基于人工神经网络的人脸朝向识别模型

卫星测控模型

卫星或飞船测控模型摘要本文对通过测控站分布问题进行了简化，建立了数学模型。我们对卫星或飞船如何运行，如何使测控站合理分布，以及如何使测控站数最少等问题进行了分析讨论，最终计算出最少的测控站数。对于问题一，我们先得出每一个测控站的最大测控区域对应的圆心角与卫星或飞船离地高度的关系式)93sin arcsin 93180 2H R R +-- （＝β，因为所有测控站与运行轨道共面且是个圆周，则对卫星或飞船进行全程跟踪测控最少为 ]360[ β =N 个测控站。但是对于不同的轨道上的卫星或飞船，则有不同的情况。为此我们分别对同步卫星、远距离的卫星或飞船、近地轨道的卫星或飞船进行分序号出现的情况所需要测控站个数 1 离地36000km 同步卫星 1 2 远距离超过的卫星 3 3 近地轨道200km 的卫星或飞船 16 α，所以卫星或飞船的运行轨道只在以球心为中心，半径为R+H 的球面，去掉上下两个高度为（H+R ）(1-sin α)的球冠剩余的部分。方法一，首先，我们采用测控点测控区域重叠的方式，以圆的内接正方形的边为重叠部分的交线，所以得出重叠后能完全监控测控区域所对应的圆心角 )2 tan 22arctan( 21ββ= 从而得出需要布控监控点的纬线数及纬度，最后得出总监控点数为 ∑ == i i i N 1 1 cos 2βαπ（i=…）方法二，我们经过公式推导，得出经度差的表达式：3 2? ? ? ??+=?R H R A π ；假设卫星或飞船沿固定的轨道运转n 1后，卫星或飞船又回到了原来的出发点上，即满足A n n ?=π 212条件。此时，测控站所要测控的范围，并且所需要的测控站数也减少了，其测控范围即为一条近似于正弦函数曲线图像。再运用简化思想把曲线拉直成为直线l 。以测控站所对应的测控圆的直径d 截取。最后，得到最少所需的测控站数为 ????? ???????+-=)93sin arcsin 87sin(H R R N π 关键词：测控面，经度差，排布

人脸识别中性别识别模型评价(项目实例)

人脸识别中性别识别模型评价（项目实例）以人脸识别中的性别识别测试为实例，对整个测试过程进行详细讲解。举例有一个项目，要求是输入一张人脸照片，使用算法对照片中人物的性别进行预测男或女。测试人员需要对算法模型的表现进行评价，输出客观的评价指标。测试工作开展：一、需求分析，查看需求文档，了解需求算法的输入和输出是什么的内容，格式。测试人员需要给出的评价指标。训练数据中男性照片和女性照片数据分别有多少，比例。照片数据是怎样的（是否有老人，小孩等）。算法是如何实现的。（整个模型预测流程；数据是如何处理；用的是什么算法）思考方向：算法工程师使用男女训练数据比例是否合理？照片数据中覆盖是否全面？二、测试数据准备（相当于编写测试用例）类比一个输入框的测试，需要测试汉字、字符、表情、数字、字母，组合等多种情况下的。这里也是类似。主要考虑： 1，需要什么样的测试数据 2，测试数据要多少思考什么情况下可能会影响到算法识别性别，准备这样的测试数据。

这里给出一些建议：男性照片和女性照片测试数据比例和训练数据中比例保持一致。照片数据中包括不同年龄段男女正常脸部拍摄的照片包括不同光线照明场景，尤其是弱光，光线不足，暗场景下的照片。包括不同姿势（偏头、仰头、侧面）场景照片。被物体（如眼镜、面膜、口罩、手等）遮挡场景照片。测试数据总数多少参考之前写的博客。本次项目测试主要考虑用户群体，用户场景下拍摄的照片。不使用网络照片。不使用国外人脸数据集。不考虑国外人群，像黑种人性别识别。进入性别识别前有人脸识别模型判断有没有人脸，多人脸判断等，所以不用考虑非人脸是否会识别出性别的问题。场景下不会有脸部区域很小的照片。此不考虑。笔者这里使用1100张女性照片，900张男性照片做为测试数据。测试数据的标注：如果是图片是本地.jpg格式的，在一个文件夹中新建2个子文件夹，一个命名man存放所有男性照片，一个命名为woman存在所有女性照片。如果图片是url，所有url保存在一个txt文档中，分为两列，第一列为url，第二列为对应标注1，2 三、测试脚本

