毕业论文人脸识别系统Word文档格式.docx

毕业论文人脸识别系统Word文档格式.docx

《毕业论文人脸识别系统Word文档格式.docx》由会员分享，可在线阅读，更多相关《毕业论文人脸识别系统Word文档格式.docx（56页珍藏版）》请在冰豆网上搜索。

第二节 需求分析 6

—应用程序的功能需求分析 6

二 开发环境的需求分析 7

三 运行环境的需求分析 7

第三节 预处理方案选择 7

—设计方案原则的选择 7

二 图像文件格式选择 8

三 开发工具选择 8

四 算法选择分析 8

第三章 系统的概要设计 9

第一节 各模块功能简介 9

第四章 系统详细设计 14

第一节 系统整体设计简述 14

第二节 图像处理详细设计 14

—位图详细设计 14

二 图像点处理详细设计 15

（二）光线补偿算法和代码实现 16

（三）图像灰度化算法和代码实现 18

（四）高斯平滑算法和代码实现 20

（五）灰度均衡算法和代码实现 23

（六）图像对比度增强算法和代码实现 25

第三节 编程时的问题解决 26

第五章 结构设计 28

第六章 测试 35

第一节 测试方案选择的原则 35

第二节 测试方案 36

结束语 37

致 谢参考文献

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：

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。

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。

日期：

年

月

日

导师签名：

摘要

人脸识别因其在安全验证系统、信用卡验证、医学、档案管理、视频会议、人机交互、系统公安（罪犯识别等）等方面的巨大应用前景而越来越成为当前模式识别和人工智能领域的一个研究热点。

本文提出了基于24位彩色图像对人脸进行识别的方法，介绍的主要内容是图像处理，它在整个软件中占有极其重要的地位，图像处理的好坏直接影响着定位和识别的准确率。

本软件主要用到的图像处理技术是：

光线补偿、高斯平滑和二值化。

在识别前，先对图像进行补光处理，再通过肤色获得可能的脸部区域，最后根据人脸固有眼睛的对称性来确定是否就是人脸，同时采用高斯平滑来消除图像的噪声，再进行二值化，二值化主要采用局域取阈值方法，接下来就进行定位、提取特征值和识别等操作。

经过测试，图像预处理模块对图像的处理达到了较好的效果，提高了定位和识别的正确率。

【关键字】：

人脸识别；

光线补偿；

高斯平滑；

对比度增强

Abstract

Facerecognitionisacomplexanddifficultproblemthatisimportantforsurveillanceandsecurity,telecommunications,digitallibraries,videomeeting,andhuman-computerintelligentinteractions.

Thepaperintroducedthemethodoffacerecognitionthatbasedonthe24bitmulticolorimage,Maincontentthatthepaperintroducedisthepicturetreatment,Itoccupiestheextremelyimportantpositioninthewholesoftware,thequalityofpictureprocessdirectlyinfluencedtheaccuracyrateoflocalizationanddiscerning.Thepicture processtechnologythatthe softwaremainlyusedincluded:

light

compensating、gausssmoothandtwainvaluemethod.beforediscerning,wecompensatedthelightforimage,thenwecouldobtainthepossiblefaceareathroughthecomplexion,finally,thesystemcoulddependonthesymmetryofeyesto make

surewhetheritisthefaceofpeople,atthesametime,thesystemcouldeliminatenoisesthroughthemethodthatnamedgauss smoothness,thenweusedtwain value

methodtodealwithpicture，themethodgotthethresholdvalueinfacearea.Afterdealingwithpicture,thefollowingoperationsarelocalization、drawcharacteristic

value、discerningandsoon.Aftertesting,wemadetruethatthepicturepretreatment

modalhasgetthebettereffectintheprocessofdealingwithpicture,andimprovetheexactnessrateoflocalizationanddiscerning.

