信息科学与技术学院毕业论文
课题名称：基于特征识别的人脸检测系统
学院：信息科学与技术学院
完成日期：二○一七年五月十九日
摘要
I
摘要
我的毕业设计题目是基于特征的人脸检测系统，这个系统不仅仅能够检测人脸，
还具有识别人脸的功能。检测人脸检测部分的算法采用的是于仕祺老师的LBP特征加Gentle AdaBoost分类器相结合的算法，提取识别特征部分的算法采用的是Google 在2015年提出的基于深度学习策略的一种人工神经网络FaceNet，较为新颖，其准确率高，在光照不足，姿态和表情变化剧烈时仍能保持稳定，具有很强的鲁棒性。该系统的界面使用MFC编写，在具体实现中了应用了多线程编程技术实现了一个简单的生产者消费者模型，从而提高了系统的识别效率，另外，对人脸的识别模块还使用了Python，C++混合编程技术引入了Google的开源深度学习框架Tensorflow作为对FaceNet的具体实现，数据库使用的是SQL Server2012，连接数据库使用的是微软公司的ADO 组件。该系统主要有信息采集模块和实时监控模块两个部分，前者完成对任务样本的信息采集工作，后者完成在实时监控的情况下对出现在画面中的人脸进行检测和识别，检测部分的速度可以达到40~60的FPS，识别部分由于计算量较大，只能达到2~5的FPS。该系统经过简单的硬件支持和部署之后，基本可以完成在实际场景中的简单应用，具有一定的学术研究和实际应用价值。
关键词：人脸检测；人脸识别；机器学习；Tensorflow；实时监控
ABSTRACT
ABSTRACT
The topic of this graduation project is Face Detection System based on characteristics which achieves the face detection and face recognition two functions.The algorithm of face detection part uses a kind of enhanced algorithm based on LBP feature and Gentle AdaBoost classifier proposed by ShiQi Yu,the algorithm of extracting face feature used inrecognition part uses a kind of manual neural network FaceNet based on deep learning strategy proposed by Google in 2015.FaceNet has reached high arruracy and it is robustness to the change of illumination,posture and expression.The interface of this system if written in MFC,and in real implementation,the application of multi-threaded programming technology realizes a simple producer and consumer model which accelerate the whole recognition efficiency of the system,in addition,the recognition part also uses the Python,C++ mixed programming technology which introduces Google’s open-source deep learning framework Tensorflow as a concrete implementation of FaceNet,the database is using SQL Server 2012,the link of database uses Microsoft’s ADO components.The system consists of two parts: the information collection module and the real-time monitoring module,the former completes the information collection of human samples,and the latter completes the detection and recognition of the faces that appear in the picture in the case of real-time monitoring.The speed of detection part can reaches to 40~60 FPS,the recognition part can only reach to 2~5 FPS, for the large calculation cost.After some simple hardware support and deployment,the system can be used in actual scene for simple application which has certain research and practical application value.
KEY WORDS: Face detection; Face recognition; Machine learning; Tensorflow; Real-time monitoring
II
目录
1 绪论 (3)
1.1课题 (3)
1.2课题背景 (3)
1.3课题研究目的及意义 (3)
1.3.1研究目的 (3)
1.3.2研究意义 (4)
1.4国内外研究现状 (5)
1.4.1国外 (5)
1.4.2国内 (6)
1.5设计时间 (7)
1.6内容及分工 (7)
1.6.1内容 (7)
1.6.2成果 (7)
2 理论和技术 (8)
2.1理论 (8)
2.1.1检测部分的LBP特征+Gentle AdaBoost分类器 (8)
2.1.2识别部分的Google FaceNet (11)
2.2技术 (15)
2.2.1 MFC简介 (15)
2.2.2 Tensorflow简介 (17)
2.2.3 ADO组件简介 (18)
3 需求分析及概要设计 (19)
3.1 需求分析 (19)
3.2 概要设计 (19)
4 实现 (20)
4.1核心理论的实现 (20)
4.1.1检测部分的实现 (20)
4.1.2提取识别特征部分的实现 (21)
4.2类 (24)
4.2.2 TensorflowInference类 (26)
4.2.1 ADOConn类 (28)
4.3主界面 (29)
4.3.1 流程 (29)
4.3.2 实现 (30)
4.4信息采集 (32)
4.4.1流程 (32)
4.4.2实现 (32)
4.5实时监控 (34)
4.5.1流程 (35)
4.5.2实现 (36)
4.6数据库 (38)
5 测试 (40)
5.1主界面测试 (40)
5.2信息采集测试 (41)
5.3实时监控测试 (41)
1
6 结论 (43)
7致谢 (44)
8参考文献 (45)
2
1 绪论
1.1课题
基于特征的人脸检测系统
1.2课题背景
自从计算机被发明的那一天起，人们就试图使用计算机来代替人力从事各种各样的劳动，经过数十载的发展和进步，以及对各种理论的深入研究，现在的计算机技术已经达到可以实现人脸识别的要求。人脸识别的一个重要应用就是身份鉴别，在许多重要的场合，传统的身份鉴别方法缓慢且低效，于是人们试图寻找更加高效方便的身份鉴别方案，人脸识别就是其中的一种考虑，与其他类型的生物识别比较，人脸识别具有非强制性、非接触性、隐蔽性、并发性的优点，而且人的面部表情还会反映出人的心理状态和情绪，这也可以为我们提供必要的辅助信息。人脸识别的研究如今已经成为许多从事模式识别研究或者人工智能研究的科研机构的重要课题。虽然科学家们从很早的时候就试图让计算机能够识别人脸，但是因为人脸的信息容易受到各种环境因素的干扰和人物本身姿态和表情的影响，使得人脸检测和识别仍有很大的研究空间，并且目前商用的人脸识别应用并未普及，存在着非常庞大的商业空间，如今新生的人脸识别算法公司，如云从科技，Emotient,Affectiva中学术界大佬云集，动辄融资数千万，也从侧面说明了人脸识别与分析市场潜力巨大，具有很高的应用与学术价值。
1.3课题研究目的及意义
1.3.1研究目的
狭义上来讲，人脸检测与识别的基本目的是从一幅静态图片或者是从视频流中的一系列图片中检测图像是否包含人脸，如果有人脸，则能够准确给出人脸的各种信息，包括位置信息，大小信息，还要能够将人脸单独从原始的捕捉画面中剪裁出来，通过一定的算法提取出足够区分不同的人和同一个人的人脸特征，再将提取到的特征与事先存放在数据库中的人脸的特征进行比对，从而实现对图片中出现的人物进行身份鉴别，这在许多安检和考勤系统上得到了应用，目前稍微高档一点的手机都有人脸解锁功能。
更进一步讲，人脸检测和识别还有许多其他的应用，例如当下流行的一些P图3