人脸识别技术的应用背景及研究现状

人脸识别技术的应用背景及研究现状 1．人脸识别技术的应用随着社会的不断进步以及各方面对于快速有效的自动身份验证的迫切要求，生物特征识别技术在近几十年中得到了飞速的发展。作为人的一种内在属性，并且具有很强的自身稳定性及个体差异性，生物特征成为了自动身份验证的最理想依据。当前的生物特征识别技术主要包括有：指纹识别，视网膜识别，虹膜识别，步态识别，静脉识别，人脸识别等。与其他识别方法相比，人脸识别由于具有直接，友好，方便的特点，使用者无任何心理障碍，易于为用户所接受，从而得到了广泛的研究与应用。除此之外，我们还能够对人脸识别的结果作进一步的分析，得到有关人的性别，表情，年龄等诸多额外的丰富信息，扩展了人脸识别的应用前景。当前的人脸识别技术主要被应用到了以下几个方面：（1）刑侦破案公安部门在档案系统里存储有嫌疑犯的照片，当作案现场或通过其他途径获得某一嫌疑犯的照片或其面部特征的描述之后，可以从数据库中迅速查找确认，大大提高了刑侦破案的准确性和效率。（2）证件验证在许多场合（如海口，机场，机密部门等）证件验证是检验某人身份的一种常用手段，而身份证，驾驶证等很多其他证件上都有照片，使用人脸识别技术，就可以由机器完成验证识别工作，从而实现自动化智能管理。（3）视频监控在许多银行，公司，公共场所等处都设有24小时的视频监控。当有异常情况或有陌生人闯入时，需要实时跟踪，监控，识别和报警等。这需要对采集到的图像进行具体分析，且要用到人脸的检测，跟踪和识别技术。（4）入口控制入口控制的范围很广，既包括了在楼宇，住宅等入口处的安全检查，也包括了在进入计算机系统或情报系统前的身份验证。（5）表情分析根据人脸图像中的面部变化特征，识别和分析人的情感状态，如高兴，生气等。此外，人脸识别技术还在医学，档案管理，人脸动画，人脸建模，视频会议等方面也有着巨大的应用前景。 2．人脸识别技术在国外的研究现状当前很多国家展开了有关人脸识别的研究，主要有美国，欧洲国家，日本等，著名的研究机构有美国MIT的Media lab,AI lab,CMU的Human-Computer I nterface Institute，Microsoft Research,英国的Department of Engineerin g in University of Cambridge等。综合有关文献，目前的方法主要集中在以下几个方面：

人脸检测原理

前言关于opencv OpenCV 是 Intel 开源计算机视觉库(Computer Version) 。它由一系列 C 函数和少量 C++ 类构成，实现了图像处理和计算机视觉方面的很多通用算法。 OpenCV 拥有包括 300 多个 C 函数的跨平台的中、高层 API 。它不依赖于其它的外部库——尽管也可以使用某些外部库。 OpenCV 对非商业应用和商业应用都是免费的。同时 OpenCV 提供了对硬件的访问，可以直接访问摄像头，并且 opencv 还提供了一个简单的 GUI(graphics user interface) 系统 :highgui 。我们就通过 OpenCV 提供的一些方法来构造出这个人脸检测（face detection ）程序来。 opencv的python包装 OpenCV 本身是有 C/C++ 编写的，如果要在其他语言中使用，我们可以通过对其动态链接库文件进行包装即可，幸运的是， Python 下有很多个这样的包装，本文中使用的是 Cvtypes 。事实上，在 Python 中很多的包都是来自第三方的，比如 PIL(Python Image Library) 即为 C 语言实现的一个图形处理包，被包装到了 Python 中，这些包装可以让你像使用 Python 的内建函数一样的使用这些 API 。人脸检测原理人脸检测属于目标检测(object detection)的一部分，主要涉及两个方面 1.先对要检测的目标对象进行概率统计，从而知道待检测对象的一些特征，建立起目标检测模型。 2.用得到的模型来匹配输入的图像，如果有匹配则输出匹配的区域，否则什么也不做。计算机视觉计算机的视觉系统，跟人的眼睛是大不相同的，但是其中也有类似之处。人眼之能够看到物体，是通过物体上反射出来的光线刺激人眼的感光细胞，然后视觉神经在大脑中形成物体的像。计算机通过摄像头看到的东西要简单的多，简单来说，就是一堆由数字组成的矩阵。这些数字表明了物体发出的光的强弱，摄像头的光敏元件将光信号转化成数字信号，将其量化为矩阵。如何从这些数字中得出:"这是一个人脸"的结论，是一个比较复杂的事情。物理世界是彩色的，一般来说，计算机中的彩色图片都是由若干个色彩通道累积出来的，比如RGB模式的图片，有红色通道(Red)，绿色通道(Green)和蓝色通道(Blue),这三个通道都是灰度图，比如一个点由8位来表示，则一个通道可以表示2^8=256个灰度。那样三个通道进行叠加以后可以表3*8=24位种色彩，也就是我们常说的24位真彩。对这样的图片做处理，无疑是一件很复杂的事，所以有必要先将彩色图转为灰度图，那样可以减少数据量(比如RGB模式，可以减少到原图片的1/3)，同时可以去掉一些噪声信号。先将图片转化为灰度图，然后将这

基于LVQ神经网络的人脸朝向识别-自动化

第2章理论基础一般来说，我们能够将神经网络划分成两类：生物神经网络以及人工神经网络。对于前者网络形式来说，其主要包含的组织结构有：神经元、触点等诸多部分，它们主要功能是：模拟出与生物相类似地意识，对于其承载体来说，它所要实现的功能就是思考以及作出相应地动作。而对于后者网络形式，我们通常情况下也能够将它叫做神经网络，亦或者是连接模型，其关键特征在于它所获取的方式不同于其他模式，即模拟生物，作为具有极其广泛应用性数学模型，能够对分布式并行信息完成处理操作。对于信息处理操作过程，我们一般采用对内部各个节点相互联接关系进行调节来实现。 2.1 LVQ神经网络以竞争层网络结构为基础，人们提出了LVQ网络结构形式，我们也常常将其叫做量化网络，它涵盖了竞争学习思想以及具备监督学习算法等诸多优势，对于输入样本的分配类别，是利用教师信号进行规定的，因此能够克服缺乏分类信息的缺陷[2]。它是芬兰学者提出的，主要应用在模式识别领域。 2.1.1网络结构对于输入前向神经网络，其中所包含地极为重要一种结构就是上面我们提到的LVQ神经网络，前向神经网络结构图如图2.1所示。我们可以将其划分到具备监控学习方式范畴之内，能够实现对竞争层进行训练的作用[3]。输入及输出层是其主要的组成部分，除此以外，竞争层在里面也发挥着重要作用。通过对下面结构原理图的分析，我们能够知道m的含义为竞争层神经元，而n所代表的含义则是输入层神经元。LVQ神经网络的结构图如图2.2所示。

