摘 要

随着当代信息技术的飞速发展，人体身份识别认证便有了可以拓展和提升的空间，人体面部识别作为生物特征识别的最基础的一个部分应运而生，不仅方便了人们的生活和生产，更是提高了信息的安全性和隐蔽性，因此受到广泛关注。一般的人脸识别系统可分为四个环节：图像预处理、人脸检测、特征提取和分类器设计。本论文将着重介绍特征提取和分类器设计这两个部分，以人脸识别技术和图像匹配为背景，详细分析了这两种算法的原理和优越性，并验证了这两种算法的可行性和高效性。

本文设计了一种基于特征点匹配的面部识别系统，可以将一幅图像或者照片中所存在的人脸进行检测并识别出来。具体的设计内容如下：

在人脸检测阶段，主要是通过Viola-Jones算法来实现一幅图像中人脸的检测的，它是基于人脸的Haar特征值来进行人脸检测的方法，利用计算机的机器学习，首先形成弱分类器，然后级联成强分类器，然后对人脸图像进行检测和识别。

在人脸识别阶段，主要分两个部分进行，一部分是使用主成分分析法对人脸图像进行降维，提取出特征脸，方便后面图像匹配的计算和学习；另一部分是使用支持向量机法进行人脸图像的匹配，通过样本训练和学习，来对测试对象进行识别。在整个系统的设计过程中，最后制作了一个GUI的识别界面，方便操作，也更有利于显示。

本文的面部识别使用的是ORL人脸库，并结合实验新采集的人脸数据，对系统进行了测试，测试结果表明此人脸识别系统具有较强的稳定性和较高的正确率。

关键词：人脸检测；图像匹配；人脸识别

Abstract

With the rapid development of contemporary information technology, there is much room for human identity recognition to get promoted and improved , and facial recognition, as the most basic part of biometric identification, has emerged.It not only facilitates people's lives and production. It also improves the security and concealment of information, so it has received extensive attention.The general face recognition system can be divided into four parts: image preprocessing, face detection, feature extraction and classifier design. This paper will introduce the feature extraction and classifier design, take face recognition technology and image matching as background, analyze the principle and superiority of these two algorithms in detail, and verify the feasibility and efficiency of these two algorithms.

In this paper, a facial recognition system based on feature point matching is designed, which can detect and recognize a face in an image or photograph. The specific design content is as follows:

In the face detection phase, the Viola Jones algorithm is mainly used to achieve face detection in an image. It is based on the Haar eigenvalue of the face to perform face detection. Using computer machine learning, a weak classifier is formed first, and then cascaded into a strong classifier, and then the face image is detected and recognized.

In the face recognition stage, it is mainly divided into two parts. One part is to use the principal component analysis method to reduce the dimension of the face image, extract the characteristic face, and facilitate the calculation and learning of the subsequent image matching. The other part is to use the support vector machine method to match face images and identify test objects through sample training and learning. In the entire system design process, a GUI identification interface was finally created to facilitate operation and more conducive to display.

In this paper, the face recognition system is tested with ORL face database and the newly acquired face data. The test results show that the face recognition system has strong stability and high accuracy.