软件通过对人脸的分析和处理，可以开发出很多基于摄像头的应用比如美图秀秀和魔漫相机等，深受广大爱自拍的妹子们的喜爱，有的游戏公司则在游戏中加入了对玩家脸部表情的捕捉，并将其融入到游戏中，具有巨大的市场价值，此外，获取的人脸中还含有更多有意思的信息，比如图片中人物的表情，神态，衰老程度，是否打扮等，从这些信息中可以进一步分析得出人物的情绪和心理活动甚至性格特征，表层体现的信息一旦被深度挖掘，其价值将无可估量，一些新生的人脸识别算法公司已经将这些信息用在许多场合，比如在销售业中分析顾客的实时感受，进而指导销售策略，这些信息在未来人工智能的拟人类产品中的对图像理解和机器人的人机交互中也具有重大意义。
因此，从一般应用的角度来讲，研究人脸识别的目的是让计算机能够识别人脸，区分不同的人脸，自动对人进行身份鉴别，或者是对人脸加以适当的处理应用于娱乐休闲；而从人工智能的角度来讲，是为了让计算机能够“理解”人脸，模仿人脸，让计算机更加地像人。
1.3.2研究意义
研究人脸检测与识别具有实际应用和理论研究两个方面的意义，体现在前者上的意义在于人脸检测和识别可以被广泛的应用在各种场合，举几个简单的例子，可以将人脸检测与识别技术应用在安检或监控领域，在一些对安全性要求很高的场合部署人脸检测与识别系统能够有效检查出异常人员的出现，为安保人员提供相应的预警信息，使其能够及时采取一定的措施避免安全事件的发生；还可以将系统部署到一般的街道上，类似天眼系统，全天识别路上的每一个人，这样可以让一些不法分子无处可藏，增加社会的安定性；在考勤系统上的应用可以是工作人员不用采取任何多余的动作即可完成打卡，只需要从门口走过，人脸检测和识别系统就可以在神不知鬼不觉的情况下完成对考勤信息的记录，在这些方面的应用将创造巨大的社会价值。在理论研究方面的意义只要是体现在人工智能领域，科学家们梦想实现的终极强人工智能不可能一蹴而就，其基础的发展阶段就是对人类的各种模仿，研究人脸识别的相关理论可以为探索赋予计算机视觉理解提供一定的指导，而且由其与别的一些学科有所交叉，比如生理学，数字图像处理，生物神经学，心理学等，对人脸检测与识别的理论研究能够在一定程度上推动这些领域的发展，这些领域的发展反过来也是人脸检测和识别理论进步的重要推动力。
在安检系统中，人脸检测与识别的本质就是从区分人脸，人脸检测是把人脸从背景中区分出来，人脸识别是区分不同的人脸，对计算机而言，人脸只是一堆随机矩阵，和一个可乐罐子并没有什么太大的区别；而对于人工智能领域来说，人脸识别不再单单是区分人脸，而要求计算机能够以更加类似人的方式去理解人脸，得出人的更多信息，人身上没有那个部位能比脸更能反映这个人的信息了，包括年龄，心情，甚至性格特征，利用这些信息对人工智能产品的行为做出指导将产生更加友
4
好的人机交互体验和更加个性化的服务，利用信息的前提是获取这些信息。
1.4国内外研究现状
1.4.1国外
近十年以来，人脸识别已经发展成为热门的生物特征识别技术，国外几乎所有著名的从事与人工智能领域相关研究的研究机构和高校都有对人脸检测和识别技术及理论的研究。包括像FaceBook，Google，Microsoft这样的互联网巨头公司也对人脸检测和识别的研究投入了大量的精力，并将可以实际使用的人脸检测和识别系统部署到它们的产品中去，用以开发新的应用或者提升用户体验。
理论上的产生了基于几何特征的人脸识别、基于子空间的人脸识别、基于弹性图匹配的人脸识别、Geroghiades等人提出的基于光照锥模型的多姿态、多光照条件人脸识别方法，应用于以支持向量机为代表的统计学习理论。另外，有AdaBoost衍生出了许多变种和增强型人脸识别算法、基于彩色信息的方法、构建神经网络、基于形状分析的方法以及多模态信息融合方法也有大量研究与实验。
目前，很多国家展开了有关人脸识别的研究，美国的代表机构是卡耐基梅隆大学（CMU）机器人研究所、麻省理工学院（MIT）媒体实验室和人工智能实验室，欧洲的代表机构是英国的Surey大学视觉语音和信号处理研究中心、法国的INRIA研究所、芬兰的赫尔辛基大学CIS研究所、瑞士IDIAP研究所、日本的代表机构是ART 研究所等。人脸检测和识别系统已经被法国人安装在ATM机上，通过对脸部的识别确定人物身份。美国更是将人脸检测和识别技术应在诸如军事，安防，教育，医疗，娱乐等各个方面，极大的方便了人们的生活，增加了生产效率，也多样化了人们的娱乐方式。国外的一些著名研究机构还专门话费大量的人力和物力来建立和维护许多人脸数据库，这些数据库被广泛用来研究人脸检测和识别，尤其是对于最近几年超速发展的人工神经网络策略，训练一个完善的人工神经网络需要大量的训练样本（百万级别），这些数据库极大的方便了研究人员的样本获取过程，部分数据库被专门用来作为检测和识别算法的Benchmark，用以比较和评估算法的性能，也有专门用来进行竞赛的数据库，各种state-of-art算法在这些数据库上一较高下，极大的促进了人脸检测和识别的研究。
理论的发展极大的促进了工业界的进步，众多新兴的人脸识别算法进而产品公司纷纷成立，他们将理论应用于实践的同时也组建自己的科研团队不断对理论研究做出贡献，目前比较著名的国外人脸算法和产品公司有Emotient，Affectiva,Linkface
5
等，Emotient致力于打造一套“无所不在”的人类情感分析系统，并且已经将表情识别服务部署到零售行业，它还提供API接口，能够将其技术轻松的任何硬件或者软件进行整合（本课题将尝试使用这些API）；Affective主打面部识别解析服务，已经推出其SDK包，希望在市场营销以外的领域如游戏、教学等发挥作用，其已经获得共计2020万美元的投资；Linkface提供全球领先的人脸检测、识别技术服务，LFW人脸识别准确率已经高达99.5%以上。
1.4.2国内
国内的人脸检测和识别研究和其他的一些领域的研究一样，起步晚但在国家日益和国际接轨的情况下发展很快，国内的著名高校像北京大学，清华大学，上海交通大学等，以及科研机构如中科院都对人脸检测和识别进行了研究，不但产出了许多能够实际应用的产品，也研发出了许多媲美国际水平的优秀检测和识别的核心算法。可供实际应用的产品的优秀代表有清华大学的科研人员开发出的THfaceID人脸识别系统，中科大的研究小组开发的KD-Face系列的人脸考勤机等。人脸检测与识别技术也被应用于国内安防，销售等领域，在08年奥运会中人脸检测和识别系统被实际部署并投入使用。在理论研究方面，国内的科学家也在奋力追赶state-of-art 的算法，深圳大学的于仕祺老师的LBP特征+Gentle AdaBoost算法达到了当时世界人脸检测算法的顶尖水平，在检测的Benchmark数据库上的竞赛保持第一名的位置一段时间。香港中文大学的科研团队研发的基于深度学习的DEEPID人工神经网络模型在当时也是达到了state-of-art的水平。
国内目前比较有名的人脸识别公司有云从科技和Face++等，云从科技成员大多来自全球顶尖学府及研究机构，其研发了首个刷脸支付原型系统，首个商用人脸识别远程开户系统，它是唯一一家参与人脸识别国标、部标、行标制定的研发企业；Face++在金融、安防、零售领域分别开始了商业化的探索，成功发育出Face++Financial，Face++Security，Face++BI等垂直人脸验证解决方案产品。
6
1.5设计时间
10周
1.6内容及分工
1.6.1内容
基于特征的人脸检测系统，主要实现以下功能：
1)对人物信息的采集，包括人物的姓名，人物肖像的采集，人物肖像的特征向
量的计算；
2)实时监控，对出现在摄像头画面中的人物进行身份鉴别及记录。
1.6.2成果
1)系统可执行程序一套；
2)毕业设计论文一份；
3)系统用户手册一份。
7
8
2 理论和技术
2.1理论
2.1.1检测部分的LBP 特征+Gentle AdaBoost 分类器
此处描述的算法是该理论的一般性算法，并不和本课题程序中实际使用的算法完全相同，课题中检测部分使用的检测器是于仕祺老师公布的人脸检测库，只提供了函数接口和对应的DLL 库，并未公开内部具体的实现细节，只公开了特征使用的是LBP 特征，分类器是Gentle AdaBoost Classifier ，训练的正样本大约是150,000张图片，故此处只做一般性的算法介绍。
1）LBP 特征
LBP 全称Local Binary Pattern （局部二值特征），它的处理对象是灰度图片，作用是提取图片的纹理特征，它原理并不复杂，计算也比较简单迅速，对旋转和光照不具有一定的鲁棒性，因此其在纹理分析和人脸检测与识别的等应用中取得了非常好的效果。在本课题中，人脸检测部分提取的特征就是滑动子窗口的LBP 特征，提取到的特征将作为分类器的输入，最原始的LBP 定义是在某个像素的8领域内，将位于中心像素周围的像素的灰度值与中心点像素的灰度值做比较，若大于中心像素的灰度值，则记为1，小于则记为0，然后将得到的八个01值依次排列看成是一个二进制数，再转换为十进制表示就得到了该中心点的LBP 值，其计算过程如图2-1所示：
图2-1
用公式来表示的话：
(2-1)
其中()表示3X3领域的中心像素点，它的像素值为，领域的其他像素值为，
s(x)
为符号函数：
(2-2)
原始的LBP算子存在一定的缺陷，它只覆盖了一定范围的小区域，区域内的
像素数量固定不变（如图2-1中的9个像素点），无法适应不同尺度的纹理
需要，正对这个缺陷，一些科学家提出了一些改进的LBP算子，Ojala等人将
3X3领域扩展到任意领域，然后使用圆形的包围区域，改进后的LBP算子可
