1.1研究目的

为了记录人员的到场情况，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。所以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，同时应用人脸识别的前沿技术，可以有效杜绝签到作弊的不诚信行为。研究开发这样一套具有自动人脸识别技术的智能签到系统具体广泛的应用市场和发展前景。

本次毕业设计的目的是基于MATLAB平台，结合PCA和SVM两项关键技术来实现人脸识别，将到场人员的人脸图像与人员信息库中人脸图像进行匹配辨认，智能获取到场人员的身份并记录，以达到智能签到的目的。

1.2国内外研究现状分析

随着社会的不断进步以及各方面对于快速有效的自动身份验证的迫切要求，生物特征识别技术在近几十年中得到了飞速的发展。作为人的一种内在属性，并且具有很强的自身稳定性及个体差异性，人脸识别成为了自动身份验证的最理想依据。人脸检测识别技术是计算机视觉和图像模式识别领域的一个重要研究课题，它在生物领域、安全领域、商贸领域及经济领域都有着广泛的应用前景，诸如身份验证、指纹识别、监控系统等。但是人脸随着年龄等生理因素或光线等成像因素都会发生很大的变化，这诸多因素使得人脸识别成为一项极富挑战性的课题。

在深度学习出现以前，人脸识别方法一般分为高维图像特征提取和降维两个步骤，代表性的学习方法有PCA,LDA等子空间学习方法和LPP等流行学习方法。2013年之前，人脸识别的主要技术路线为人造或基于学习的局部描述子以及测度学习；2014年之后，人脸识别的主要技术路线为深度学习，在深度学习方法流行之后，代表性方法为从原始的图像空间直接学习判别性的人脸表示。

国内关于人脸自动识别的研究始于二十世纪80年代，主要的研究单位有清华大学，哈尔滨工业大学，中科院计算所，中科院自动化所，复旦大学，北京科技大学等，并都取得了一定的成果。国内的研究工作主要是集中在三大类方法的研究：基于几何特征的人脸正面自动识别方法、基于代数特征的人脸正面自动识别方法和基于连接机制的人脸正面自动识别方法。国外的很多国家也一直在展开有关人脸识别的研究，主要有美国，欧洲国家，日本等，著名的研究机构有美国MIT的Media lab和AI lab, CMU的Human-Computer Interface Institute, Microsoft Research, 英国的Department of Engineering in University of Cambridge等。综合有关文献，目前的方法主要集中在以下几个方面：模板匹配、示例学习、神经网络和基于隐马尔可夫模型的方法。另外，基于AdaBoost的人脸识别算法，基于彩色信息的方法，基于形状分析的方法，以及多模态信息融合的方法，国外都进行了大量的研究与实验。

以人脸识别技术为支持的一些人工智能电子设备已经在人们的日常生活中投入应用，使人们的生活更加智能化、便捷化。相信随着这项技术的逐步完善与发展，人脸识别技术将给未来世界的生产生活带来巨大的影响，而人脸识别技术也会有着非常广阔的应用前景。

2. 研究的基本内容与方案

2.1基本内容

人脸识别技术的核心是基于人的脸部特征信息进行身份识别，所以本次设计所要考虑的核心问题即是如何将人的脸部信息的主要特征信息提取出来，以及如何对这些特征信息进行一个分类识别的过程。在这套系统中，我选择利用PCA方法实现对脸部特征信息的特征提取，利用SVM方法实现对脸部特征信息的分类训练和识别过程。