Keywords: face detection ;image matching;face recognition

目录

第1章 绪论 1

1.1研究背景及意义 1

1.2国内外研究现状 2

1.3论文的研究内容及章节安排 4

第2章 特征点匹配算法基础 5

2.1人脸检测Viola-Jones算法 5

2.1.1 haar特征 5

2.1.2积分图像与矩形特征 6

2.1.3 分类学习 7

2.1.4 强分类器级联 7

2.2 PCA主成分分析法 8

2.2.1 主成分分析法的基本原理 9

2.2.2 主成分分析法的假设和局限 11

2.3 SVM支持向量机分类算法 11

2.3.1 线性分类 12

2.3.2 线性分类的一个例子 13

2.3.3 非线性SVM分类 14

2.3.4 SVM多值分类器构造方法 15

2.4 本章小结 16

第3章 面部识别系统的实现 17

3.1系统总体设计思路和总体框架 17

3.2人脸检测的实现 17

3.3人脸匹配识别的实现 19

3.3.1 面部特征提取 19

3.3.2 人脸的分类训练和匹配识别 22

3.4 本章小结 26

第4章 面部识别系统结果分析 27

4.1 人脸识别的正确率 27

4.2 人脸识别的时效性 27

4.3 提高与优化 28

4.4 本章小结 28

第5章 总结与展望 29

5.1总结 29

5.2展望 29

文献参考 31

致谢 32

第1章 绪论

1.1研究背景及意义

随着信息技术的不断发展，人体身份的鉴定有了更广阔的的提升空间。相较于传统的人工鉴定或者密码鉴定，不仅费时费力，而且也容易被他人代替和冒充。但生物体特征作为个人专属的身份特征，由于其唯一性和稳定性，可以作为人体身份鉴定的最基础的媒介，而且相比于虹膜特征、指纹特征、步态特征、声音特征等，人脸是生物体特征中最明显、最方便的特征，可以说是用来进行人体身份鉴定的最理想的方法。

人脸识别主要应用于身份识别，由于视频监控正在快速普及，众多的视频监控应用迫切需要一种远距离、用户非配合状态下的快速身份识别技术，以求远距离快速确认人员身份，实现智能预警。人脸识别技术应用的范围很广，如公安刑侦破案、门禁系统、摄像监视系统、网络应用、身份辨识、支付系统等，与其他类型的生物识别比较人脸识别具有如下特点：（1）非强制性：用户不需要专门配合人脸采集设备，几乎可以在无意识的状态下就可以获取人脸图像，这样的取样方式没有“强制性”；（2）非接触性：用户不需要和设备直接接触就能获取人脸图像，这样就可以让使用者更容易接受；（3）并发性：在实际应用场景下可以进行多个人脸的分类、判断和识别；除此之外还符合视觉特性，操作简单、结果直观、隐蔽性好等特点^[1]；（4）成本低：相较于其他人体身份验证需要非常高端精密的仪器来说，人脸识别只需要一个摄像头和一台电脑就行；（5）效率高：随着人脸识别技术的不断发展，有些设备的识别正确率已经达到99%甚至更高。

目前，以人脸作为人体身份鉴定与识别已经广泛应用于人们的生活和学习中的各个领域：（1）公安司法：使用人脸识别系统从监控录像中寻找嫌疑犯，在海关部门，使用人脸识别系统来进行快速确认公民身份；（2）企业管理：为了规范就业环境和保证工作安全，很多企业使用人脸识别系统来作为门禁，严格管控公司的人员进出，避免发生很多不必要的麻烦；（3）人口流量控制：在一些大型的公共场合，使用人脸识别系统可以快速判断当前固定区域的人口流量，从而可以达到安全预警的作用。此外，很多国家和地区也相应都展开了对此的研究，多家上市公司也不断推出相应的产品和应用，例如智能手机的人脸解锁功能、火车站的人脸智能识别进站功能、各种手机APP的人脸登录功能等。这不仅很大程度上方便了人们的生活，同时对信息的保密性和安全性的精度也有很大的提高。

伴随着社会信息化、自动化的发展，人们越来越认识到软件在日常生活和工作中所发挥的重要作用，这也进一步加强了人们对软件的依赖。与此同时，人脸识别系统的应用越来越广泛，规模越来越大。然而，尽管部分人脸系统已经投入了实际应用，但是人脸识别技术研究中仍然有许多问题没有得到很好的解决，如光照、表情、遮挡物等对人脸的影响。这就说明人脸识别完全走向实际应用还有待于探索和完善^[2]。

综上所述，我们可以显而易见的发现人脸识别技术具有广泛的应用前景和重要的研究价值，所以才更加突出本课题研究的重要意义。本课题在已有的经典的人脸识别算法的基础上，综合特征提取算法和图片匹配分类算法，根据实际的实验需要，设计了一套简易的面部识别系统，经过试验测试，基本可以满足要求。