以包含任意多个像素点，满足了对不同尺度的纹理分析需求，一种改进的LBP
算子如图2-2所示，其定义了5X5的领域，在圆形包围线上取8个采样点：
图2-2
采样点的坐标需要经过一定的计算，采用取整或双线性插值的方法来求得采
样点的整数值坐标，再利用基本LBP算子中求解中心点LBP特征值的方法（公
式（2-1））求解LBP值，在人脸检测中，LBP算子的范围包围区域经常是椭
圆形的，人脸，眼睛，嘴巴都是椭圆形的结构，用椭圆的包围区域可以获得
更强的表达力，在此不再赘述。
2）Gentle AdaBoost分类器
Gentle AdaBoost全称Gentle Adaptive Boost Classifier（温和自适应强化分类器），它是基于Boost Classifier的一种改进版本，Boost Classifier简单说来就
是指将许多的弱分类器级联起来组成一个增强型的强分类器，许多弱分类器
通过类似“投票”的方式决定最终的分类结果。
一种弱分类器的训练算法如图2-3所示
9
图2-3
一种Gentle AdaBoost分类器的训练算法如图2-4所示：
图2-4
10
其中，Gentle是指此分类器相对于传统的Adaptive Boost Classifier在训练时错
误分类的样本的权值增加策略上更加平稳（图2-4中的3.b），以便获得更好
的泛化能力；Adaptive是指相对于传统的Boost Classifier，Adaptive Boost Classifier能动态调节各个样本在训练时所占的权重，就是增加错误分类样本
的权值，降低正确分类样本的权值。
2.1.2识别部分的Google FaceNet
无论是人脸检测还是人脸识别，都面临着来自光照，姿态，表情变化带来的巨大挑战，人工神经网络模型以其强大的非线性拟合能力和极强的鲁棒性能够在很大程度上面对以上挑战，而且深度学习是近几年才兴起的新理论，本课题勇于追赶研究前沿，在识别部分使用了David Sandberg根据Google在2015发表的一篇文章《FaceNet: A Unified Embedding for Face Recognition and Clustering》使用Tensoflow实现的一个人工神经网络，并已经使用大量训练样本（百万级）预先训练完毕，在使用时只需要加载这个固化的网络模型至内存中，输入经过预处理的人脸图片，再执行一次前向计算，即可得到用于识别人脸的特征。FaceNet在LFW（Labeled Faces in the Wild）数据库上的准确率达到了99.63%，刷新了当时的记录。
FaceNet使用深度卷积神经网络直接学习人脸在高维欧式空间的映射，映射得到的坐标点的欧式距离即代表了样本的相似性，距离越大表示相似性越低，反之越高。
FaceNet的大体架构如图2-5所示：
图2-5
其中Deep Architecture就是一般的卷积神经网络去掉softmax后的结构，经过L2的归一化后得到人脸图片再高维欧式空间的的特征表示，在训练时以最小化后面的三联子损失函数为目标不断调整网络中各个节点的权值。
目标函数：三联子损失函数，其学习过程如图2-6所示
11
图2-6
三联子表示在训练样本中抽取的三个人脸样本（抽取方法不做深入讨论），其中Anchor和Positive是来自同一个人的两张脸部图片，Anchor和Negative是来自不同人的两张脸部图片，学习的过程就是要使经过网络映射的Anchor和Positive 的欧式距离尽可能小而Anchor和Negative的欧式距离尽可能的大，依此来获得对人脸特征的描述。
用公式描述:
(2-3)
其中表示映射过程，，，，分别代表锚点，正样本，负样本，表示正负样本之间的距离，表示所有可能的三联子集合。两个样本之间的相似性就使用公式来计算的。
将(2-3)做一下转换便可以得到目标函数：
(2-4)
训练的过程就是最小化，训练方法使用一般的卷积神经网络的训练方法即可，其具体内容不做讨论，实现上各种深度学习框架已经集成了各种最为先进的优化算法，只需要调用相应地接口便可以完成对神经网络的训练过程。
关于Deep Architecture，论文中给出了几种可选的网络结构，其中一种是
Zeiler&Fergus结构，如图2-7所示：
12
图2-7
另外一种是基于Google Inception的结构，如图2-8所示：13
14
图2-8
其中一种Inception 的结构如图2-9所示：
图
2-9
15
课题中使用的网络结构目前还不知道其具体形式，Tensorflow 提供了可视化固化网络模型的工具，但在实际使用时出了一些问题，因此很遗憾的没有看到实际使用的网络结构。
2.2技术
2.2.1 MFC 简介
MFC 全称Microsoft Foundation Classes （微软基础类库），这是Microsoft 推出的一套C++类，把大部分常用的Windows API 函数封装在其中。MFC 中的类和函数接口成千上万，对如此庞大的类库进行介绍和对其内部的复杂机制进行讨论已经超出本文的范围，因此在接下来的论述中，文章仅介绍本课题中显式使用的一些内容，本课题使用的集成开发工具是Visual Studio 2013 Premium ，在其中新建一个MFC 项目的同时，VS 会自动生成项目的主框架，我们要做的就是往这个主框架中添加内容和修改一些相应地修改，必要时重写某些函数。
1） UI ：本课题是基于对话框结构的项目，因此涉及到的UI 知识仅有对话框中的
内容，MFC 封装了窗体和控件的底层绘制操作，用户可以在资源文件添加对话框类型的资源文件，然后用vs 提供的可视化编辑工具编辑自己的对话框，而不用考虑其底层的绘制细节，各种控件的添加可以通过拖拽放置到对话框中。用可视化工具编辑完界面后，vs 会自动为这个对话框生成一个相应的类CXXXDlg Calss ，这个类就封装了对话框中的所有内容，与控件关联的变量全部作为类的成员变量来实现，各种消息相应函数也是做为这个类的成员函数来实现的。本课题使用的默认MFC 样式如图2-10所示：
图2-10
2） 数据类型：MFC 中定义了许多常用的数据类型，本课题使用最多是CString
类型，窗体控件中显示的字符串的类型全部都是CString 类型，
写入数据库和
16
从数据库中取出来的数据类型也都是CString 类型，因此关于CString 和其他数据类型的转换是本课题实现部分的一个重点。MFC 中提供了许多类型转换函数和类型转换宏如宏CT2A()可以将CString 类型转换为string 类型，CString 类型的本身也提供了一个强大的转换函数Format( )，它可以方便地实现许多基本的类型转换，但是一些更为复杂的类型转换还需要自己写函数去实现。
3） 消息机制：在Windows 中，消息和线程一一对应，当系统检测到某个消息时，
会将相应的消息发送给与该消息对应的线程。按照类型，Windows 将消息按照类型分为如图2-11所示的几类：
图2-11
Windows 将整个消息系统分为3个层级：
①Windows 内核的系统消息队列
②App 的UI 线程消息队列
③处理消息的窗体对象
Windows 内核会维护一个全局的系统消息队列，按照线程的不同，系统消息队列中的消息会被发送到应用程序的UI 线程的消息队列中，应用程序的每一个UI 线程都有自己的消息循环，会不停的从自己的消息队列中取出消息，并发送给Windows 窗体对象，每一个窗体对象都使用窗体过程函数WindowProc()来处理接受的各种消息。本课题中相应地消息一般都是第三层级的消息。
MFC 框架封装了对消息处理的大部分操作，我们可以在生成的窗体类中添加消息的响应函数，当系统检测到用户或者系统的行为产生了已经被定义的消息，会自动调用我们编写的消息相应函数，执行对消息的响应操作，在本课题实现中具体相应的消息有窗口绘制消息ON_WM_PAINT ，系统时间消息ON_WM_TIMER ，按键消息ON_BN_CLICKED 等。
4） 多线程：MFC
中的线程主要有两类，一类是用户界面线程，另一类是工作者
线程，二者的重要区别在于前者有自己的消息队列和消息循环，而后者没有，用户界面线程的工作一般是处理界面绘制，响应用户操作和系统产生的事件及消息等，vs自动生成的窗口类中的成员函数大多都是作为用户界面线程执行的，一种不恰当的设计方式是将所有代码都放在用户界面线程中，这样做确实简单方便，但是它会带来一些严重的效率问题，比如一些占用大量内存和耗时较长的计算若放在用户界面线程中会导致界面长时间处于无响应状态，因此应该将计算量较大的处理另开工作者线程单独执行，用消息传递或者共享内存的方式与用户界面线程同步。
MFC中多线程编程常用的函数如下几个：
①启动一个工作者线程：CWinThread * AfxBeginThread(AFX_THREADPROC
pfnThreadProc , LPVOID pParam , nPriority=THREAD_PRIORITY_NORMAL , UINT nStackSize=0 , LPSECRITY_ATTRIBUTES lpSecurityAttrs=NULL)；
②在某个信号量上阻塞线程：DWORD WaitForSingleObject(HANDLE
hHandle,DWORD dwMillisecondes)；
③临界区的访问：进入临界区的使用CCriticalSection对象的Lock()函数，离开
使用Unlock()函数.
