第 1 章 绪论
1.1 课题研究的背景及其意义
身份认证是当前人类无法避免的社会活动，人们需要在许多社交活动中验证自己的身份。传统的身份验证方法（如身份证，护照，钥匙和密码）可能会丢失或被盗，造成许多安全问题。随着社会的发展，人们对于信息安全显得尤为重视，生物特征识别技术以其高效、稳定、快速、单一等特点，避免了传统识别方法的一些弊端，成为目前很活跃的一个研究课题。人脸识别作为生物特征识别的重要分支，具有非接触性，用户接受度高，采集设备简单，易于操作且设备成本较低等优势，也越来越成为生物特征识别的一个热点研究领域。随着人脸识别技术不断发展，人脸识别逐渐被社会认可，在公共安全、国防安全、入口控制、身份验证、智能视频监控、视频会议、智能解锁等在生产生活各个领域应用越来越深入和广泛，并且拥有巨大的应用前景。在公安领域，随着警务科技化水平的不断提升，人脸识别已经深度应用于侦查破案、安全检查、快速通关、信息查询等各个方面，可以说公安工作已经越来越依赖人脸识别。虽然人脸识别在算法研究和实际应用中等很多方面已经取得了不错的成就，但是其它生物特征识别相比较，在识别率和防伪性等方面仍然存在很大差距，随着人们对人脸识别统要求的不断提高，研究设计快速准确的人脸系统仍然具有较强的应用价值和现实意义。
人类天生具有辨识人脸的能力，但是计算机要达到人类的这种识别能力，还面临许多困难。一是实际应用中获取人脸图像的情形复杂，难以获取理想的正面人脸图像，通常都会存在一定角度；二是人脸的外部形态随着年龄的增长不断变化，也会受到某些遮挡物的影响，进而影响到识别效果；三是受到光照等自然环境影响，很多识别方法对图像的光照条件有较为严格的要求，光照过暗或过强都会影响识别效果。因此，要找到一种快速准确的人脸识别方法是还需要长期深入的研究与实践。
........................
1.2 人脸识别的国内外发展现状
19 世纪末 20 世纪初法国人 Galton 等人在自然杂志上发表了一篇关于使用人脸图像进行识别的文章，这是一种非自动识别人脸的方法，这是人脸识别技术的研究开端。20 世纪中期，科学家才提出了自动识别人脸的算法，到了 20 世纪末，人脸识别研究逐渐成为的研究热点。20 世纪 90 年代以后，随着计算机技术的飞速发展，人脸识别已经成为人工智能和模式识别领域的一个重要研究课题，得到了快速的发展。自 21 世纪初以来，人们对人脸识别系统的识别准确性和适应性提出了越来越高的要求。目前，理想的人脸识别效果已达到商业应用水平。近年来，在巨大的社会需求和商业价值的情况下，在复杂的条件下的人脸识别技术也取得了重大突破。下面，
1.2 人脸识别的国内外发展现状
19 世纪末 20 世纪初法国人 Galton 等人在自然杂志上发表了一篇关于使用人脸图像进行识别的文章，这是一种非自动识别人脸的方法，这是人脸识别技术的研究开端。20 世纪中期，科学家才提出了自动识别人脸的算法，到了 20 世纪末，人脸识别研究逐渐成为的研究热点。20 世纪 90 年代以后，随着计算机技术的飞速发展，人脸识别已经成为人工智能和模式识别领域的一个重要研究课题，得到了快速的发展。自 21 世纪初以来，人们对人脸识别系统的识别准确性和适应性提出了越来越高的要求。目前，理想的人脸识别效果已达到商业应用水平。近年来，在巨大的社会需求和商业价值的情况下，在复杂的条件下的人脸识别技术也取得了重大突破。下面，
我们根据近 50 年以来人脸识别领域的研究成果，将人脸识别技术的研究进程分为以下三个阶段：
第一阶段：20 世纪 60 年代至 20 世纪 90 年代年。这是人脸识别研究的初期阶段，这一时期的人脸识别研究研究的内容较为简单和基础，主要研究的是基于人脸几何特征的方法。
第一阶段：20 世纪 60 年代至 20 世纪 90 年代年。这是人脸识别研究的初期阶段，这一时期的人脸识别研究研究的内容较为简单和基础，主要研究的是基于人脸几何特征的方法。
第二阶段：20 世纪 90 年代年至 21 世纪初。这是人脸识别技术发展的黄金时期，随着计算机技术的发展，人脸识别技术在这一时期取得了非常快速的发展，在此期间，研究人员提出了很多人脸识别经典的算法，包括融合线性判别分析（LDA）的Fisher face 人脸识别方法、主成分分析（PCA）为主特征脸方法、局部特征识别法、基于统计的模式识别方法以及弹性图匹配技术等，在识别率和识别速度上有了大幅提升。
第三阶段：21 世纪初至今。 在此期间，研究人员针对消除表情、光照、姿态变化等因素对人脸识别系统性能的影响等方面做了大量工作，相继提出了许多改进的算法，这些算法均在一定程度上解决了环境因素造成的识别率低等问题，并且一些算法成功用于商业系统中。
第三阶段：21 世纪初至今。 在此期间，研究人员针对消除表情、光照、姿态变化等因素对人脸识别系统性能的影响等方面做了大量工作，相继提出了许多改进的算法，这些算法均在一定程度上解决了环境因素造成的识别率低等问题，并且一些算法成功用于商业系统中。
.......................
