摘 要

作为机器人视觉与模式识别的一个重要研究方向，人脸识别技术是一种基于人脸的特征信息的一种生物特征识别技术。将人脸识别技术应用于签到系统可以智能记录人员到场情况，减少人力资源的浪费，杜绝代签到等不诚信行为，进一步地提高办公效率和管理水平。

本研究项目基于MATLAB平台，采用主成分分析（PCA）方法实现人脸图像的特征提取，用支持向量机技术（SVM）来实现分类和识别人脸图像，结合这两项关键技术来完成整个智能签到系统，将签到人员的面部图像与信息数据库中人员的脸部图像进行匹配辨认，智能获取到场人员的身份并记录，实现智能签到。最后通过MATLAB/GUI设计呈现了智能人脸识别的系统交互界面。

本次设计在ORL_FACE人脸数据库基础上加入采集到的人脸图片来进行系统测试，最高可达到86.5%的人脸识别正确率。在GUI界面中可以成功通过输入不同的参数来得到该组参数下得到的识别的正确率以及显示所匹配的人脸图像。

关键字：人脸识别；智能签到；主成分分析；支持向量机；GUI

Abstract

Face recognition technology has emerged as an important research direction of the robot vision and pattern recognition technology, it is a biological identification technology identification based on facial features of people's information. Applying the face recognition technology to the sign-in system can intelligently record the presence of personnel, reduce the waste of human resources, eliminate the dishonest behaviors such as signing in, and further improve office efficiency and management.

This research project is based on the MATLAB platform, using the principal component analysis (PCA) method to achieve the feature extraction of face images, using support vector machines (SVM) technology to achieve the classification of face images, combining the two key technologies to complete the entire Intelligent sign-in system, which matches the face image of the attending staff with the face image in the personnel information base, intelligently obtains the identity of the person present at the site and records it, realizing the smart sign-in. Finally, through MATLAB/GUI design, the system interactive interface for intelligent face recognition is presented.

In this design, the collected face images were added to the ORL_FACE database for system testing, achieving 86.5% accuracy in face recognition. GUI interface could successfully present the different recognition accuracy is under the set of parameters which we input and display the matching face image.

Keywords: Face recognition; smart signing; PCA; SVM; GUI

目录

第1章 绪论 1

1.1 题目研究背景及意义 1

1.1.1 传统签到系统与应用生物识别的智能签到系统 1

1.1.2 人脸识别技术与发展前景 2

1.2 国内外研究现状分析 4

1.3 研究平台及软件介绍 5

1.3.1 MATLAB软件介绍 5

1.3.2 GUI图像用户界面介绍 6

1.4 研究内容及章节安排 6

第2章 人脸图像的特征提取 8

2.1 人脸图像的预处理 8

2.1.1 人脸图像的采集 8

2.1.2 简单图像处理及结果 8

2.2 对人脸图像做主成分分析 10

2.2.1 PCA算法介绍 10

2.2.2 PCA算法的两个重要思想 10

2.2.2.1 方差最大思想 10

2.2.2.2 误差最小思想 11

2.2.3 PCA模块设计思想及流程 12

2.2.4 PCA模块的实现结果及分析 13

第3章 人脸图像的分类识别 16

3.1 SVM算法原理 16

3.2 SVM模块设计中的两个关键参数介绍 18

3.2.1 参数C 18

3.2.2 参数gamma 18

3.3 利用SVM算法实现人脸识别 19

3.3.1 人脸识别模块的设计思想及流程 19

3.3.2 利用SVM算法完成训练及识别 20

3.3.4 人脸识别的实验结果及分析 21

第4章 智能签到系统的实现 23

4.1 人脸匹配实验及结果分析 23

4.2 智能签到系统的GUI平台开发 24

4.2.1 GUI操作界面及使用方法介绍 24

4.2.2 GUI设计过程及实现 25

第5章 总结与展望 28

5.1 人脸识别系统设计总结 28

5.2 未来展望 28

参考文献 30

致 谢 31

1. 绪论

1.1 题目研究背景及意义

1.1.1 传统签到系统与应用生物识别的智能签到系统

签到系统可以说是当前生物识别技术最大的运用地之一，学校课堂以及公司会议等场合往往采用签名、点名等传统的签到方式，但这些方式不仅会造成时间、人力上不必要的浪费，偶尔还会因为代签到、代答到等不诚信的行为影响记录情况。之后所诞生的磁卡考勤机虽然使用非常方便，考勤时直接刷磁卡则可以完成考勤，但是也容易造成代签到代刷卡的不诚信行为。

基于生物认证的身份验证技术优于传统的身份识别方法的方面在于智能便捷，一套能够自动记录与会人员到场情况的智能签到系统可以帮助企业、团体降低行业应用的人员成本，提高办公效率，并可以有效杜绝签到作弊的不诚信行为。可被用来进行生物认证的生物特征是具有这些特点的：

1. 普遍性。为大众所拥有。
2. 独特性。每个个体拥有的此类特征都有其独特性。
3. 稳定性。此类特征不会在短时间内、不同区域内发生明显变化。
4. 可采集性。所选择的特征应该方便采集及处理。
5. 准确性。使用这些特征进行识别应该达到高精度。
6. 可接受性。用户对用此类特征进行身份认证的操作可以接受。
7. 安全性。用此类特征来进行识别的系统不容易被破坏。
8. 设备成本。设备成本高低直接影响到价格水平以及系统价格是否能达到用户可接受的价格。

不同的生物特征本身固有的特点决定了其在生物认证系统的性能好坏，而使用不同的生物特征进行采集、处理的方便程度和成本高低决定了其在未来是否具有广大的市场以及是否具有深远的研究意义。目前的智能考勤系统具有广泛的生物识别市场，其应用主要基于几种生物识别技术：虹膜信息、指纹信息、静脉信息以及人脸信息。

基于指纹识别技术的指纹考勤机已进入市场五年多，作为磁卡考勤机的替代品进入市场。它的价格和磁卡考勤机相近。但与磁卡考勤相比，其优点是不需要每天携带磁卡，避免了参与者的不便和磁卡的损坏。但是，如果指纹磨损或者信息收集方法错误，就不能得到准确的识别，由于虹膜考勤机昂贵的价格和设备尺寸太大，不能大规模使用，只有在一些安全系数大的特定的应用场合被需要。

人脸识别信息考勤机价格相对较低，通常只有几百元，而且在人数众多的情况下，可以实现非常好的和非常快的识别效果。识别精度高于指纹识别机，价格远低于虹膜识别机。基于人脸识别的考勤系统的工作原理是：由于世界上几乎没有两个相同的人脸，我们可以从人脸图像中提取特征，并将人脸特征和人员数据存储在数据库中。在考勤签到时，我们可以使用相机提取图像，之后通过算法处理提取图像主成分，之后将主成分与数据库中人脸信息相比对，选出与特征相近的图像。

表1中对于使用一些常见生物特征的生物认证技术在智能签到系统中的各种性能进行一个简单的比较^［3］。

表1.1 各种生物认证技术在智能签到系统中性能比较

分析表格中信息可见，综合生物特征的本身特点以及考虑到安全性和成本问题，基于人脸识别技术的智能签到系统具有广阔的市场和发展前景。

1.1.2 人脸识别技术与发展前景

以上是毕业论文大纲或资料介绍，该课题完整毕业论文、开题报告、任务书、程序设计、图纸设计等资料请添加微信获取，微信号：bysjorg。

相关图片展示：