图2. 前向神经网络结构图图2.2 LVQ神经网络结构图通过对连接方式的观察，我们能够知道：输入和竞争层属于完全连接形式，而竞争和线性输出层则属于部分连接；从神经元数目的角度我们可以了解到，竞争层上数目相比较而言要大于线性输出层上数目；从连接数的角度我们可以知道，权值恒等于1时，则此神经元属于竞争层，并且可以与之相联的神经元数目只能够为1，并且其属于输出层[4]。反过来看，属于输出层的神经元都能够和两个及以上竞争层上神经元进行联接。在网络训练过程当中，那些能够将权值进行修改的神经元，全部都属于线性输出在与竞争层进行连接所必需神经元。相对于网络来说，当某一个输入模式被输送到其中，此时就会有一个神经元可以被激发，并且其位置是在竞争层，而且还要保证其位于输入模式附近，之所以会这样是为了使其在竞争时获取胜利，从而将神经元激活。此时“1”所代

卫星和飞船的跟踪测控论文

卫星和飞船的跟踪测控摘要本文对问题中各种情况下应建立的测控站个数进行了模型构建、并采集资料，并分析了资料中所建测控站对卫星所能测控的范围。首先，通过对文章仔细分析、并查阅相关资料和合理的假设，给所分析的问题提供了思路及依据，进而得到明确的答案和相关模型。对于第一问，在所有测控站都与卫星或飞船的运行轨道共面的情况下，我们想到使卫星或飞船飞的尽可能高，这样测控站测控范围就越大，测控站就越少，通过画图及正弦定理求出测控最大视角，再用?360除以测控最大视角,可得至少应建立的测控站个数,用MATLAB 软件算得20个。由于第二问中，卫星围绕地球转的同时，地球也再自转，卫星运行过程中并存在有经度差异，故此题过于复杂，我们对过程采用分解后再结合的方法，先假设地球不自转而卫星旋转，据画图及正弦定理可得测控最大视角2β。在地球自转同时卫星也转动的时候，在卫星运转一周时间内，地球所在卫星旋转轨道平面内所走的距离可求得：t V C 11=。通过画图分析得两个测控站的距离：?=90β πR l 。则由于地球自转而引起测控站多余的数目为：βπηR t V l C 1190?=='。卫星旋转w 周时其最大经度差为2π，由以上推论在同一纬度上增加的测控站个数β πβπη=='''22；则总的测控站数目为： H R R +?-??= 93sin arcsin 8790η（R Vt πλcos 2-）（H R R s i i n +?-?+93arcsin 871π）在问题三中，我们通过查阅相关资料，并从中获得了有关神七运行的基本信息，通过对上述所建模型进行检验，得出的测控站的位置以及所测控的范围与实际情况基本吻合。关键词：卫星、运行轨道、地球自转、经度差、测控站

人脸识别技术综述解读

人脸识别研究代上（河南大学环境与规划学院河南开封 475004）摘要：现今世界经济发展迅速，而面对繁杂的社会安全问题却显得有些捉襟见肘，人脸识别技术能够因通过面部特征信息识别身份而受到广泛关注。人脸识别通常使用采集含有人脸图像或视频流的设备，将收集到的人脸信息进行脸部检测,进而与数据库中已有信息进行对比确定被识别对象的身份,已经广泛的应用于公共安全、教育等多个方面，且在以后的社会发展中具有很大的应用前景。本文主要对人脸识别的发展历程、主要识别方法予以总结概括，并对其应用范围与发展趋势进行分析。关键词：人脸识别；方法；应用；发展 1引言人脸识别是基于人的脸部特征信息进行身份识别的一种生物识别技术。该项技术目前应用到社会的各个领域，例如个人家庭自动门的安全系统、犯罪人的身份识别系统、银行自动取款的服务系统等。人脸识别系统给人带了很多方便，应用能力很强，但是人脸识别仍然有很多阻碍其发展的困难之处。主要表现在：在收集图像中目标自身的影响；在系统收集图像的过程中容易受到各种外界因素以及系统收集图像之后由于其它因素造成的面部损伤所带来的影响；随着时间的变迁，人的面部逐步发生变化的影响。这些都对人脸识别技术的发展造成了一定的困难，也使得该项技术面临着多种挑战性。 2 人脸识别研究的发展历史与研究现状 2.1发展历史很早在19世纪80年代就有关于通过人脸对人类的身份进行辨别的论文发表，但是由于技术水平与设备的限制，人脸识别技术并没有受到重视。直到20世纪60年代末，Blcdsoc[1]提出了人脸识别研究的雏形，人脸识别技术才被人们接受。在人脸识别研究的早期阶段，人们主要研究的是人脸识别的各种方法，但是在实际应用方面却没有得到实质性的进展。进入20世纪90年代末的时候，人脸识别技术进入了一个快速发展阶段，在这个时期各种新的人脸识别方法相继出现，并创建了人脸图像数据库，对人脸识别的发展起到了巨大的促进作用。在实际应用方面也取得了很大的进展，运用人脸识别技术的产品逐渐进入了社会市场。进入21世纪以后，人脸识别技术已经逐步发展成熟，但是由于非理想条件如（光照、天气、姿态）的影响，对人脸识别技术的要求也更高。为了解决这些不利因素所造成的影响，研究者们一直努力寻找更加趋于完美的方法，从而减少这些因素所带来的不利影响。 2.2研究现状近几年来，人脸识别技术已经从以前的认知阶段发展到了实际应用阶段。但是由于每个人的面部都会因为各种不同的原因发生改变，这给人脸识别带来了不小的影响。如光照不同