2.2.2 Tensorflow简介
TensorFlow是一个开源的使用数据流图的数值计算框架，被广泛的用于实现各种神经网络，数据流图中的节点代表数学运算，而图中的线条代表数据数组（又称为张量）。TensorFlow最初由Google大脑小组的研究员和工程师门开发，用于机器学习和深度神经网络方面的研究，但是因为这个框架具有通用性，也可以被用于其他的计算领域。它灵活的架构可以让你将节点部署在一个或者多个CPU 或者GPU上进行并行计算。
关于数据流图：数据流图是一种以数据流动为驱动力的计算模型，用nodes和edges的有向图来描述数学计算，Nodes一般用来表示对数据施加的数学操作，但也可以表示数据的输入的起点或者是数据输出的终点。
本课题尝试直接编译Tensorflow源码，以使用其C++接口，但官方给出的编译方式是使用Google内部使用的编译工具Bazel，这个工具在Windows平台很不稳定，目前只有测试版，在使用的过程中出现了各种问题，其中的一些无法解决致使编译失败。官方推荐的方式是使用Python接口，而且教程大多数也是基于Python 接口的，于是本课题使用C++，Python混编技术将Python的接口封装成C语言的形式，如此就可以在程序中间接使用Tensorflow了。课题中使用的FaceNet模型是预先训练完成的，其数据流图的结构被固化存储在.meta的文件中，图中的权值被固化存储在.ckpt的文件中。
本课题使用的Python接口主要有如下几个：
17
机器学习概述课程设计报告题目：MATLAB人脸识别系统 姓名：** 学号：** 专业：** 时间：2015/8/7
目录 一、课程设计的目的............................................................................... 二、设计的内容与要求........................................................................... 三、详细设计........................................................................................... 四、课程设计的总结............................................................................... 五、参考文献...........................................................................................
一.课程设计的目的 人脸识别作为一项新兴的科学研究项目，有着广泛的应用前景，而且随着计算机技术的更新发展，它的科学研究价值也越发凸显。经过几十年的研发探讨，世界各大研究结构的研发人员的不断努力下，人脸识别技术一已取得丰硕的成果，可在一定限制条件下完成人脸的自动识别。这些成果的取得更促进了人们对人脸识别这一课题的深入研究。 在电子商务飞速发展的今天，人脸识别系统的范畴一不足以涵括人脸识别的应用范围，在数字图像处理、视频领域、基于内容的检索等方面有着重要的应用价值。。 二．设计的内容及要求 1、选择KNN,聚类或SVM方法中的一种或其他机器学习方法的一种进行课程设计 2、要求能完成具体的识别任务：如图像分割、语音识别、人脸识别 3、要求识别的对象中有自己生活元素，比如图像中包括学校的图片或语音时本人的语音等。三．详细设计 YCbCr空间——>灰度图像转换——>噪声消除——>图像填孔——>图像重构——>人脸区域确定——>边缘检测 （原图-涉及个人隐私，未呈现原图）
摘要 人脸识别技术(FRT)是当今模式识别和人工智能领域的一个重要研究方向。虽然人脸识别的研究已有很长的历史，各种人脸识别的技术也很多，但由于人脸属于复杂模式而且容易受表情、肤色和衣着的影响，目前还没有一种人脸识别技术是公认快速有效的．本文主要讨论了人脸识别技术的一些常用方法，对现有的人脸检测与定位、人脸特征提取、人脸识别的方法进行分析和讨论，最后对人脸识别未来的发展和应用做了展望。 关键字：人脸识别，特征定位，特征提取
ABSTRACT Nowadays the face recognition technology (FRT) is a hot issue in the field of pattern recognition and artificial intelligence．Although this research already has a long history and many different recognition methods are proposed，there is still no effective method with low cost an d high precision．Human face is a complex pattern an d is easily affected by the expression，complexion and clothes．In this paper，some general research are discussed，including methods of face detection and location，features abstraction，and face recognition．Then we analyze and forecast the face recognition’s application and its prospects． Keywords: Face Recognition Technology, Face location，Features abstraction
基于视频图像序列的抛洒物检测第1章概述1.1 论文研究背景 如今，中国高速公路里程已达7.4万公里，居世界第二位[1]。随着高速公路、城市公路通行量的不断增加，交通事故所带来的安全隐患也所之增加，在众多危害安全的事故中交通事故是当前最为严重的，而中国交通局对近10年交通事故官方统计显示，世界上因交通事故死亡人数最多的国家中，中国位列前三之中。至今中国每年交通事故约50万起，每年的事故死亡人数均已达到10万人以上，已经连续十年居世界第一。 而今，随着我国经济的不断发展，交通需求的不断增长，高速公路和隧道已成为经济社会发展的重要助推器。然而，高速公路在给人们带来巨大的经济效益和社会效益的同时，各类交通事故也明显增加，尤其是各类恶性重大事故频发，据不完全统计，2005年底每万公里死亡1823人，死亡人数以每年近20%的比率递增。由于高速公路和隧道具有车流量大、行车速度高等特点，一旦发生交通事故将会非常严重，不仅一次事故殃及的车辆多、伤亡率高，还会造成严重的交通阻塞和行车延误，而且还可能会引起二次事故的发生，严重影响高速公路和隧道的整体通行能力和运营效率。而高速公路里程长，交通事件自身又有很强的随机性，如何快速检测交通事件，最大限度地减少交通事件的发生和影响，一直是国际交通领域所关注的问题。 城市中大货车货运过程中抛洒物事件已经严重危害交通安全，成为造成交通事故的主要原因之一，其带来的安全隐患是我们急需重视及解决的问题。因过往车辆上的抛洒物、坠落物引发的交通事故不仅给通行车辆和司乘人员造成了生命财产损失，影响了道路的通畅，而且给高速公路运营管理单位带来了经济损失和诉讼纠纷，损害了高速公路的社会形象。每天通过车辆数以千万计，路面上抛洒物、坠落物随时随地可能出现[2]。尽管高速公路管理单位已安排保洁工路面巡查，养排中心专职巡查，交警路政也在巡查，但仍不可能做到在时间上、空间上的无缝覆盖。而这些抛洒物、坠落物很有可能随时引发交通事故，给过往司机旅客造成财产甚至生命的损失，给高速公路经营管理带来经济上、法律上的纠纷和后果。如何及时准确的检测到抛洒物事件的发生，高效率的检测路面上产生的抛洒物，并且及时清理避免造成交通事故已经成为国内外交通部门关注的热点问题。
北方工业大学 本科毕业设计（论文）开题报告书 题目：基于直方图差值比较方法的人脸识别系统指导教师： 专业班级： 学号： 姓名： 日期：2013年3月20日
