摘 要

21世纪是信息技术的时代，信息安全问题已经成为人们密切关注的问题。随着人工智能的发展，生物特征识别技术正在兴起，比起以往常用的证件识别，生物特征识别技术具有使用方便，识别性高，避免伪造的优点。而在生物特征识别技术中，人脸识别以其友好，方便，直接的优点，被广泛地应用于各个领域。

本文首先阐述了课题的研究目的及意义，分析了国内外的研究现状，并介绍了几种典型的人脸识别方法。随后根据人脸识别的结构框架分析了采用PCA算法来实现人脸识别的过程。该过程包括获取人脸图像、图像预处理、对人脸进行检测与定位，采用PCA算法进行特征提取以及使用最近邻域方法来识别人脸图像。其中着重论述了利用PCA算法进行特征提取的过程。最后，系统在MATLAB平台上进行了仿真实现，并对结果进行了分析，归纳总结了未来的研究方向。

关键词：生物特征；人脸识别；PCA算法；图像预处理；MATLAB

Abstract

The 21st century is the era of information technology, information security has become a close concern. With the development of artificial intelligence, biometric identification technology is emerging, compared with the usual identification of documents, biometric identification technology has easy to use, high recognition, to avoid forgery of the advantages. In the biometrics, face recognition is widely used in various fields for its friendly, convenient and direct advantages.

This paper first elaborates the purpose and significance of the research, analyzes the current situation of research at home and abroad, and introduces several typical face recognition methods. Then the process of using PCA algorithm to realize face recognition is analyzed according to the structural framework of face recognition. The process includes obtaining face images, image preprocessing, detecting and locating faces, using PCA algorithm to extact feature , and using nearest neighbor method to identify face images. The paper focuses on the using PCA algorithm to feature extraction process. Finally, the simulation is realized on the MATLAB platform, and the results are analyzed, and the future research direction is summarized.

Key words:Biometrics; face recognition; PCA algorithm; image preprocessing;MATLAB

目录

摘 要 I

Abstract II

第1章 人脸识别系统概述 1

1.1 研究目的及意义 1

1.2 国内外研究现状 1

1.2.1 国外研究现状 2

1.2.2 国内研究现状 2

1.3 主要研究内容 3

第2章 图像预处理与人脸检测 4

2.1 图像预处理 4

2.1.1 图像灰度化 4

2.1.2 直方图均衡化 5

2.1.3 图像去噪 6

2.1.4 图像尺寸归一化 6

2.2 常见的人脸检测方法 7

2.2.1 基于知识规则的方法 7

2.2.2 基于统计模型的方法 8

第3章 人脸识别 11

3.1 人脸识别的主要方法 11

3.1.1 基于几何特征的方法 11

3.1.2 弹性图匹配方法 11

3.1.3 基于子空间的分析方法 12

3.1.4 人工神经网络方法 12

3.1.5 隐马尔可夫模型方法 13

3.2 基于PCA的人脸识别 13

3.2.1 K-L变换 14

3.2.2 PCA人脸识别过程 14

第4章 系统的设计与实现 18

4.1 系统设计 18

4.1.1 图像获取及预处理 18

4.1.2 训练部分实现步骤 20

4.1.3 识别部分实现步骤 23

4.2 仿真结果与分析 25

第5章 总结与展望 28

5.1 总结 28

5.2 展望 29

参考文献 30

致 谢 31

第1章 人脸识别系统概述

1.1 研究目的及意义

在当今信息化时代，随着人工智能的发展，生物特征识别被广泛用于信息系统和计算机网络安全领域。生物特征识别技术是指通过计算机将人体所特有的特征作为判别信息来进行身份验证。目前，生物特征识别技术包括人脸识别，指纹识别，虹膜识别，掌纹识别和DNA识别等等。在众多生物识别技术中，人脸识别相较其他识别方式，具有不少优点：（1）操作隐蔽性强，可以在使用者不知道的情况下进行特征提取，在进行安全防范以及对罪犯的监控抓捕中比较常用；（2）非接触式采取样本特征，没有侵犯性，容易被接受；（3）可交互性强，能够改善人机界面；（4）实现设备比较简单、通用，并且设备成本较低。因此具有更广泛的应用。

人脸识别被广泛应用于以下领域：（1）公共安全；比如嫌疑犯识别、公安部门抓捕犯人以及国家安防检查。（2）信息安全：用户登录计算机和网络，用户把一些重要资料和信息进行加密和解密。（3）政府职能：户籍管理和社会福利等工作中确认当事人身份。（4）商业企业：使用电子货币进行支付时确认身份；公司企业员工工作中签到。（5）场所进出：对军事重要机构以及金融部门的进行严格地进出管理控制。人脸识别不仅在社会、生活方面具有研究价值，而且具有较高的学术研究价值。人脸识别结合了计算机视觉和模式识别，同时还引用了信号处理，生理学以及认知科学等其他学科的知识。

但是人脸识别也存在识别困难。一般情况下，人脸识别基于视图模式，因此容易受到不确定因素的影响。例如，同一张人脸会由于成像条件和光照条件等因素的影响^[1]而有很大的差异，而不同的人脸在一定条件下也会有很大的相似 。另外还有人脸表情，人脸装饰和年龄跨度等内在生理变化和外界环境变化都会使人脸识别精度不稳定。