第 2 章 基于 Matlab 软件的图像预处理方法
2.1 Matlab 软件的概述及功能
2.1.1 Matlab 软件概述
第 2 章 基于 Matlab 软件的图像预处理方法
2.1 Matlab 软件的概述及功能
2.1.1 Matlab 软件概述
Matlab 软件是由美国 Math Work 公司开发的一款以数组和矩阵为基础的计算机语言。该软件函数功能丰富，简洁高效，直观可视，数据处理功能强大，是国际公认的标准计算仿真软件。相较于 C 和 FORTRAN 的较为晦涩的代码，Matlab 的代码更加直观易懂，同时更符合用户的思维和使用习惯，程序的开发环境也更加直观简洁。后经 Math Works 公司多年的不断改进，Matlab 目前已经发展成为一个适用于多学科和多工作平台的强大的软件。Matlab 软件拥有丰富的运算符号，可以实现实时的文字处理和可视化建模仿真，主要优点有：
1）语言简单紧凑，使用灵活
2）运算符丰富；
3）语法编程自由度大；
4）具有结构化控制语句以及面向对象的编程功能；
5）程序的可移植性好；
6）图形功能强大；
7）工具箱功能丰富，用户无需在自己的学科内编写基本程序，而直接进行高、精、尖的研究。
但 Matlab 的缺点是执行速度较慢，仿真实验对设备硬件要求较高。
2）运算符丰富；
3）语法编程自由度大；
4）具有结构化控制语句以及面向对象的编程功能；
5）程序的可移植性好；
6）图形功能强大；
7）工具箱功能丰富，用户无需在自己的学科内编写基本程序，而直接进行高、精、尖的研究。
但 Matlab 的缺点是执行速度较慢，仿真实验对设备硬件要求较高。
2.1.2 Matlab 软件的基本功能及函数
当我们打开 Matlab 软件后之后，会看到一个命令窗口，即 Matlab Command Window，它是 Matlab 软件最主要的运行程序的窗口，键入命令和显示计算结果都在该窗口进行，该窗口上面有该软件的各种操作命令符号，方便使用者操作。另外，还有一个专门用来编辑应用程序的编程窗口，该窗口用于编辑程序，显示保存的 M文件。还有一个主窗口，一般位于命令窗口下面，可以记录已使用过的历史命令和已打开的文件目录，方便查找。该软件为用户提供了丰富的运算符和函数，具有强大的数据运算和分析能力，下面我们介绍一些基本的运算符和常用的数据处理和分析函数。
........................