视频中的人脸检测定位与跟踪识别毕业论文

毕业论文声明本人郑重声明： 1．此毕业论文是本人在指导教师指导下独立进行研究取得的成果。除了特别加以标注地方外，本文不包含他人或其它机构已经发表或撰写过的研究成果。对本文研究做出重要贡献的个人与集体均已在文中作了明确标明。本人完全意识到本声明的法律结果由本人承担。 2．本人完全了解学校、学院有关保留、使用学位论文的规定，同意学校与学院保留并向国家有关部门或机构送交此论文的复印件和电子版，允许此文被查阅和借阅。本人授权大学学院可以将此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文。 3．若在大学学院毕业论文审查小组复审中，发现本文有抄袭，一切后果均由本人承担，与毕业论文指导老师无关。 4.本人所呈交的毕业论文，是在指导老师的指导下独立进行研究所取得的成果。论文中凡引用他人已经发布或未发表的成果、数据、观点等，均已明确注明出处。论文中已经注明引用的内容外，不包含任何其他个人或集体已经发表或撰写过的研究成果。对本文的研究成果做出重要贡献的个人和集体，均已在论文中已明确的方式标明。学位论文作者（签名）：年月

关于毕业论文使用授权的声明本人在指导老师的指导下所完成的论文及相关的资料（包括图纸、实验记录、原始数据、实物照片、图片、录音带、设计手稿等），知识产权归属华北电力大学。本人完全了解大学有关保存，使用毕业论文的规定。同意学校保存或向国家有关部门或机构送交论文的纸质版或电子版，允许论文被查阅或借阅。本人授权大学可以将本毕业论文的全部或部分内容编入有关数据库进行检索，可以采用任何复制手段保存或编汇本毕业论文。如果发表相关成果，一定征得指导教师同意，且第一署名单位为大学。本人毕业后使用毕业论文或与该论文直接相关的学术论文或成果时，第一署名单位仍然为大学。本人完全了解大学关于收集、保存、使用学位论文的规定，同意如下各项内容：按照学校要求提交学位论文的印刷本和电子版本；学校有权保存学位论文的印刷本和电子版，并采用影印、缩印、扫描、数字化或其它手段保存或汇编本学位论文；学校有权提供目录检索以及提供本学位论文全文或者部分的阅览服务；学校有权按有关规定向国家有关部门或者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学校有关数据库和收录到《中国学位论文全文数据库》进行信息服务。在不以赢利为目的的前提下，学校可以适当复制论文的部分或全部内容用于学术活动。论文作者签名：日期：指导教师签名：日期：

人脸检测系统课程设计

人脸检测系统课程设计专业：数字图像处理班级：110404 学生姓名：胡溥宇学号： 20111612

人脸检测系统课程设计一．课程设计目的（1）建立人的肤色模型；（2）标定人脸区域；二．课程设计背景随着科技的发展，传统的身份鉴定方法，如身份证和信用卡，开始让人们感到不便。其携带不便，易丢失，甚至有时可能会忘记了必须的密码，以及密码被识破等等，这些问题到会给人带来困扰和麻烦。人们需要一种新的可靠的身份鉴别，一种不可能遗失而且具有其特性的身份证明。这就是人脸、指纹、虹膜、声音等等的生物特征。由于人脸特征是一种更直接、更方便的识别方式，近年来以人脸为特征的识别技术迅速地发展起来。目前，越来越多的学者研究人脸识别这一课题，人脸检测技术受到了学术界和工业界越来越多的关注。人脸识别是一种特定内容的模式识别问题。从广义上来说，人脸识别有两个主要的过程：人脸检测和人脸分类。人脸检测主要研究的是：在一幅图像上，检测出有无人脸存在。如果存在人脸，则判断出人类的位置和大小。简单地说，就是对一幅图像进行检测，并将其划分为存在人脸的区域和不存在人脸的区域。人脸分类是在人脸检测的基础上进一步分析获得的人脸区域，对其进行识别分类。因此，人脸分类主要研究的是：对获得的人脸区域进行比较判别，区分它们脸型、表情、性别、种族和身份等等。因此，在整个人脸自动识别系统中，人脸检测是第一步，也是极其重要的一步。人脸检测技术有着十分重要的作用，为后续步骤——人脸分类提供了识别人脸的具体详细的有用信息。人脸自动识别系统不仅能够作为人们身份鉴证，而且它能运用在学多不同的地方，如用于视频电话、监视与监控等场合的人脸实时检测跟踪。在国内，八十年代末和九十年代初，人脸检测问题开始吸引了越来越多的研究者的关注，又越来越多感兴趣的研究人员进行探索，取得了一些有意义的研究成果。早期的人脸检测集中对空间域上静止图像的人脸检测为研究。中期开始采用模板的方法，通过建立人脸模型，可以实现在视频图像序列中进行人脸检测。而近期，许多研究人员采用的研究方法各自不同，有采用建立复杂模型的，有从空间域上进行研究的，有在频域上进行研究的，有将一些技术结合在一起研究的，有应用最新的分类决策进行研究的。不论采用和种研究方法，将多种技术结合在一起，利用多种信息可以提高人脸检测方法的效率。国内的研究单位主要是清华大学、哈尔滨工业大学、北京工业大学、中科院计算机所、中科院自动化所、复旦大学、南京理工大学等等，获得了一定的成果。清华大学研究人员提出了基于彩色和特征的自适应人脸检测的方法，还提出了一种基于多模板匹配的单人脸检测的方案。哈尔滨工