一、选题的目的、意义 近些年来，有关人脸的处理已受到广大研究人员越来越多的重视，如人脸识别、人脸定位、面部表情识别、人脸跟踪等。人脸处理系统在安全系统的身份认证、智能人机接口、图像监控、视频检索等领域有着广泛的应用前景。 此外在进行人工智能的研究中，人们一直想做的事情就是让机器具有像人类一样的思考能力，以及识别事物、处理事物的能力，因此从解剖学、心理学、行为感知学等各个角度来探求人类的思维机制、以及感知事物、处理事物的机制，并努力将这些机制用于实践，如各种智能机器人的研制。 同时，进行人脸图像识别研究也具有很大的使用价依。如同人的指纹一样，人脸也具有唯一性，也可用来鉴别一个人的身份。人脸图像的自动识别系统较之指纹识别系统、DNA鉴定等更具方便性，因为它取样方便，可以不接触目标就进行识别，从而开发研究的实际意义更大。并且与指纹图像不同的是，人脸图像受很多因素的干扰:人脸表情的多样性;以及外在的成像过程中的光照，图像尺寸，旋转，姿势变化等。使得同一个人，在不同的环境下拍摄所得到的人脸图像不同，有时更会有很大的差别，给识别带来很大难度。因此在各种干扰条件下实现人脸图像的识别，也就更具有挑战性。 人脸图像识别除了具有重大的理论价值以及极富挑战性外，还其有许多潜在的应用前景，利用人脸图像来进行身份验证，可以不与目标相接触就取得样本图像，而其它的身份验证手段，如指纹、眼睛虹膜等必须通过与目标接触或相当接近来取得样木，在某些场合，这些识别手段就会有不便之处。
人脸识别系统毕业论文 第一节课题背景 一课题的来源 随着安全入口控制和金融贸易方面应用需要的快速增长，生物统计识别技术得到了新的重视。目前，微电子和视觉系统方面取得的新进展，使该领域中高性能自动识别技术的实现代价降低到了可以接受的程度。而人脸识别是所有的生物识别方法中应用最广泛的技术之一，人脸识别技术是一项近年来兴起的，但不大为人所知的新技术。人们更多的是在电影中看到这种技术的神奇应用：警察将偷拍到的嫌疑犯的脸部照片，输入到电脑中，与警方数据库中的资料进行比对，并找出该嫌犯的详细资料和犯罪记录。这并非虚构的情节。在国外，人脸识别技术早已被大量使用在国家重要部门以及军警等安防部门。在国，对于人脸识别技术的研究始于上世纪90年代，目前主要应用在公安、金融、网络安全、物业管理以及考勤等领域。 二人脸识别技术的研究意义 1、富有挑战性的课题 2、面部关键特征定位及人脸2D形状检测技术 3、面部感知系统的重要容 基于视觉通道信息的面部感知系统，包括人脸检测和跟踪、面部特征定位、面部识别、人脸归类（年龄、种族、性别等的判别）、表情识别、唇读等分系统，如图1-1所式，可以看出，继人脸检测和跟追之后，面部特征定位通常是面部感知的一个必备环节, 是后续工作的基础，具有重要的意义。尽管人脸识别不能说是其他面部感知模块的必备功能，但是，可以肯定的是，利用已知的身份信息，结合特定人的先验知识，可以提高表情分析、唇读和语音识别、手势识别乃至手写体识别的可靠性。而计算机对使用者身份确认的最直接的应用就是基于特定使用者的环境设置：如使用者的个性化工作环境，信息的共享和隐私保护等等。
图1-1面部感知系统结构图 第二章系统的需求分析与方案选择 人脸识别系统现在应用于许多领域中，但是人脸识别技术也是一项近年来兴起的， 且不大为人所知的新技术。在我国以及其他国家都有大量的学者正在研究之中，不断的 更新人脸识别技术，以便系统的识别准确率达到新的高度。 第一节可行性分析 在开发该人脸识别软件之前，我们查询了前人所写过的诸多论文以及源程序，在开 发之时，结合了资料中的算法并揉进了自己的一些思想，使程序可以对人脸图片进行简 易识别。 一技术可行性 图像的处理方法很多，我们可以根据需要，有选择地使用各种方法。 在确定脸部区域上，通常使用的方法有肤色提取。肤色提取，则对脸部区域的获取 则比较准确，成功率达到95%以上，并且速度快，减少很多工作。 图像的亮度变化，由于图像的亮度在不同环境的当中，必然受到不同光线的影响， 图像就变得太暗或太亮，我们就要对它的亮度进行调整，主要采取的措施是对图像进行 光线补偿。 高斯平滑：在图像的采集过程中，由于各种因素的影响，图像中往往会出现一些不规 则的随机噪声，如数据在传输、存储时发生的数据丢失和损坏等，这些都会影响图像的质 量，因此需要将图片进行平滑操作以此来消除噪声。 灰度变换：进行灰度处理，我们要保证图像信息尽可能少的丢失。同样在进行灰度 变视频输入 ㈡
人脸识别系统设计与仿真基于matlab的（含matlab源程序） 目录 第一章绪论 (1) 1.1 研究背景 (4) 1.2 人脸图像识别的应用前景 (5) 1.3 本文研究的问题 (6) 1.4 识别系统构成 (7) 1.5 论文的内容及组织 (9) 第二章图像处理的Matlab实现 (10) 2.1 Matlab简介 (10) 2.2 数字图像处理及过程 (10) 2.2.1图像处理的基本操作 (10) 2.2.2图像类型的转换 (11) 2.2.3图像增强 (11) 2.2.4边缘检测 (12) 2.3图像处理功能的Matlab实现实例 (13) 2.4 本章小结 (17) 第三章人脸图像识别计算机系统 (18) 3.1 引言 (18) 3.2系统基本机构 (19) 3.3 人脸检测定位算法 (20)
3.4 人脸图像的预处理 (27) 3.4.1 仿真系统中实现的人脸图像预处理方法 (28) 第四章基于直方图的人脸识别实现 (31) 4.1识别理论 (31) 4.2 人脸识别的matlab实现 (31) 4.3 本章小结 (32) 第五章总结 (33) 致谢 (34) 参考文献 (35) 附录 (37) 毕业设计（论文）原创性声明和使用授权说明
原创性声明 本人郑重承诺：所呈交的毕业设计（论文），是我个人在指导教师的指导下进行的研究工作及取得的成果。尽我所知，除文中特别加以标注和致谢的地方外，不包含其他人或组织已经发表或公布过的研究成果，也不包含我为获得及其它教育机构的学位或学历而使用过的材料。对本研究提供过帮助和做出过贡献的个人或集体，均已在文中作了明确的说明并表示了谢意。 作者签名：日期： 指导教师签名：日期： 使用授权说明 本人完全了解大学关于收集、保存、使用毕业设计（论文）的规定，即：按照学校要求提交毕业设计（论文）的印刷本和电子版本；学校有权保存毕业设计（论文）的印刷本和电子版，并提供目录检索与阅览服务；学校可以采用影印、缩印、数字化或其它复制手段保存论文；在不以赢利为目的前提下，学校可以公布论文的部分或全部内容。 作者签名：日期：
机器视觉检测系统的工作原理与检测流程 内容来源网络，由“深圳机械展（11万㎡，1100多家展商，超10万观众）”收集整理！ 更多cnc加工中心、车铣磨钻床、线切割、数控刀具工具、工业机器人、非标自动化、数字化无人工厂、精密测量、3D打印、激光切割、钣金冲压折弯、精密零件加工等展示，就在深圳机械展. 在机器视觉检测系统工作流程中，主要分为图像信息获取、图像信息处理和机电系统执行检测结果3个部分，另外根据系统需要还可以实时地通过人机界面进行参数设置和调整。 当被检测的对象运动到某一设定位置时会被位置传感器发现，位置传感器会向PLC控制器发送“探测到被检测物体”的电脉冲信号，PLC控制器经过计算得出何时物体将移动到CCD相机的采集位置，然后准确地向图像采集卡发送触发信号，采集开检测的此信号后会立即要求CCD相机采集图像。被采集到的物体图像会以BMP文件的格式送到工控机，然后调用专用的分析工具软件对图像进行分析处理，得出被检测对象是否符合预设要求的结论，根据“合格”或“不合格”信号，执行机会对被检测物体作出相应的处理。系统如此循环工作，完成对被检测物体队列连续处理。如下图所示。
机器视觉检测系统工作原理 一个完整的机器视觉检测系统的主要工作过程如下： ①工件定位传感器探测到被检测物体已经运动到接近机器视觉摄像系统的视野中心，向机器视觉检测系统的图像采集单元发送触发脉冲。 ②机器视觉检测系统的图像采集单元按照事先设定的程序和延时，分别向摄像机和照明系统发出触发脉冲。 ③机器视觉摄像机停止目前的扫描，重新开始新的一帧扫描，或者机器视觉摄像机在触发脉冲来到之前处于等待状态，触发脉冲到来后启动一帧扫描。 ④机器视觉摄像机开始新的一帧扫描之前打开电子快门，曝光时间可以事先设定。 ⑤另一个触发脉冲打开灯光照明，灯光的开启时间应该与机器视觉摄像机的曝光时间相匹配。 ⑥机器视觉摄像机曝光后，正式开始新一帧图像的扫描和输出。 ⑦机器视觉检测系统的图像采集单元接收模拟视频信号通过A/D转换器将其数字化，或者是直接接收机器视觉摄像机数字化后的数字视频信号。 ⑧处理结果控制生产流水线的动作、进行定位、纠正运动的误差等。 从上述的工作流程可以看出，机器视觉检测系统是一种相对复杂的系统。大多监控和检测对象都是运动的物体，系统与运动物体的匹配和协调动作尤为重要，所以给系统各部分的动作时间和处理速度带来了严格的要求。在某些应用领域，例如机器人、飞行物体制导等，对整个系统或者系统的一部分的重量、体积和功耗等都会有严格的要求。 尽管机器视觉应用各异，归纳一下，都包含一下几个过程： ①图像采集：光学系统采集图像，将图像转换成数字格式并传入计算机存储器。
嵌入式课程设计报告 学院信息电子技术 专业通信工程 班级 学号 姓名 指导教师 2017年07月01日