1.2国内外研究现状

人脸识别是人类视觉最杰出的能力之一，它的研究涉及模式识别、图像处理、生理学、心理学、认知科学，与基于其它生物特征的身份鉴别方法以及计算机人机感知交互领域都有密切联系，是一项多门学科综合在一起的技术，因此早在六七十年代即引起了研究者的强烈兴趣。进入九十年代，由于各方面对人脸识别系统的迫切需求，人脸识别的研究重新变得非常热门。目前美国等国有许多研究组在从事人脸识别的研究，这些研究受到军方、警方及大公司的高度重视和资助，美国军方每年还专门组织人脸识别比赛以促进这一领域的发展^[3]。

国外的人脸识别研究早于国内，主要在美国、欧洲和日本等几个国家中研究技术已经比较成熟，目前，国际上较为成熟的几个人脸识别研究方向分别为：

1. 基于几何特征的人脸识别方法：该方法的基本原理是在人脸的先验知识的基础上进行特征提取，然后获取人脸的几何特征矢量，最后通过模式识别中的层次聚类思想来进行最后的特征矢量的匹配；
2. 基于模板匹配的人脸识别方法：该方法的基本原理是通过构建一个人脸模型来描述人脸特征，最后通过对比模板图像和待识别人脸在相同位置的像素等情况来确定是否是同一个人；
3. 基于K-L变换的特征脸的方法：该方法的基本原理是通过人脸库的训练样本，在统计分析的基础之上得到一组互相正交的基向量，然后每一个测试样本都可以通过这个这一组正交基来表示，最后通过与已经投影的人脸图像进行比较从而得出结果；
4. 基于隐马尔可夫模型的方法：该方法的基本原理是通过建立不同人脸的HMM模型，然后经过人脸样本去训练并计算该类人脸每个状态出现的概率，最后根据被测试样本的观察序列的输出概率来判决是哪一个训练样本；
5. 基于神经网络识别的方法：该方法的基本原理是利用神经网络的各种“神经元”互联成网的一个特点将许多不同的人脸图像及其对应的类别信息进行分析和处理，然后就会自动拟合出可以进行人脸分类的一个超平面，从而来判断待测试人脸的类别；

日本虽然也是略晚接触人脸识别技术的国家，但其发展却日新月异。就索尼公司来说，不仅之前就早于市场研制出可以进行笑脸识别拍照的摄影装备，在人脸表情识别上有了很大的进展，此外在普遍都是2D识别的情况下由自主研发出来了SotKinect提供了深度传感器来绘制3D面部，在2D扫描已经不能再保障安全的情况下，此3D扫描技术可以进一步提高准确率，也可以使用户在任何角度上都可以进行识别工作，避免了2D时使用一张假图片来冒充人脸的情况出现。此外，目前日本为了加强在东京奥运会期间的安全工作，同时也为了更加方便旅客的出入境管理工作，决定从2019年开始在机场开展人脸身份验证工作，整个过程会需要15秒，人脸识别系统将根据旅客护照中的电子芯片照片与现场本人的照片进行比对，并且已经预设了皱纹等自然容貌的变化情况，不会出现错误识别的情况。而且已经有日本公司将人脸识别的应用向市场推广，日前，NEC宣布将于国内开始销售“NeoFace Access Control”,只用把该设备安装在出入口就可以进行人脸识别解锁开门。

国内在人脸识别领域中的研究主要以高等院校和科研院所为主，比较有名的院校和科研院所有南京理工大学、上海交通大学、中科院等。针对局部保持策略存在的判别力不足的问题，南京理工大学的黄璞提出了局部最大间距鉴别嵌入(LMMDE)的特征提取方法。其中 LMMDE 不仅可以保持样本局部结构，还可以判别出不同类别样本在同一流形上的差异性，从而解决了不同类别样本相互重叠的问题^[1]。孙志军^[4]提出了一种基于深度学习的边际 Fisher分析特征提取的算法，该深度学习网络模型的特征训练分为无监督预训练以及基于边际 Fisher准则的监督式精雕训练过程，通过数据生成性预训练和精雕过程中正则化手段来防止过度拟合，用训练好的模型对特征进行提取。