AI人工智能人脸识别系统设计方案

AI智能人脸识别系统技术方案北京XX软件科技 2019年X月

目录第1章设计背景 (1) 第2章系统方案 (4) 2.1 智能人像比对平台 (4) 2.1.1 系统结构 (4) 2.1.2 设计原则 (5) 2.1.3 人像对比算法 (8) 2.1.4 人像资源库 (10) 2.1.5 软件系统介绍 (12) 2.1.6 移动终端介绍 (18) 2.1.7 网络环境 (19) 2.2 动态人脸监控识别平台 (19) 2.2.1 动态监控数据库 (22) 2.2.2 人像基础比对服务平台 (24) 2.2.3 可用实例分析 (25) 2.3 校园人脸识别系统 (27) 2.3.1 概述 (27) 2.3.2 系统组成 (28) 2.3.3 系统功能 (29) 2.4 系统集成 (31) 2.4.1 集成建设总体原则 (31) 2.4.2 本期集成项目集成规划思路 (52) 2.4.3 项目成果交付 (74) 2.4.4 项目质量服务体系 (77) 第3章售后服务计划 (89)

第1章设计背景随着国内平安城市、智慧城市项目的深入发展，城市监控的高清化进一步得到普及，摄像机数量大规模增长，使得人脸识别在数据的采集上阻碍大大减小，提升了人脸识别的质量与应用领域。在人脸识别的应用场景中，面部解锁、上班打卡、机场安检等一些场景被不断尝试，成为人脸识别最重要的应用场景。据统计数据显示，仅在中国大陆，在未来三年内有望形成年销售额过百亿，并在未来十年内则有望形成年销售额过千亿的市场规模。从2010年起，其118个成员国家和地区，必须使用机读护照，人脸识别项目技术是首推识别模式，该规定已经成为国际标准。中国公安部一所正在加紧规划和实施中国的电子护照计划。在技术越来越先进的未来，技术的不断进步势必会倒逼信息安全标准的不断升级，因此包括身份证以及电子护照等证件的升级换代势必会给人脸识别领域带来更多的机会。目前我公司人脸识别项目系统基于神经网络”深度学习”的模型选择算法，提供人脸布控、人脸比对、以图搜图、轨迹跟踪、白/ 黑名单管理等核心业务功能，克服了传统技术的缺点，可实现重点监控区域人员的快速查找。 1、平安城市：延安市公安局高清视频监控指挥系统，延安市公安局高清视频监控指挥系统建设项目是由延安市公安局负责牵头建设的市府2012年重点建设项目之一。作为市政府数字延安的重要组成部

人脸朝向识别检测

人脸朝向识别检测人脸识别技术（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，各种人脸的识别技术也很多，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。人脸朝向识别是一个复杂的模式识别问题，当人脸朝向不同的方向时，眼睛在图像中的位置差别较大。本文将图片中描述眼睛位置的特征信息通过Sobel边缘算子提取出来作为LVQ神经网络的输入，人脸朝向作为神经网络的输出，利用Matlab工具箱通过对训练集的图片进行训练，得到具有预测识别功能的网络，从而可以对任意给出的人脸图像进行判断和识别。学习向量量化LVQ(Learning Vector Quantization)神经网络，属于前向神经网络类型，在模式识别和优化领域有着广泛的的应用，其网络结构图如图所示。 LVQ神经网络由三层组成，即输入层、隐含层和输出层，网络在输入层与隐含层间为完全连接，而在隐含层与输出层间为部分连接，每个输出层神经元与隐含层神经元的不同组相连接。隐含层和输出层神经元之间的连接权值固定为1。输入层和隐含层神经元间连接的权值建立参考矢量的分量（对每个隐含神经元指定一个参考矢量）。在网络训练过程中，这些权值被修改。隐含层神经元（又称为Kohnen神经元）和输出神经元都具有二进制输出值。当某个输入模式被送至网络时，参考矢量最接近输入模式的隐含神经元因获得激发而赢得竞争，因而允许它产生一个“1”，而其它隐含层神经元都被迫产生“0”。与包含获胜神经元的隐含层神经元组相连接的输出神经元也发出“1”，而其它输出神经元均发出“0”。产生“1”的输出神经元给出输入模式的类，由此可见，每个输出】经元被用于表示不同的类。（3）Sobel算子进行边缘检测 Sobel算子是一组方向算子，从不同的方向检测边缘。Sobel算子不是简单求平均再差分，而是加强了中心像素上下左右4个方向像素的权重，运算结果是一幅边缘图像。该算子通

卫星和飞船运行时的跟踪测控(高教社杯数学建模大赛获奖论文)

卫星或飞船的全程跟踪测控建模（海南软件职业技术学院07级计算机网络技术专业某生）原题：（来自09年高教社杯数学建模大赛乙组赛题，有所改动。）卫星和飞船在国民经济和国防建设中有着重要的作用，对它们的发射和运行过程进行测控是航天系统的一个重要组成部分，理想的状况是对卫星和飞船（特别是载人飞船）进行全程跟踪测控。而测控设备只能观测到所在点切平面以上的空域，且在与地平面夹角3度的范围内测控效果不好，实际上每个测控站的测控范围只考虑与地平面夹角3度以上的空域。请利用模型分析:如果一个卫星或飞船的运行轨道与地球赤道平面有固定的夹角a ，且在离地面高度为H 的球面S 上运行。那么，至少应该建立多少个测控站才能对该卫星或飞船可能飞行的区域全部覆盖以达到全程跟踪测控的目的？问题分析：由于测控设备只观测与地平面夹角3度以上的空域，显然测控设备观测的空间是个圆锥形空域。圆锥的顶角是固定不变的，其底面大小随圆锥的高（卫星轨道高H ）变化。又由于卫星或飞船的运行轨道与地球赤道平面有固定的夹角a ，而且由于地球自转时该卫星或飞船在飞行过程中相继两圈的经度有所变化，这就会导致卫星或飞船的运行轨迹在地球表面的投影将会覆盖北纬a →赤道→南纬a 之间的带状区域如图1。特别地，当a=0的时候卫星或飞船的轨道和赤道共面。当a=π/2的时候卫星的投影将会是整个地球表面。显然夹角a 决定着卫星运行空域在地球表面的总投影区域。所以最终可把需要求的变量用关于H 和a 的函数表示出来。图1 卫星正常运行时的示意图图2 地球和测控区域等在卫星轨道上的截面图对模中的变量之间的函数关系进行整理。 1.测控点所观测空域在地球表面上的投影区域内的最长测地线L 的计算函数。如图2，R 是地球半径，外圆是高为H 的卫星运的运行轨道，灰白色部分为测控站J 的盲区，虚线是过测控点的地面切线，L 是测控站J 所观测区域在地球表面上的投影的最长测地线。卫星轨道与J 的观测临界面交于A 点，在△AJO 中：JO=R,AO=R+H,∠AJO= π60 61 ，解三角函数可得：6060cos arccos ππ-??? ??+=∠H R R AOJ 。弧L 对应的圆心角为2∠AOJ ，于是有：R AOJ L ?∠=2 ???? ? ?-??? ??+=?6060cos arccos 2ππH R R R L (1) 2.当卫星或飞船轨道与赤道夹角固定时卫星轨道在地球表面上的投影带的宽度d 关于a 的函数。