基于ARM9的人脸识别系统 一、引言 人脸识别背景和意义 人脸识别系统的研究始于20世纪60年代，80年代后随着计算机技术和光学成像技术的发展得到提高，而真正进入初级的应用阶段则在90年后期，并且以美国、德国和日本的技术实现为主；人脸识别系统成功的关键在于是否拥有尖端的核心算法，并使识别结果具有实用化的识别率和识别速度；“人脸识别系统”集成了人工智能、机器识别、机器学习、模型理论、专家系统、视频图像处理等多种专业技术，同时需结合中间值处理的理论与实现，是生物特征识别的最新应用，其核心技术的实现，展现了弱人工智能向强人工智能的转化语音识别、体形识别等，而指纹识别、虹膜识别等都不具有自然性，因为人类或者其他生物并不通过此类生物特征区别个体。 人脸识别具有这方面的特点，它完全利用可见光获取人脸图像信息，而不同于指纹识别或者虹膜识别，需要利用电子压力传感器采集指纹，或者利用红外线采集虹膜图像，这些特殊的采集方式很容易被人察觉，从而更有可能被伪装欺骗。 二、系统设计 1、硬件电路设计 （1）ARM9处理器 本系统所采用的硬件平台是天嵌公司的TQ2440开发板，该开发板的微处理器采用基于ARM920T内核的S3C2440芯片。 ARM9对比ARM7的优势：虽然ARM7和ARM9内核架构相同，但ARM7处理器采用3级流水线的冯·诺伊曼结构，而ARM9采用5级流水线的哈佛结构。增加的流水线设计提高了时钟频率和并行处理能力。5级流水线能够将每一个指令处理分配到5个时钟周期内，在每一个时钟周期内同时有5个指令在执行。在常用的芯片生产工艺下，ARM7一般运行在100MHz左右，而ARM9则至少在200MHz 以上。指令周期的改进对于处理器性能的提高有很大的帮助。性能提高的幅度依赖于代码执行时指令的重叠，这实际上是程序本身的问题。对于采用最高级的语言，一般来说，性能的提高在30%左右。ARM7一般没有MMU(内存管理单元），（ARM720T有MMU）。 （2）液晶显示屏 为显示摄像头当前采集图像的预览，系统采用三星的320x240像素的液晶屏，大小为206.68cm。该液晶显示屏的每个像素深度为2bit，采用RGB565色彩空间。 （3）摄像头 摄像头采用市场上常见的网眼2000摄像头,内部是含CMOS传感器的OV511+芯片。CMOS传感器采用感光元件作为影像捕获的基本手段,核心是1个感光二极
鉴别人的身份是一个非常困难的问题，传统的身份鉴别方法把这个问题转化为鉴别一些标识个人身份的事物，这包括两个方面：①身份标识物品，比如钥匙、证件、ATM 卡等； ②身份标识知识，比如用户名和密码。在一些安全性要求严格的系统中，可以将这两者结合起来，比如ATM 机要求用户同时提供ATM 卡和密码。这些传统的身份鉴别方法存在明显的缺点：个人拥有的物品容易丢失或被伪造，个人的密码容易遗忘或记错。更为严重的是这些系统无法区分真正的拥有者和取得身份标识物的冒充者，一旦他人获得了这些身份标识事物，就可以拥有相同针对这一情况，我们可以采取两种措施加以解决。其一，研究新的适用于非完全正立人脸图像的特征检测方法并对人脸特征的提取作相应的调整,这种解决方法在文献[9]已有所尝试；其二，沿用现有的人脸识别系统，但在人脸图像送识别系统进行特征提取和识别之前（即在人脸检测和定位阶段），先进行人脸位置矫正的工作,这种方法在文献[10]中也已有所研究，并取得了较好的效果。与传统的身份鉴定手段相比，基于人脸生物特征信息的身份鉴定技术具有以下优点：● 用户易接受：简单易用，对用户无特殊要求。● 防伪性能好：不易伪造或被盗。● ―随身携带‖：不用担心遗漏或丢失，随时随地可用。除此之外，人脸识别技术还有主动性好，精确性高，性能/成本比高，自学习功能强等优点。河北工程大学毕业论文鉴于人脸识别技术在个人身份鉴定方面的众多优点，这项技术可以在很多领域得到应用：● 国家安全领域。协助公安，海关等国家安全机构加强对可疑人物、罪犯、恐怖分子的追踪、监控和识别。● 公众安全领域。加强交通管制；确认身份证、护照等证件的真伪；验证各类信用卡的持卡人身份。●计算机交互领域。根据计算机使用者人脸特征确定身份，提供个性化服务。Face Pose Adjustment, Facial Feature Extraction , Human Face Recognition , 人脸识别技术在这些领域的充分利用，对于有效地鉴定个人的身份，防止犯罪和诈骗、提高办公效率、节约资源有着重大的社会和经济意义。本章针对大部分人脸识别系统建模中存在的不足，将人脸位置矫正问题引入思考，并根据人脸图像特点设计实现了一种新的基于眼睛定位的人脸位置矫正算法。（为方便叙述起见，我们称人脸在竖直平面内的倾斜角度为平面旋转角度，而称人脸在水平面内的倾斜角度为深度旋转角度。本文中出现的人脸位置矫正说法都是针对平面旋转角度而言的。）Neural Networks , Gray-scale Static Image , Vertical-complexity of Image 作为人类智能的重要体现和个人身份鉴定的重要手段，人脸识别技术具有广泛的应用前景，已成为一项热门研究课题。人脸识别的关键技术之一就是人脸的检测定位。在一个完整的人脸识别系统中，能否对人脸进行正确的检测定位将对整个人脸识别系统的性能优劣产生极其重要的影响，而影响人脸检测定位的一个重要因素就是人脸在图像中的姿势。实际中，由于受到人的行为习惯，生理特征以及图像采集环境等诸多因素的影响，人脸在采集到的人脸图像中的姿势往往并不是完全正立的，而是在水平和竖直平面内都存在一定的倾斜角度（即深度旋转角度和平面旋转角度）。但是大部分的人脸识别系统都是针对正立的正面人脸图像而设计的，没有考虑到人脸图像可能存在的倾斜问题，致使这些人脸识别系统从人脸倾斜的图像中提取的特征数据在一定程度上失效，并有可能进一步导致人脸识别系统在最终识别结果中产生误判。1.2 国内外人脸识别系统的研究现状现在人脸识别技术已经应用在许多领域中，并起到了举足轻重的作用，人脸识别研究开始于1966 年PRI 的Bledsoe 的工作，经过三十多年的发展，人脸识别技术取得了长足的进步，现在就目前国内外的发展情况来进行展述。河北工程大学毕业论文1.2.1 国外的发展概况见诸文献的机器自动人脸识别研究开始于1966年PRI的Bledsoe的工作，1990 年日本研制的人像识别机，可在1秒钟内中从3500人中识别到你要找的人。1993 年，美国国防部高级研究项目署(Advanced Research Projects Agency)和美国陆军研究实验室(Army Research Laboratory)成立了Feret(Face Recognition Technology) 项目组，建立了feret 人脸数据库，用于评价人脸识别算法的性能。美国陆军实验室也是利用vc++开发，通过软件实现的，并
人脸识别算法 The Design and Implementation of Algorithms for Human Face Recognition 1-i
人脸识别算法 摘要 人脸自动识别是模式识别领域的一项热门研究课题，有着十分广泛的应用前景。本文对人脸位置矫正，人脸的特征提取和识别这些方面进行了研究，并提出了相应的实现算法。 人脸位置矫正作为人脸检测定位的一个环节，在计算机人脸识别中具有重要的意义。本文第二章提出了一种基于单人脸灰度图像中眼睛定位的人脸位置矫正方法，它是针对人眼灰度变化特点、人眼几何形状特征及双眼的轴对称性而设计的。实验结果表明，该方法对于双眼可见单人脸灰度图像能实现快速有效矫正，并能在矫正结果中精确给出双眼瞳孔位置。 本文第三章提出了一种基于神经网络的主元分析人脸图像识别方法。该方法利用非线性主元分析神经网络对人脸图像提取人脸特征（矢量），并在BP神经网络上实现了对人脸图像的识别。实验结果证明了该方法的有效性和稳定性。 关键词 1-ii
人脸位置矫正，人脸特征提取，人脸识别，神经网络，灰度图像，图像块纵向复杂度，主元分析法， 1-iii
The Design and Implementation of Algorithms for Human Face Recognition Student: Yangbo Gu Advisor: Dr. Wenming Cao Department of Computer Science and Technology College of Information Engineering Zhejiang University of Technology Abstract The automatic recognition of human faces is a hot spot in the field of pattern recognition , which has a wide range of potential applications . As the results of our in-depth research ,two algorithms are proposed : one for face pose adjustment , the other for facial feature extraction and face identification . Face pose adjustment , as a loop of human face