2.2 人脸图像预处理方法
像预处理是人脸识别过程的重要组成部分。人脸图像由于不同的外部采集环境，例如光照度和设备的性能，存在很多影响人脸识别的问题。另外，设备采集到的图像，人脸大小、角度不确定，图像像素大小存在较大差异，人脸不在图像的中间位置或人脸占整个图像比例过大、过小等，这些因素直接影响人脸识别系统的正常识别功能。
为了确保人脸图像能达到系统识别要求，我们第一步需要对采集到的人脸图像进行预处理。本文中的人脸图像的预处理过程主要包括图像的灰度变换、图像直方图均衡化、图像的平滑处理、图像的几何校正等。通过对图像的预处理，可以实现图像的标准化，便于人脸识别系统的识别。
2.2.1 图像的灰度变换
1)彩色图像转换为灰度图像
图像灰度变换可以实现将彩色图像转换为仅有黑白颜色的图像的功能。这可以使人脸识别系统中处理图像的过程更简单，更具体，减少不必要的信息对人脸识别的负面影响。
..........................
当我们打开 Matlab 软件后之后，会看到一个命令窗口，即 Matlab Command Window，它是 Matlab 软件最主要的运行程序的窗口，键入命令和显示计算结果都在该窗口进行，该窗口上面有该软件的各种操作命令符号，方便使用者操作。另外，还有一个专门用来编辑应用程序的编程窗口，该窗口用于编辑程序，显示保存的 M文件。还有一个主窗口，一般位于命令窗口下面，可以记录已使用过的历史命令和已打开的文件目录，方便查找。该软件为用户提供了丰富的运算符和函数，具有强大的数据运算和分析能力，下面我们介绍一些基本的运算符和常用的数据处理和分析函数。
........................
2.2 人脸图像预处理方法
像预处理是人脸识别过程的重要组成部分。人脸图像由于不同的外部采集环境，例如光照度和设备的性能，存在很多影响人脸识别的问题。另外，设备采集到的图像，人脸大小、角度不确定，图像像素大小存在较大差异，人脸不在图像的中间位置或人脸占整个图像比例过大、过小等，这些因素直接影响人脸识别系统的正常识别功能。
为了确保人脸图像能达到系统识别要求，我们第一步需要对采集到的人脸图像进行预处理。本文中的人脸图像的预处理过程主要包括图像的灰度变换、图像直方图均衡化、图像的平滑处理、图像的几何校正等。通过对图像的预处理，可以实现图像的标准化，便于人脸识别系统的识别。
2.2.1 图像的灰度变换
1)彩色图像转换为灰度图像
图像灰度变换可以实现将彩色图像转换为仅有黑白颜色的图像的功能。这可以使人脸识别系统中处理图像的过程更简单，更具体，减少不必要的信息对人脸识别的负面影响。
我们一般在外界采集到的图像都是 RGB 三基色的彩色图像。RGB 三基色的颜色空间可以用三维直角坐标系中一个放在第 1 卦限内的单位正方体来表示，空间中每一点都代表一种颜色。比如原点坐标（0,0,0）表示黑色，坐标（1,1,1）表示白色，坐标（1,0,0）表示红色，坐标（0,1,0）表示绿色，坐标（0,0,1）表示蓝色，坐标（1,1,0）表示黄色，坐标（0,1,1）表示青色，坐标（1,0,1）表示紫色。单位正方体坐标（0,0,0）和（1,1,1）主对角线则代表从黑色到白色之间不同级别的深度，也就是灰度。灰度就是像素的亮度值，灰度图没有色彩信息，像素点的色彩只反映图像的亮度，不反映颜色信息，它是逐渐过渡变化的，正如平常所见的黑白照片，灰度图可以用亮度值来表示，灰度划分越细致，重现的原灰度图越准确。
目前，普遍采用从 0 到 255 共 256 个灰度值来表示灰度图像，0 指全黑，255 指全白，0~255 之间则表示灰色图像的亮度深浅变化。因为灰度图使用方便，也比较容易处理，所以人脸识别的研究一般采用灰度图为研究对象 。
3.1 PCA 的概念及原理 ················· 19
3.1.1 PCA 的概念 ···················· 19
3.1.2 PCA 的原理 ····················· 20
第 4 章 基于支持向量机的人脸分类算法 ······················· 29
4.1 概述 ··························· 29
4.2 支持向量机 ···················· 29
