 五、参考文献................................................

一. 课程设计的目的 人脸识别作为一项新兴的科学研究项目，有着广泛的应用前景，而且随着计算机技术的更新发展，它的科学研究价值也越发凸显。经过几十年的研发探讨，世界各大研究结构的研发人员的不断努力下，人脸识别技术一已取得丰硕的成果，可在一定限制条件下完成人脸的自动识别。这些成果的取得更促进了人们对人脸识别这一课题的深入研究。 在电子商务飞速发展的今天，人脸识别系统的范畴一不足以涵括人脸识别的应用范围，在数字图像处理、视频领域、基于内容的检索等方面有着重要的应用价值。。 二．设计的内容及要求 1、选择KNN,聚类或SVM方法中的一种或其他机器学习方法的一种 进行课程设计 2、要求能完成具体的识别任务：如图像分割、语音识别、人脸识 别 3、要求识别的对象中有自己生活元素，比如图像中包括学校的图片或语音时本人的语音等。 三．详细设计 YCbCr空间——>灰度图像转换——>噪声消除——>图像填孔——>图像重构——>人脸区域确定——>边缘检测