資源描述：
《人臉識別系統(tǒng)大學(xué)本科畢業(yè)論文.doc》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、廣西大學(xué)畢業(yè)設(shè)計論文人臉識別系統(tǒng)摘要生物認(rèn)證技術(shù)是依靠人類自身所固有的生理或行為特征進(jìn)行身份驗證的一種手段。而生物認(rèn)證中的人臉特征又是人與人之間互相辨識的最重要和最直觀的生物特征。由于人臉識別的無侵害性和對用戶最自然、最直觀的方式，使人臉識別成為最容易被接受的生物特征識別方式。但由于人臉在成像過程中受到諸如光照、表情、姿態(tài)等各種因素的影響，使得人臉識別是當(dāng)前最富挑戰(zhàn)性的研究課題之一。本文對人體生物認(rèn)證在現(xiàn)實生活中的重要作用、人臉檢測和人臉識別技術(shù)研究的意義、系統(tǒng)要完成的任務(wù)、系統(tǒng)的評價標(biāo)準(zhǔn)、人臉檢測和人臉識別技術(shù)的發(fā)展的主要
2、特點、實現(xiàn)方法等進(jìn)行了介紹，并指出了當(dāng)前人臉檢測與人臉識別領(lǐng)域的研究重點與難點,著重介紹和推導(dǎo)了人臉檢測和識別的相關(guān)算法，比如：AdaBoost算法、具有局部互聯(lián)結(jié)構(gòu)的BP神經(jīng)網(wǎng)絡(luò)反向傳播算法數(shù)學(xué)，以及在分析了傳統(tǒng)的彈性圖匹配的基礎(chǔ)上提出了人臉識別的基于局部特征分析(LFA)與最優(yōu)化匹配的人臉識別算法，該算法首先利用神經(jīng)網(wǎng)絡(luò)的方法估計出在識別人臉中起重要作用的一些特征點(如瞳孔、眼角、眉心、眉角、嘴角等)，之后利用Gabor小波的局部多尺度分析特性提取特征點的多尺度特征。這樣人臉的每一個特征點就被一系列的Gabor小波系數(shù)所
3、表示，最后對待識人臉與人臉庫中人臉的相應(yīng)特征點多尺度特征進(jìn)行最優(yōu)化匹配找出需要的人臉。最后，介紹了CMOS圖像傳感器、ARM9微處理器，設(shè)計了一個基于ARM9的人臉識別系統(tǒng)。關(guān)鍵字：生物認(rèn)證、人臉識別、神經(jīng)網(wǎng)絡(luò)、ARM73廣西大學(xué)畢業(yè)設(shè)計論文人臉識別系統(tǒng)HumanfacerecognitionsystemAbstractBiometricrecognitionrealizespersonalidentificationbasedontheinherentphysicalorbehavioralcharacteristicso
4、fhumanbeing,amongwhichfacialfeaturesarethemostimportantandintuitionalones.Facerecognitionhasbecomethemostacceptablebiometricrecognitionmethodbecauseofitsnoviolationofprivacyandintuition.Facerecognitionischallenginginthepatternrecognitionduetotheinfluenceofilluminat
5、ion
6、,expressionandpose.Inthispaper,wepresentacomprehensivereviewoffacedetectionandrecognition,whichincludesthefacedetection,facerecognitionandthecurrentdevelopmentintheliterature.Wealsogiveapresentationofthemajorpointsandchallengesinthefacedetectionandrecognitionre
7、search.Onthebaseofourresearch,introducedandtransmitalgorithmboutfacedetectionandfacerecognition,suchas:AdaBoostalgorithm,theproofforBPNeuralnetworkalgorithm.Andtraditionalelasticgraphmatchingisanalyzedandafacerecognitionalgorithmbasedonlocalfeatureanalysisandoptimi
8、zationmatchingisputforward.Firstly,someimportantfacefeatures(suchaspupil,canthus,centerofeyebrow,cornersofeyebrow,cornersofmouth)arelocatedusingneutralnetwork.Secondly,themultiscalefeaturesofthefeaturepointsareextractedusingthelocalmutiscaleanalysisfeatureoftheGabo
9、rwavelet.Inthisway,everyfacefeaturepointisrepresentedbyaseriesofGaborwaveletcoefficients.Finally,inordertofindthefacewanted,thetestfaceiscompared