第 5 章 人脸识别系统的架构设计及仿真实现 ······················· 41
5.1 引言 ···························· 41
5.2 系统结构设计 ·················· 41
5.3 系统仿真的软硬件准备 ················ 42
第 5 章 人脸识别系统的设计及仿真实现
5.1 引言
人脸识别系统就是通过使用设计的系统分析给定分人脸图像信息，提取有效信息，在已知的人脸数据库中进行比对，利用分类规则对识别图像进行分类识别，从而实现正确识别给定的人脸图像。
核心识别算法的选择决定了人脸识别系统是否具有良好的识别性能，但系统设计的适用性、合理性也对应用系统的成败有着较大影响，特别是在当前的情况下，人脸识别技术面临许多关键问题，系统设计的好坏更直接决定了识别效果，良好的系统设计可能会产生事半功倍的效果。
本文初步实现了一种基于 PCA 结合 SVM 分类器的人脸识别系统 PCA+SVM 人脸识别系统，本章中将该系统的设计方案及实现过程进行详细介绍。
5.1 引言
人脸识别系统就是通过使用设计的系统分析给定分人脸图像信息，提取有效信息，在已知的人脸数据库中进行比对，利用分类规则对识别图像进行分类识别，从而实现正确识别给定的人脸图像。
核心识别算法的选择决定了人脸识别系统是否具有良好的识别性能，但系统设计的适用性、合理性也对应用系统的成败有着较大影响，特别是在当前的情况下，人脸识别技术面临许多关键问题，系统设计的好坏更直接决定了识别效果，良好的系统设计可能会产生事半功倍的效果。
本文初步实现了一种基于 PCA 结合 SVM 分类器的人脸识别系统 PCA+SVM 人脸识别系统，本章中将该系统的设计方案及实现过程进行详细介绍。
基于人脸识别算法的实现过程可以分为四个主要步骤：
1）人脸库的采集与建立。在外界采集人脸图像时图像尽量达到人脸在正面、人脸占比适中、人脸图像背景相同。本文为了达到更好的识别效果，采用了标准的英国 ORL 人脸数据库及少量自建人脸库。
2）人脸图像的预处理。对于自建人脸库，除了对收集到的图片要设定统一的大小规格，还要具有统一灰度的要求，对图像进行降噪、增强对比度等处理，使处理后的图像能够满足系统仿真要求。
3）人脸图像的特征提取。通过 K-L 变换和 SVD 定理，获得图像的特征脸空间，通过训练大量的人脸图像信息进行重复验证，获得一组稳定可靠的人脸特征信息，用作人脸识别的对比参考数据。
1）人脸库的采集与建立。在外界采集人脸图像时图像尽量达到人脸在正面、人脸占比适中、人脸图像背景相同。本文为了达到更好的识别效果，采用了标准的英国 ORL 人脸数据库及少量自建人脸库。
2）人脸图像的预处理。对于自建人脸库，除了对收集到的图片要设定统一的大小规格，还要具有统一灰度的要求，对图像进行降噪、增强对比度等处理，使处理后的图像能够满足系统仿真要求。
3）人脸图像的特征提取。通过 K-L 变换和 SVD 定理，获得图像的特征脸空间，通过训练大量的人脸图像信息进行重复验证，获得一组稳定可靠的人脸特征信息，用作人脸识别的对比参考数据。
....................
结论
本文在深入研究人脸识别技术理论的基础上，主要研究了人脸预处理、人脸特征提取和人脸识别这三大内容，对 PCA、SVM 算法进行了深入的研究，其中人脸识别是本文研究的重点。针对传统 PCA 人脸识别方法利用距离函数实现人脸识别的不足进行了改进，将 PCA 人脸识别技术与 SVM 分类器相结合，设计了 PCA+SVM 人脸识别系统，实现人脸识别功能，最后在 Matlab 软件上进行仿真，得到了识别结果。
本文主要完成了以下工作：
参考文献（略）
结论
本文在深入研究人脸识别技术理论的基础上，主要研究了人脸预处理、人脸特征提取和人脸识别这三大内容，对 PCA、SVM 算法进行了深入的研究，其中人脸识别是本文研究的重点。针对传统 PCA 人脸识别方法利用距离函数实现人脸识别的不足进行了改进，将 PCA 人脸识别技术与 SVM 分类器相结合，设计了 PCA+SVM 人脸识别系统，实现人脸识别功能，最后在 Matlab 软件上进行仿真，得到了识别结果。
本文主要完成了以下工作：
参考文献（略）