人脸识别技术在中国的发展起步于上世纪九十年代末，经历了技术引进、专业市场导入、技术完善、技术应用、各行业领域使用等五个阶段。其中，2014年是深度学习应用于人脸识别的关键一年，该年Facebook发表一篇名为“Deep Face系统：达到肉眼级别的人脸识别系统”，之后Face 创始人印奇团队以及香港中文大学汤晓鸥团队均在学习结合人脸识别领域取得优异效果，两者在LFW数据集上识别准确度均超过99%，而肉眼在该数据集上的识别准确度仅为97.52%，可以说深度学习技术让计算机人脸识别能力超越人脸的识别程度。在目前的中国的科技公司中，就人脸识别技术而言，商汤科技、旷世科技和云从科技公司跻身前三名，他们公司的人脸识别技术与国内多家其他企业相融合，逐渐渗透到智慧城市、手机摄像机、刷脸取款、刷脸代驾等等一系列身份鉴别的领域中来，阿里、百度、腾讯这三家互联网巨头也不断对人工智能进行投资和研究，开发更新的人脸识别技术，其中阿里巴巴图灵实验室已经开发出来“人脸识别技术”3.0版，“1:1人脸技术”可以在毫秒之内识别假脸认证，采用的是动作检测和数据模型深度学习的技术，可以快速侦破社会上一些不法分子利用3D软件合成的假脸从而实施的犯罪活动，大力打击了这一系列犯罪团伙，目前，该技术仍然保持着“零误判”的记录，也就是说识别率已经达到百分之一百。但国内的人脸识别技术与国外相比还有很大一段差距，而且由于不同个体之间区别不大、人脸的外形不是很稳定等因素给人脸识别增添了更大的困难和挑战，光线、表情、遮挡物等都会对人脸识别带来一定的干扰，所以要实现更加精准的人脸识别还有很长的一段路要走。

综上所述，虽然人脸识别技术已经发展到相当成熟的阶段，也不断应用于银行、军队、社会福利保障、电子商务和安全防务等领域，但仍然存在一系列待解决的问题，如何提高准确率和时效性等等，这就使得相应的人脸识别技术的研究刻不容缓，为了应对越来越多、越来越高的市场需求，更新更好的识别技术急需被研发出来，可以看出人脸识别技术的研究将会具有重要的价值和广阔的发展前景。

1.3论文的研究内容及章节安排

本文的主要研究内容包括人脸检测和人脸识别两个部分。人脸检测部分运用的是Viola-Jones算法，可以将一张图片中的人脸同周遭的环境分离并识别出来；在人脸识别部分主要运用的是主成分分析法和支持向量机法，我们将人脸库中的人脸图片进行降维，方便后面的多分类算法的计算和学习；接下来我们对整个人脸识别系统的正确率做了一个统计和分析，并针对相关问题提出了更好的能提高准确率的方法和对策；最后我们针对本文的选题得出了相关的总结和对未来的展望。

全文共分为五章，内容安排如下：

第1章：绪论。简要介绍了人脸识别相关的背景及意义，对国内外人脸识别技术的发展现状进行了总结与概述，针对研究内容作简要介绍并列出章节安排。

第2章：特征点匹配算法基础。主要介绍了Viola-Jones算法、PCA算法和SVM算法的基本原理、算法特征、数学公式的推导、相关示例以及它们在本文的面部识别系统中的基本应用，正是在这些非常基础的算法上才能一步一步运用到实际问题中，从而解决生活和生产中的各种难题。

第3章：面部识别系统实现。主要介绍了面部识别系统的整体框架结构以及分别讲述了人脸检测的实现和人脸识别系统的实现，在整个系统的基础上分析设计的思路和过程，而且也分析了相关的主要程序代码，进一步理解整个算法的流程和应用，同时也将相应的设计界面展示出来并分析其设计原理。

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：