论文总字数：21468字

摘 要

本课题主要使用c 语言及OpenCV图形视觉库实现一个基于人脸识别的数据分析系统。

本篇论文将从课题研究背景及研究意义开始论述，并说明了人脸识别和数据分析两者相结合的特点。之后介绍本系统的开发语言及所需环境，该系统以Visual Studio 2013为开发工具，配合OpenCV图形视觉库进行图像的分析和处理。再对系统的目标及需求进行分析，再对系统的设计进行详细讲解，以及对系统使用的主要技术进行阐述。本系统将通过摄像头采集视频流并进行检测 。首先判断其是否存在人脸 , 若是存在人脸，则会提取出人脸图像。通过对特征的提取和分析，可以进一步得到细节信息，通过机器学习中的支持SVM(支持矢量机)技术的分析，可以对检测到的人脸信息进行定性和分类。在获取到可用的人脸数据之后，系统将对数据进行整合统计，直观的表现出数据中存在的有效信息。

关键词：人脸识别 数据分析 特征 检测 支持矢量机

Data analysis based on Face recognition

ABSTRACT

This project mainly uses c and OpenCV library to implement a data analysis system based on face recognition.

This paper will start with the background and significance of the research, and explain the combination of face recognition and data analysis. Then it introduces the development language of the system and the required environment. The system uses Visual Studio 2013 as the development tool, and carries on the image analysis and processing with the OpenCV library. Then the system goals and needs analysis, and then the system design in detail, as well as the system used in the main technology described. This system collects video stream through camera and detects. First of all, to determine whether there is human face, if there is human face, it will extract the face image. Through the extraction and analysis of features, further details can be obtained. Through the analysis of the support SVM (support vector machine) technology in machine learning, the detected face information can be qualitatively and classified. After obtaining the available face data, the system will integrate the data and display the valid information in the data intuitively.

Keywords: Face recognition ;Data analysis; Feature; Detection；Support Vector Machine

目录

摘要 I

ABSTRACT II

目录 i

第一章 绪论 １

1.1 课题背景及研究意义 １

1.2 系统目标 １

1.3 章节安排 １

1.4 本章小结 ２

第二章 开发语言和所需环境介绍 ３

2.1 C 语言简介 ３

2.2 OpenCV视觉库简介 ３

2.3 开发工具简介 ３

2.4 本章小结 ４

第三章 系统的设计 ５

3.1 总体架构 ５

3.2 程序流程 ６

3.3 功能分析 ７

3.3.1人脸识别 ７

3.3.2 数据分析 ７

3.4 主要技术介绍 ８

3.4.1 特征选取 ８

3.4.2 SVM(支持矢量机) １１

3.5本章小结 １３

第四章 系统模块及代码的实现 １５

4.1 人脸检测 １５

4.1.1处理流程详细说明 １５

4.1.2编码设计 １６

4.1.3关键函数说明 １７

4.1.4 人脸检测模块界面 ２３

4.2 数据分析 ２４

4.2.1处理流程详细说明 ２４

4.2.2关键函数设计 ２４

4.2.3 数据分析模块界面 ２８

4.3 本章小结 ２９

第五章 总结与展望 ３０

参考文献 ３１

致谢 ３３

第一章 绪论

随着科技的发展，人脸识别这项的生物识别技术越来越多的被大众所熟悉。该技术利用计算机图形学处理技术从视频流中提取人脸特征点并利用生物统计学的原理进行分析建立数学模型，最终通过模型的比对，从而获取到人脸信息。

随着商用“大数据”时代的到来，数据的商业价值变得越发重要，获取有效信息的途径也多种多样。通过对人脸信息的识别检测，获取有效的数据结果也是一种有效且合适的途径。

1.1 课题背景及研究意义

人脸识别技术是图像处理、模式识别、统计学等多学科相结合的技术。其通过利用计算机对人脸图像进行特征提取并处理和分析，获取有效特征信息。人脸识别技术具有非接触性采集的特点和良好的用户接受程度等优点。对于某些特定情况，如定点分析数字广告等内容对于用户的吸引程度等问题，人脸识别有不错的表现。例如如通过人脸识别技术统计商铺顾客人流情况或是分析得出顾客的性别、年龄等信息，再基于收集的数据利用大数据分析技术，可为商铺提供更优质的营销方案。

1.2 系统目标

本课题开发一个基于人脸识别技术的数据分析系统，包括人脸识别模块和数据分析模块。通过摄像头进行视频流采集获取有用的信息并进行进一步分析，通过对人脸的检测和相应特征的提取，找寻出识别到的人脸的更为深层次信息。人脸识别模块包括人脸识别、性别识别、年龄段识别及表情识别的功能。数据分析模块则是通过对人脸识别模块识别结果数据进行分析统计，并寻求较为直观的方式展现分析结果，亦可以结合机器学习理论等方式进行更为深层次的数据挖掘分析服务。

1.3 章节安排

本系统使用C 语言和Visual Studio开发平台完成基于人脸识别的数据分析系统，主要分为五章，内容安排如下：

1. 介绍了课题背景和研究意义及系统要完成的目标。
2. 介绍了开发语言及所需的工具。
3. 描述了系统的设计，描述了系统的设计，要包括系统总体架构设计，程序 流程设计，程序功能分析（包括人脸识别功能和数据分析功能）及系统开发所需要的主要技术。其中主要技术方面分为特征提取技术和分类技术。特征提取介绍了三种特征，分别为Harr特征，Hog特征以及LBP特征。分类技术为机器学习理论中的SVM支持矢量机技术。
4. 介绍了系统的各个界面和具体实现的代码，描述了两大功能模块，人脸识别模块和数据分析模块的实现方式。主要包括各种的流程处理详细说明，编码设计，关键函数说明以及模块的功能界面。
5. 是对全文的总结和未来的展望，分析该系统的不足以及优化方案，并总结本次毕业设计中的收获和感想。

1.4 本章小结

本章主要交代了课题背景及研究意义，着重阐述了系统的设计目标，并对之后章节的安排做出了合理的规划，使得论文结构更加清晰明了，更富层次感。

第二章 开发语言和所需环境介绍

本章主要介绍系统开发所需要的开发环境和语言，本系统采用的开发语言是C ,开发工具是Visual Studio2013，视觉依赖库为Opencv2.4.9。

2.1 C 语言简介

C 是由C语言继承和发展而来。它既可以进行C语言的过程化程序设计，又可以进行以抽象数据类型为特点的基于对象的程序设计。C 擅长面向对象程序设计的同时，还可以进行基于过程的程序设计。因此C 可以适应不同规模的开发需求。

C 不仅拥有计算机高效运行的实用性特征，同时还致力于提高大规模程序的编程质量与程序设计语言的问题描述能力。

2.2 OpenCV视觉库简介

OpenCV的全称是：Open Source Computer Vision Library。OpenCV是一个基于BSD许可（开源）发行的跨平台计算机视觉库，可以运行在Linux、Windows、Android和Mac OS操作系统上。它轻量级而且高效——由一系列 C 函数和少量 C 类构成。

请支付后下载全文，论文总字数：21468字