人脸朝向识别 3

人脸朝向识别摘要本文针对人脸五个朝向的识别问题，将抽象的人脸图像转化为具体的数值进行分析，建立了人脸朝向识别模型，简单有效的实现对人脸朝向的识别，正确率达到100%。首先利用Matlab 软件将人脸图像变成灰度矩阵，并以图像的左上角为O 点，以图像的纵边为x 轴，横边为y 轴，建立直角坐标系。而后对眼睛的位置进行粗定位，经观察得到眼睛的位置总处于x (60,150),y (40,380)∈∈区域中。因灰度值越小的点颜色越黑【1】，矩阵中灰度值最小的点即可代表眼点的位置，得到一个眼点坐标11(,)A x y 。后在排除此点周围30个单位以内所有点的修改矩阵中，重新寻找灰度值最小的点，得到另一个眼点坐标22(,)B x y 。根据两眼点与中轴线的位置关系，得出两眼点均在人脸中轴左边12(,210)y y <，人脸朝向为左方；两眼点分别位于中轴两边，但中点位置靠左12 ( 200)2 y y +<，人脸朝向为左前方；两眼点分别位于中轴两边，且与中轴的距离相差不大12(200220)2 y y +<<，人脸朝向为前方；两眼点分别位于中轴两边，但中点位置靠右1 2 (220)2 y y +>，人脸朝向为右前方；两眼点均在中轴右边12(,210)y y >，人脸朝向为右方。最后，对该问题进行了进一步探讨，不仅解决了题中所给人脸图像（图像中轴线与人体中轴线重合）朝向识别问题，还进一步对图像中轴线与人体中轴线不重合的一般性问题提出解答思路。关键词：人脸朝向、灰度矩阵、眼睛定位

1.问题重述人脸朝向识别是人脸应用研究中重要的一步，在众多研究领域中，人脸朝向识别是一个无法回避的问题。现有一组人脸朝向不同角度时的图像数据，图像来自不同的10个人（详见附件），每人五幅图像，人脸的朝向分别为：左方、左前方、前方、右前方和右方，如图1所示。图1 人脸图像试建立人脸朝向识别模型，通过对人体脸部的分析确定人脸的朝向。 2.模型的假设与符号说明 2.1 模型的假设（1）人体脸部没有太大黑斑（2）人的中轴基本与照片中轴重合。（3）照片中人脸大但又不超出照片范围。 2.2

基于matlab人脸识别技术开题报告

毕业设计（论文）开题报告毕业设计（论文）课题情况，根据所查阅的文献资料，每人撰写2500字以上的文献综述，文后应列出所查阅的文献资料。基于matlab人脸识别技术的实现文献综述一、MATLAB概述 MATLAB是矩阵实验室（Matrix Laboratory）的简称，是美国MathWorks公司出品的商业数学软件，用于算法开发、数据可视化、数据分析以及数值计算的高级技术计算语言和交互式环境，主要包括MATLAB和Simulink两大部分。MATLAB主要面对科学计算、可视化以及交互式程序设计的高科技计算环境。它将数值分析、矩阵计算、科学数据可视化以及非线性动态系统的建模和仿真等诸多强大功能集成在一个易于使用的视窗环境中，为科学研究、工程设计以及必须进行有效数值计算的众多科学领域提供了一种全面的解决方案，并在很大程度上摆脱了传统非交互式程序设计语言（如C、Fortran）的编辑模式，代表了当今国际科学计算软件的先进水平。应用于工程计算、控制设计、信号处理与通讯、图像处理、信号检测、金融建模设计与分析等领域。而在本文中主要用到的功能是图像处理功能。二、BP神经网络概述人工神经网络（Artificial Neural Net works，简写为ANNs）也简称为神经网络（NNs）或称作连接模型（Connectionist Model），它是一种模范动物神经网络行为特征，进行分布式并行信息处理的算法数学模型。这种网络依靠系统的复杂程度，通过调整内部大量节点之间相互连接的关系，从而达到处理信息的目的。人工神经网络发展的主要历程有:20世纪50年代末,Rosenblatt提出的感知器模型和Widrow提出的自适应线性元件,出现了简单的线性分类器;1986年,Rumelhart和Mcllelland 提出了层网络“误差反向传播算法(BP)”,使有导师学习多层感知器网络(ML PN)模式分类器走向实用化,在此基础上又派生出若干前向网络,如径向基函数网络( RBFN)和函数链网络等;1982年,美国加州工学院的物理学家Hopfield提出的一种用于联想记忆和优化计算的反馈网络模型,由于引进了“能量函数” 的概念,使网络走向具体电路有了保证;20世纪70年代,Watanabe 提出了使用模式子空间的概念来设计不同类别对应的子空间,由不同类别聚类的子空间实现模式识别; Kohonen提出的自组织特征映射网络模型等都为神经网络模式识别理论提供了进一步的根据。构成人工神经网络的三个基本要素是:神经元、络拓扑结构和网络的训练(学习)方法。神经元(节点)的作用是把若干输入加权求和,并对这种加权和进行非线性处理后输出。神经元的选择一般有以下特点:每个神经元都具有多个输入、个输出,具有闭值,采用非线性函数。 1、神经元