location, is very important in computer face recognition. Chapter 2 of this thesis presents a new approach to automatic face pose adjustment on gray-scale static images with a single face . In a first stage , the right positions of eyes are precisely detected according to several designed parameters which well characterize the complex changes of the gray parameter in and around eyes and the geometrical shape of eyes . During the second stage , based on the location and the symmetry feature of eyes , the inclination angle is calculated and the face position is redressed . The experimentation shows that the algorithm performs very well both in terms of rate and of efficiency . What’s more , due to the precise location of eyes , the apples of the eyes are detected . 1-iv
毕业设计 [论文] 题目：基于MATLAB的人脸识别系统设计 学院：电气与信息工程学院 专业：自动化 姓名：张迎
指导老师：曹延生 完成时间：2013.05.28
摘要 人脸识别是模式识别和图像处理等学科的一个研究热点，它广泛应用在身份验证、刑侦破案、视频监视、机器人智能化和医学等领域，具有广阔的应用价值和商用价值。人脸特征作为一种生物特征，与其他生物特征相比，具有有好、直接、方便等特点，因此使用人脸特征进行身份识别更易于被用户所接受。 人脸识别技术在过去的几十年得到了很大的发展，但由于人脸的非刚性、表情多变等因素，使得人脸识别技术在实际应用中面临着巨大的困难。本文针对近年来国内外相关学术论文及研究报告进行学习和分析的基础上，利用图像处理的matlab实现人脸识别方法，这种实现简单且识别准确率高，但其缺点是计算量大，当要识别较多人员时，该方法难以胜任。 利用MATLAB实现了一个集多种预处理方法于一体的通用的人脸图像预处理仿真系统，将该系统作为图像预处理模块可嵌入在人脸识别系统中，并利用灰度图像的直方图比对来实现人脸图像的识别判定。 关键词：图像处理, Matlab, 人脸识别, 模式识别
ABSTRACT Human face recognition focuses on pattern recognition ,image processi ng andother subjects.It is widely used in authentication,investigation,video surveillance,intelligent robots,medicine and other areas.Facerecognition ha s wide application and business value.Facial feature asabiological character istic,compared with others is direct,friendly andconvenient.Facial featuree mployed in authentication are user-friendly. The technology of face recognition in the past few years obtained the v ery big development, but due to the face of nonrigid, expression and chang eablefactors, the face recognition technology in practical application are fa cing great difficulties. This paper aimed at home and abroad in recent year s the relevant papers and researchreports on study and on the basis of the a nalysis, some units within the data sensitivity places need to enter personne l to carry out limitation design and develop a set of identity verification ide ntification system, the system uses PCA face recognition method, therealiza tion is simple and the accuracy rate of recognition is high,but itsdrawback i s that a large amount of calculation, when to identify more staff,this metho d is difficult to do. The realization of a set of various pretreatment methods in one of the generic face image preprocessing simulation system based on MATLAB, the system is used as the image preprocessing module can be embedded in a face recognition system, and using the histogram matching gray image to realize the recognition of human face images to determine.
基于PCA的人脸识别算法实现毕业论文 目录 前言 (1) 第一章人脸识别系统概述 (2) 第一节人脸识别的研究概况 (2) 第二节人脸识别的发展趋势 (3) 一、多数据融合与方法综合 (4) 二、动态跟踪人脸识别系统 (4) 三、基于小波神经网络的人脸识别 (4) 四、三维人脸识别 (4) 五、适应各种复杂背景的人脸分割技术 (4) 六、全自动人脸识别技术 (4) 第三节人脸识别技术的主要难点 (4) 一、复杂条件下人脸的检测和关键点定位 (5) 二、光照问题 (5) 三、资态问题 (5) 四、表情问题 (5) 五、遮挡问题 (5) 第四节人脸识别流程 (5) 一、人脸图像采集 (6) 二、预处理 (6) 三、特征提取 (6) 第五节本章小结 (7) 第二章人脸图像的获取 (9) 第一节人脸图像获取 (9) 第二节人脸分割 (9) 第三节人脸数据库 (10) 第四节本章小结 (11) 第三章人脸图像的预处理 (12)
第一节人脸图像格式 (12) 一、JPEG格式 (12) 二、JPEG2000格式 (12) 三、BMP格式 (13) 四、GIF格式 (13) 五、PNG格式 (13) 第二节人脸图像常用预处理方法 (14) 一、灰度变化 (14) 二、二值化 (15) 三、直方图均衡 (15) 四、图像滤波 (15) 五、图像锐化 (17) 六、图像归一化 (18) 第三节本章小结 (19) 第四章人脸识别 (20) 第一节主成分分析基本理论 (20) 一、什么是主成分分析？ (20) 二、例子 (20) 三、基变换 (21) 四、方差 (23) 五、PCA求解：特征根分解 (27) 六、PCA的假设 (28) 七、总结： (28) 八、在计算机视觉领域的应用 (30) 第二节基于PCA人脸识别算法的实现 (31) 一、创建数据库 (32) 二、计算特征脸 (32) 三、人脸识别 (34) 第三节本章小结 (36) 结论 (37) 致谢 (38) 参考文献 (39) 附录 (40) 一、英文原文 (40) 二、英文翻译 (53)
太原科技大学 毕业设计（论文） 设计(论文)题目：基于PCA算法的人脸识别
