基于人脸识别算法的研究及门禁系统的设计与实现

论文摘要

人脸识别的研究具有重要的研究价值和应用价值,是当今的研究热点之一。人脸特征提取作为人脸识别的重要组成部分,在很大程度上关系到整个人脸识别系统的有效性。本文主要探讨了一类人脸识别算法,即基于子空间的人脸识别算法。本文的主要工作包含以下几个方面:(1)阐述了课题研究的背景和意义,介绍了生物特征识别的历史和现状,说明了国内外人脸识别内容与难点,对比了几个不同的人脸识别方法,最后介绍了几种不同的人脸数据库。(2)介绍了几种常见的人脸图像预处理算法:几何校正、中值滤波、直方图均衡化、图像缩放,说明了他们在人脸识别中的重要作用,为后面的人脸识别研究工作奠定基础。(3)研究了PCA用于人脸识别的方法,首先阐述了方法的基本过程,然后详细说明了基于PCA的人脸识别方法,后面通过实验验证该方法的有效性,并对相关的一些关键问题进行研究。(4)研究了LDA用于人脸识别的方法,首先阐述了方法的基本过程,然后详细说明了基于LDA的人脸识别方法,后面通过实验验证该方法的有效性,并对相关的一些关键问题进行研究。(5)在前面提到的人脸识别研究算法的基础上,设计和实现了一个基于人脸识别的门禁系统,给出了设计与实现的过程。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 课题研究的背景和意义
• 1.2 生物特征识别的历史和现状
• 1.3 人脸识别研究的内容和难点
• 1.4 人脸识别研究的方法
• 1.4.1 基于特征脸（PCA）的人脸识别方法
• 1.4.2 几何特征的人脸识别方法
• 1.4.3 弹性图匹配的人脸识别方法
• 1.4.4 神经网络的人脸识别方法
• 1.4.5 支持向量机（SVM） 的人脸识别方法
• 1.4.6 线段Hausdorff 距离（LHD） 的人脸识别方法
• 1.5 人脸数据库
• 1.6 主要内容及章节安排
• 第二章 图像预处理技术
• 2.1 几何校正
• 2.2 中值滤波
• 2.3 直方图均衡化
• 2.4 图像缩放
• 2.4.1 插值方法缩放
• 2.4.2 小波方法缩放
• 2.5 本章小结
• 第三章 基于PCA 的人脸识别的研究
• 3.1 PCA
• 3.1.1 PCA 简介
• 3.1.2 K-L 变换
• 3.1.3 PCA 重建
• 3.1.4 PCA 特点
• 3.2 基于PCA 的人脸识别过程
• 3.2.1 训练过程
• 3.2.2 特征映射过程
• 3.2.3 距离分类器
• 3.3 实验及结果
• 3.3.1 实验数据库
• 3.3.2 实验结果
• 3.4 本章小结
• 第四章 基于LDA 的人脸识别的研究
• 4.1 LDA
• 4.1.1 LDA 简介
• 4.1.2 LDA 多类分类
• 4.2 基于LDA 的人脸识别过程
• 4.2.1 训练过程
• 4.2.2 特征映射过程
• 4.3 实验及结果
• 4.3.1 实验数据库
• 4.3.2 实验结果
• 4.4 本章小结
• 第五章 基于人脸识别的门禁系统的设计与实现
• 5.1 可行性研究
• 5.1.1 社会需求分析
• 5.1.2 技术可行性分析
• 5.1.3 应用程序的功能需求分析
• 5.2 系统的总体结构设计
• 5.3 系统设计
• 5.3.1 数据库设计
• 5.3.2 类设计
• 5.4 系统功能实现
• 5.4.1 登陆
• 5.4.2 系统主界面
• 5.4.3 查看及添加个人信息
• 5.4.4 部分关键代码
• 5.5 本章总结
• 第六章 结论和展望
• 6.1 本论文研究总结
• 6.2 前景展望
• 致谢
• 参考文献