智能人脸识别系统技术设计方案

智能人脸识别系统技术方案

目录 1智能人像比对平台 1.1系统结构建立标准统一的共享人像库，并在此基础上，部署完整的人像比对判定平台。该系统由人像标准化采集系统，人像数据库子系统、基础比对服务平台、人脸识别应用平台4大部分组成，支持前端人像采集、静态人脸查询、移动警务通人脸识别一体化服务。该平台支持统一人像数据交换接口，兼容大多数人像数据交换标准。统一的安全标准接口，兼容PKI密钥，网络加密狗等常见的安全标准接口。系统总体结构如下：系统采用B/S架构，以浏览器方式进行人像预处理、人像比对、结果查询、用户管理、系统运行状态查询等管理操作，减少了系统后台管理、人口治安及其他警种成百上千终端安装和维护难度，方便未来多警种共享应用。系统可提供标准的WebService接口，将业务系统获取的人像照片与相关人像库进行比对。 1.2设计原则本着统一标准、分级管理、资源共享、无缝对接的设计原则，以人像比对算法为核心，整合多区域现有资源，实现准确识别、快速反映，覆盖全面的智能人像识别应用平台。 1.2.1先进性该平台算法由中国科学院自动化研究所研究员、国际知名人脸识别专家、IEEE院士李子青教授领衔研发，是基于中国自主知识产权，针对公安各警种业务特点专门研发的综合智能人像识别应用系统平台。

1.2.2开放性人像采集与比对平台具有统一的服务接口，兼容公安部拟指定的统一人像数据交换标准草案。统一的安全验证，兼容PKI密钥，身份认证等常见的安全验证机制。 1.2.3扩展性整个平台系统接口分为系统级别之间的接口与单个系统开放出来的服务接口组成。系统可“随需而变，以不变应万变”提供多种可靠服务功能。 1、系统级接口系统级接口指的是不同地区部署的人像辅助识别平台之间的接口，主要有两种访问方式第一种采用页面查询的方式，以只查询方式进行访问，通过系统提供的Guest权限进行页面访问。适用于不同平台之间快速的调阅查询。第二种通过请求服务与直接调阅的形式进行数据库的查询，系统预留标准数据库查询接口，以市，县二层结构进行数据库间的查询调用，采用本系统建立的数据中心，纵向上进行直接的调用，高层中心保留下级中心的数据库信息索引。即市级中心直接查询市级与县级中心，市级中心直接查询县级中心。横向上以请求服务形式进行调用，横向系统间不保留对方的数据库信息索引，而是通过请求服务方式进行。 2、服务接口服务接口适用于该系统与其他业务应用系统做二次开发或者集成用接口，包括所有系统级接口与平台应用接口。人像基础比对服务平台通过WebService进行与其他系统的交换机制，通过标准的XML或者Jason格式文件进行数据交换，兼容《GA/T 922.2-2011标准第二部分人像数据采集标准》中的数据格式交换。服务接口主要以WebService与ActiveX等方式提供。满足各业务系统二次开发，集成使用。服务接口说明

人脸朝向识别

人脸朝向识别——数模论文一.问题重述人脸朝向识别是人脸应用研究中重要的一步，在众多研究领域中，人脸朝向识别是一个无法回避的问题。现有10 个人的人脸照片，每人5 幅共计50 张。每个人5 张照片的人脸朝向分别为：右方、右前方、前方、左前方和左方。我们需要利用现有图像，建立人脸朝向识别数学模型，实现人脸朝向识别功能。二.问题分析每张图片由一定的像素确定，每张不同图片互相区分则需要对这些像素进行观察找出其区别于其他图片的典型特征。我们知道一张图像的像素维数十分庞大，如何实现降维处理并找出其特征点是一个关键。我们采用了PCA（主成分分析法）降维处理并提取了特征值。取40 张图片作为训练样本，把40 张图片的特征向量组成一矩阵并归一化处理得到了待训练的特征向量矩阵，这能够减小运算量和加快运算速度。为了实现对图像的识别，则需要通过对样本的处理来实现对每个方向进行分类，BP 神经网络能够很好的解决这一问题。输入训练样本后，不断地修改网络参数，即是不断调整权值，阈值使实际输出与目标输出的误差逐渐减小以至趋于零。这样在一定的误差允许范围内可以得到一个比较准确的分类结果。然后再选择新的图片按照相同的方法提取特征向量去检验系统的准确率。三．基本假设

1.假设每张图片各点的灰度值是都小于256 的； 2.假设每张图片清晰可见，无污迹； 3.假设每张图片的人脸方向均是标准的，偏差十分小。 4.假设照片中人物的肤色相同； 5.假设照片拍摄过程中，人物所受光照强度相同； 6.假设照片拍摄时刻，人物没有过于明显的表情；四.符号说明 1. R ：相关系数矩阵； 2. λi (i = 1, 2,..., p ) ：相关系数矩阵的特征值； 3. ui (i = 1, 2,..., m) : 特征值对应的特征向量；4. xij : 像素矩阵的第i 行第j 列的灰度值；5. lij (i = j = 1, 2,..., p ) ：各主成分载荷；