毕业设计（论文）原创性声明和使用授权说明 原创性声明 本人郑重承诺：所呈交的毕业设计（论文），是我个人在指导教师的指导下进行的研究工作及取得的成果。尽我所知，除文中特别加以标注和致谢的地方外，不包含其他人或组织已经发表或公布过的研究成果，也不包含我为获得及其它教育机构的学位或学历而使用过的材料。对本研究提供过帮助和做出过贡献的个人或集体，均已在文中作了明确的说明并表示了谢意。 作者签名：日期： 指导教师签名：日期： 使用授权说明 本人完全了解大学关于收集、保存、使用毕业设计（论文）的规定，即：按照学校要求提交毕业设计（论文）的印刷本和电子版本；学校有权保存毕业设计（论文）的印刷本和电子版，并提供目录检索与阅览服务；学校可以采用影印、缩印、数字化或其它复制手段保存论文；在不以赢利为目的前提下，学校可以公布论文的部分或全部内容。 作者签名：日期： Ⅰ
学位论文原创性声明 本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加以标注引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律后果由本人承担。 作者签名：日期：年月日 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。 涉密论文按学校规定处理。 作者签名：日期：年月日 导师签名：日期：年月日 Ⅰ
辽宁工业大学 关于图像识别技术的论述 --图像处理与识别结课论文 学院：电子与信息工程学院 班级：电子102班 学号：100404054 姓名：包媛
关于图像识别技术的论述 随着科学技术的不断发展,计算机应用领域的不断开拓,一种全新的图像处理方法应运而生,这就是数字图像处理技术,即利用计算机设备将图像转变成数字信息来进行保存、处理、传输和重现。数字图像识别技术则是从数字图像处理技术中延伸出来的一个重要的研究方向。目前,数字图像处理与识别的应用范围越来越广。但就目前的水平而言,计算机对外部的感知能力还比较薄弱,还需要投入大量人力、物力从事数字图像处理与识别的理论和应用的研究。图像处理与识别的应用有很多种，如指纹识别，条码识别，人脸识别,车牌识别，残损纸币识别等等在生活，生产中，和警方侦破案件中都有很多很重要的应用。数字图像处理方法的分类以及数字图像处理系统的基本部件,“数字图像处理的基本方法”、“人脸识别”及“残损纸币识别”进行详细叙述。一些数字图像处理的基本方法,包括图像增强与图像检测两部分。人脸识别”当中,可采用SN-tuple神经网络的方法进行识别,同时网络参数的变化对识别率也会有所影响影响。对于“残损纸币识别”,可以选择边缘检测、Fisher判别和神经网络三种方法进行识别。其中,边缘检测需要区分纸币的面值和正反,之后方可识别,但性能较为稳定,识别效果较好;Fisher判别无需区分纸币的面值和正反,但识别率受样本选择的影响,不同样本,识别率有可能相差较大;神经网络方法也可不区分纸币的面值与正反,但识别率较低,若区分面值与正反,则可获得较高的识别率。下面分别对车牌识别，纸币、票据识别和手势识别做陈述。 随着我国国民经济的迅速增长,机动车的规模与流量大幅增加,随之而来的管理问题也日益严重。因此迫切需要采用高科技手段,对这些违法违章车辆牌照进行登记,汽车牌照识别系统的出现成为了交通管制必不可少的有力武器。汽车牌照的识别系统在公共安全,交通管理,及相关军事部门有着重要的应用价值。它是一个基于数字图像处理和字符识别的智能化交通管理系统,该系统先通过图像采集,再对图像进行处理以克服图像干扰,改善识别效果,而后进行二值化,归一化等处理,最后进行识别。车牌识别系统使得车辆管理更趋于数字化,网络化,大大提高了交通管理的有效性与方便性。车牌识别系统作为整个智能交通系统的一部分,其重要性不言而喻。 车牌识别是一项涉及到数字图像处理、计算机视觉、模式识别、人工智能等多门学科的技术,它在交通监视和控制中占有很重要的地位,已成为现代交通工程领域中研究的重点和热点之一。该项技术应用前景广泛,例如用在自动收费系统、不停车缴费、失窃车辆的查寻、停车场车辆管理、特殊部门车辆的出入控制
摘要 摘要 随着社会的发展，各个方面对快速有效的自动身份验证的要求日益迫切。由于生物特征是人的内在属性，具有很强的自身稳定性和个体差异性，因此是身份验证的理想依据。这其中，利用人脸特征又是最自然直接的手段，相比其他生物特征，它具有直接、友好、方便的特点，易于为用户接受。 人脸识别是一个涉及面广且又很有挑战性的研究课题，近年来关于人脸识别的研究取得了较大的进展。 关键词：人脸识别，AT89C51单片机，液晶显示器
Abstract As the development of the society, there are increasing demands in automatic identity check. Since some biological characteristics are intrinsic and stable to people and are strongly different from one to the others, they can be used as features for identity check. Among all the characteristics of human, the characteristics of face are the most direct tools which are friendly and convenient and can easily be accepted by the customers. Face recognition is an extensive and challenging research problem. Recently, significant progresses have been made in the technology of the face recognition. Key word:AT89C51 MCU，human face recognition，LCD
前言 在人类社会的发展进入到21世纪的今天，安全问题已经成为困扰人们日常生活的重要问题之一。社会的发展促进了人的流动性，进而也增加了社会的不稳定性，使得安全方面的需求成为21世纪引起广泛关注的问题。不论是享受各项服务如网上冲浪、还是居家、办公等都涉及到安全，以往这些行为基本上是通过符号密码来进行安全保护，但是随着服务数量的不断增加，密码越来越多以致无法全部记住，而且密码有时也会被他人所窃取，各种密码被破解的概率越来越高，因为通常由于记忆的原因，人们经常会选用自己或亲人的生日、家庭地址、电话号码等作为密码并长期使用，这些很容易被一些不法分子获取。可见在现代社会中，身份识别已经成为人们日常生活中经常遇到的一个基本问题。人们乎时时刻刻都需要鉴别别人的身份和证明自己的身份，以获得对特定资源的使用权或者制权，同时防止这些权限被他人随意的取得。传统的身份识别方法主要基于身份标识物(如证件、卡片)和身份标识知识(如用户名、密码)来识别身份，这在很长一段时期是非常可靠和方便的识别方法，得到了广泛的应用。但是，随着网络、通信、交通等技的飞速发展，人们活动的现实空间和虚拟空间不断扩大，需要身份认证的场合也变得无不在。人们需要携带的身份标识物品越来越多，身份标识知识也变得越来越复杂和冗长在这种情况下，传统身份识别方式的弊端日益彰显。身份标识物品容易被丢失和伪造，份标识知识容易被遗忘、窃取和破解，而身份标识的重要性又使得一旦失去了身份标识会给标识的所有者甚至整个社会带来重大的甚至难以弥补的损失。在美国，每年约有上百万的福利款被人以假冒的身份领取;每年发生的信用卡、ATM、移动电话和冒领支票等成的损失达数百亿美元[2]。面临着这样的状况，人们对身份识别的安全性、可靠性、准确和实用性提出了更高的要求，必须寻求身份识别的新途径。 于是，近年来人类生物特征越来越广泛地用于身份识别，而且生物特征可以更好的进行安全控制，世界各国政府都在大力推进生物识别技术的发展及应用。与原有的人类身分识别技术(如:个人密码、磁卡、智能卡等)相比，基于人类生物特征的识别技术具有安全可靠、特征唯一、不易伪造、不可窃取等优点。人类本身具有很多相对独特的特征，如DNA、指纹、虹膜、语音、人脸等。基于这些相对独特的人类特征，结合计算机技术，发展起众多的基于人类生物特征的人类身份识别技术，如DNA识别技术、指纹识别技术、虹膜识别技术、语音识别技术、人脸识别技术。 人脸识别和其他的生物识别比起来有以下几个优点:1、其他的生物特征识别方法都需要一些人为的行为配合，而人脸识别不需要。2、人脸识别可应用在远距离监控中。3、针一对现在的第一、二代身份证，每个身份证都有人脸的正面照片，也就是人脸库将是最完善的，包括人最多的，我们可以利用这个库来更直观、更方便的核查该人的身份。 4、相对于其他基于生物特征识别技术，人脸识别技术具有特征录入方一便，信息丰富，使用面广等优点，同时人脸识别系统更加直接友好。人脸识别技术作为生物识别技术的