人臉識別技術的研究與實現(xiàn)【開題報告+文獻綜述+畢業(yè)論文】

《人臉識別技術的研究與實現(xiàn)【開題報告+文獻綜述+畢業(yè)論文】》由會員上傳分享，免費在線閱讀，更多相關內容在學術論文-天天文庫。

1、本科畢業(yè)論文系列開題報告通信工程人臉識別技術的研究與實現(xiàn)一、課題研究意義及現(xiàn)狀人臉識別因其在公安(罪犯識別等)、安全驗證系統(tǒng)、信用卡驗證、醫(yī)學、檔案管理、視頻會議、人機交互系統(tǒng)等方面的巨大應用前景而越來越成為當前模式識別和人工智能領域的一個研究熱點[1]。迄今為止，機器視覺技術的發(fā)展已經歷了一個較為漫長的旅程。它最初只是應用于生產流水線，簡單的模擬人的視覺來執(zhí)行一些繁瑣、重復性的任務。經過研究者們的不懈努力，今天我們已經可以利用它實現(xiàn)更有效、友好、自由的人機交互界面，并且隨著人臉研究的進一步發(fā)展，更可以讓計算機實現(xiàn)通過觀察一個人以及這個人的表情變化等做出相應的反映。近幾年電子商務的

2、蓬勃發(fā)展對安全性提出更高要求，這也推進了人臉研究的發(fā)展和應用，最終將促使人類進入了一個全新的人機世界[2]。比如，目前的監(jiān)控正逐步過渡到第三代數字智能監(jiān)控的過程。新一代的監(jiān)控系統(tǒng)在現(xiàn)場的攝像機可以接入視頻服務器，運行在視頻服務器上的人臉識別系統(tǒng)對攝像機傳回的圖像進行分析，自動捕捉監(jiān)控區(qū)域的人臉圖像，并根據需要與數據庫中的照片比對匹配。通過這種方式將人臉識別技術融合到數字錄像監(jiān)控系統(tǒng)中，使監(jiān)控系統(tǒng)具備智能化功能，在監(jiān)控錄像過程中，自動地從動態(tài)視頻流中捕捉人的面像，從周圍背景中抽取出來，保存清晰的正面圖像，存檔備查，為監(jiān)控錄像建立起人臉索引等[3]。人臉識別提出迄今為止已形成了幾十種較

3、為成熟的識別方法，如:主成成份分析、彈性圖匹配、Fisher、人工神經網絡、支持向量機、隱馬爾可夫模型等，很多學者對這些方法進行了比較和總結[4]。由于人臉的自然特性，雖然人類能毫不費力的識別出人臉，但人臉的自動識別卻是一個難度極大的課題[5]。經過科學家多年的研究和積累，人臉自動識別技術已取得了巨大的成就。但在實際應用中仍面臨著許多嚴峻的問題，人臉識別也有著較多難點:(1)人臉的差異性并不是很明顯，識別率可能較低；(2)對于雙胞胎，人臉識別技術不能區(qū)分；（3)人臉特征的持久性差，如長胖、變瘦、長出胡須等[6]；（4）人臉圖像受到各種成像條件的影響，如表情、姿態(tài)、尺度、光照和背景等

4、。還有如何提高識別率和識別速度、減少計算量、提高魯棒性，如何采用嵌入式及硬件實現(xiàn)，如何實用化都是將來值得研究的這說明人臉識別技術要達到人類識別人臉一樣，還有很長的路要走。二、課題研究的主要內容和預期目標基于在人臉識別中存在上面各種各樣的問題，提出課題研究的主要內容：通過大量閱讀人臉識別相關文獻，跟蹤國外內相關研究，了解人臉識別技術的研究現(xiàn)狀，以及人臉識別技術的應用前景；掌握數字圖像處理和模式識別基本方法；檢測定位人臉并確定人臉的描述方式，提取人臉特征；建立已知人臉圖像庫，設計并實現(xiàn)人臉識別。課題研究的目標是了解人臉識別的國內外發(fā)展現(xiàn)狀和應用前景，設計實現(xiàn)人臉識別系統(tǒng)的一般功能，并在

5、此基礎上對模糊的人臉圖像，如何對光照、表情以及拍攝角度等差異較大的人臉圖像進行有效匹配和識別[7]。三、課題研究的方法及措施任何人臉識別系統(tǒng)的開發(fā)都需要建立一個包含人臉圖像或圖像系列的數據庫。本文選用目前使用最廣泛的標準數據庫ORL人臉圖像庫，它是由英國劍橋01ivertti實驗室從1992年4月到1994年4月期間拍攝的一系列人臉圖像組成，共有40個不同年齡、不同性別和不同種族的對象。每個對象10幅圖像共計400幅灰度圖像組成，圖像尺寸為92xl21，圖像背景為黑色[8]。人臉識別過程主要有訓練（學習）過程和識別過程。具體包含人臉圖像與處理、人臉圖像特征提取和分類器設計。如下圖所

6、示：識別過程學習過程訓練圖像預處理特征提取待識別圖像預處理特征提取分類器分類結果預處理即對原始采集的圖像進行處理，使得圖像達到標準化[9]。是為了減少人臉在圖像中的大小、位置、旋轉角度以及光照等條件的不同對特征提取的影響。主要方法有幾何校正、人臉定位、直方圖均衡化及修正、像素灰度值歸一化等。人臉圖像特征提取，在基于主成分分析法的人臉特征提取的基礎上進行改進，克服主成分分析法的不足。分類器實質為數學模型。針對模型的不同，目前有多種分支，包括：Bayes網絡分類器，決策樹算法，聚類算法，支持向量機SVM算法等。使用MATLAB7.0環(huán)境進行了具體的仿真實驗，通過實驗結果的分析以及和其他

7、人臉識別方法的對比，來獲得預期效果。四、課題研究進度計劃2010年9月15日-2010年11月30日完成2000字的文獻綜述，完成一篇相關英文文獻資料的翻譯；形成設計方案，書寫開題報告及PPT，準備開題答辯。2010年11月30日-2011年1月15日：設計并實現(xiàn)人臉識別系統(tǒng)和相關算法，并評估人臉識別性能，完成軟件設計。2011年2月22日-2011年3月13日：學習畢業(yè)論文寫作方法與寫作要求。根據文獻綜述、系統(tǒng)方案與算法和軟件設計、實現(xiàn)及測試結果，書寫畢業(yè)論文初稿。