【keyword】:

Facerecognition；

lightcompensating；

gausssmooth；

contrastenhancing

第一章 前言

— 课题的来源

随着安全入口控制和金融贸易方面应用需要的快速增长，生物统计识别技术得到了新的重视。

目前，微电子和视觉系统方面取得的新进展，使该领域中高性能自动识别技术的实现代价降低到了可以接受的程度。

而人脸识别是所有的生物识别方法中应用最广泛的技术之一，人脸识别技术是一项近年来兴起的，但不大为人所知的新技术。

人们更多的是在电影中看到这种技术的神奇应用：

警察将偷拍到的嫌疑犯的脸部照片，输入到电脑中，与警方数据库中的资料进行比对，并找出该嫌犯的详细资料和犯罪记录。

这并非虚构的情节。

在国外，人脸识别技术早已被大量使用在国家重要部门以及军警等安防部门。

在国内，对于人脸识别技术的研究始于上世纪90年代，目前主要应用在公安、金融、网络安全、物业管理以及考勤等领域。

二 人脸识别技术的研究意义

1、富有挑战性的课题

人脸识别是机器视觉和模式识别领域最富有挑战性的课题之一，同时也具有较为广泛的应用意义。

人脸识别技术是一个非常活跃的研究领域，它覆盖了数字图像处理、模式识别、计算机视觉、神经网络、心理学、生理学、数学等诸多学科的内容。

如今，虽然在这方面的研究已取得了一些可喜的成果，但是FRT在实用应用中仍面临着很严峻的问题,因为人脸五官的分布是非常相似的，而且人脸本身又是一个柔性物体，表情、姿态或发型、化妆的千变万化都给正确识别带来了相当大的麻烦。

如何能正确识别大量的人并满足实时性要求是迫切需要解决的问题。

2、面部关键特征定位及人脸2D形状检测技术

在人脸检测的基础上，面部关键特征检测试图检测人脸上的主要的面部特征点的位置和眼睛和嘴巴等主要器官的形状信息。

灰度积分投影曲线分析、模板匹配、可变形模板、Hough变换、Snake算子、基于Gabor小波变换的弹性图匹配技术、主动性状模型和主动外观模型是常用的方法。

可变形模板的主要思想是根据待检测人脸特征的先验的形状信息，定义一个参数描述的形状模型，该模型的参数反映了对应特征形状的可变部分，如位置、大小、角度等，它们最终通过模型与图像的边缘、峰、谷和灰度分布特性的动态地交互适应来得以修正。

由于模板变形利用了特征区域的全局信息，因此可以较好地检测出相应的特征形状。

由于可变形模板要采用优化算法在参数空间内进行能量函数极小化，因此算法的主要缺点在于两点：

一、对参数初值的依赖程度高，很容易陷入局部最小；

二、计算时间长。

针对这两方面的问题，我们采用了一种由粗到细的检测算法：

首先利用人脸器官构造的先验知识、面部图像灰度分布的峰谷和频率特性粗略检测出眼睛、鼻子、嘴、下巴的大致区域和一些关键的特征点；

然后在此基础上，给出了较好的模板的初始参数，从而可以大幅提高算法的速度和精度。

眼睛是面部最重要的特征，它们的精确定位是识别的关键。

基于区域增长的眼睛定位技术，该技术在人脸检测的基础上，充分利用了眼睛是面部区域内脸部中心的左上方和右上方的灰度谷区这一特性，可以精确快速的定位两个眼睛瞳孔中心位置。

该算法采用了基于区域增长的搜索策略，在人脸定位算法给出的大致人脸框架中，估计鼻子的初始位置，然后定义两个初始搜索矩形，分别向左右两眼所处的大致位置生长。

该算法根据人眼灰度明显低于面部灰度的特点，利用搜索矩形找到眼部的边缘，最后定位到瞳孔的中心。

实验表明，本算法对于人脸大小、姿态和光照的变化，都有较强的适应能力，但在眼部阴影较重的情况下，会出现定位不准。

佩戴黑框眼镜，也会影响本算法的定位结果。

3、面部感知系统的重要内容

基于视觉通道信息的面部感知系统，包括人脸检测和跟踪、面部特征定位、面部识别、人脸归类（年龄、种族、性别等的判别）、表情识别、唇读等分系统，如图1-1所式，可以看出，继人脸检测和跟追之后，面部特征定位通常是面部感知的一个必备环节，是后续工作的基础，具有重要的意义。

尽管