2009数学建模C题卫星跟踪解析

2009高教社杯全国大学生数学建模竞赛C题卫星和飞船的跟踪测控卫星和飞船在国民经济和国防建设中有着重要的作用，对它们的发射和运行过程进行测控是航天系统的一个重要组成部分，理想的状况是对卫星和飞船（特别是载人飞船）进行全程跟踪测控。测控设备只能观测到所在点切平面以上的空域，且在与地平面夹角3度的范围内测控效果不好，实际上每个测控站的测控范围只考虑与地平面夹角3度以上的空域。在一个卫星或飞船的发射与运行过程中，往往有多个测控站联合完成测控任务，如神州七号飞船发射和运行过程中测控站的分布如下图所示：图片来源https://www.360docs.net/doc/495070309.html,/jrzg/2008-09/24/content_1104882.htm 请利用模型分析卫星或飞船的测控情况，具体问题如下： 1. 在所有测控站都与卫星或飞船的运行轨道共面的情况下至少应该建立多少个测控站才能对其进行全程跟踪测控？ 2.如果一个卫星或飞船的运行轨道与地球赤道平面有固定的夹角，且在离地面高度为H 的球面S上运行。考虑到地球自转时该卫星或飞船在运行过程中相继两圈的经度有一些差异，问至少应该建立多少个测控站才能对该卫星或飞船可能飞行的区域全部覆盖以达到全程跟踪测控的目的？ 3. 收集我国一个卫星或飞船的运行资料和发射时测控站点的分布信息，分析这些测控站点对该卫星所能测控的范围。

卫星的跟踪测控问题简析摘要：本文主要利用计算几何与图论的有关知识，分析和解决了卫星的跟踪测控问题，并应用仿真模拟手段对地球自转、非自转、不同轨道、不同纬度的卫星跟踪测控进行了较为详细的讨论。针对问题一、问题二给出了求解过程和结果，并提出了优化改进模型，针对第三问通过神舟七号卫星参数和测控站点分布数据分析了测控站点对该卫星所能测控的范围。（1）问题一考虑到所有测控站点与卫星的运行轨道共面，测控点个数只与卫星轨道的高度相关，将问题一转化为考虑卫星不同轨道高度、地球无自转情况下，测控站点最少测控模型求解问题。从而得到：低轨道卫星（小于500km）至少需要10个测控站，中轨道卫星（500~2000km）至少需要5个测控站，高轨道卫星（2000~20000km）至少需要3个测控站，太阳同步卫星（700~1000km）至少需要7个测控站，地球同步卫星轨道高度（35786km）远大于7651.5km，至少需要3个测控站。最后对模型1进行了优化，增加了卫星发射过程中卫星测控站点个数确定。（2）问题二在地球自转情况下，本文首先对问题进行细化，基于不同纬度、不同轨道高度的情况分别考虑，然后利用蜂窝理论将问题转化为求解测控点有效测控面积覆盖问题，得到各种情况下所需测控站点个数。轨道倾角为0-30°时，低轨道23个，中轨道7个，高轨道3个；轨道倾角为30°-60°时，低轨道39个，中轨道12个，高轨道5个；轨道倾角为60°-90°时，低轨道45个，中轨道14个，高轨道6个。最后针对模型2计算所得的测控站个数可能会出现测控盲区情形，利用有效等六边形无缝拼接方法，提出了进一步优化方案，得出了相对于模型2更为合理的站点个数。（3）问题三本文通过获取神州七号卫星运行资料和测控点的分布信息，首先根问题二中得到的模型给出了全程测控神舟七号卫星的测控站点个数：28个，说明了神舟七号卫星16个站点并不能够完全测控；并由测控站点位置信息，利用蜂窝理论中等六边形有效面积，给出了测控站点有效测控范围平面图。关键词：卫星全程跟踪测控蜂窝理论有效测控范围计算几何仿真模拟

人脸识别背景及其方法

浅谈人脸识别技术的现状与发展宋磊卞迪白杰文范益彪李主南摘要人脸识别技术以其独特性、直接性、方便性等特点，在涉及身份特征识别的领域里被广为应用。本文主要介绍人脸识别技术（FRT）的研究内容、研究背景价值及研究现状。通过分析当前人脸识别技术的现状，总结了人脸识别的应用前景，提出了人脸识别技术的未来发展要求。关键词：人脸识别，研究现状，发展趋势 Abstract Face Recognition Technology,characterized by its uniqueness,direct and convenience,is widely used in the identification of identity.This paper mainly introduces the research content,study background value,and research status of the Face Recognition Technology.Through the analysis of the present situation of Face Recognition Technology,the application prospect of Face Recognition is summarized and the future development of Face Recognition Technology is proposed. Key words: Face Recognition，Research status，Developing trend 引言随着现代信息技术的快速发展，进行身份认证的技术转到了生物特征层面。现代生物识别技术主要是通过计算机与高科技手段密切结合，利用人体固有的生理特性和行为特征来进行个人身份的鉴定。其中人脸识别是指人的面部五官以及轮廓的分布，这些分布特征因人而异，与生俱来。人脸是一个包含着丰富信息的模式的集合，是人类互相辩证和识别的主要标志之一，也是图像和视频中视觉感兴趣的对象之一。与指纹、虹膜、语音等其他人体生物特征相比，人脸识别更加直接、友好，无需干扰人们的正常行为就能较好地达到识别效果。在身份识别、访问控制、视频会议、档案管理、电子相册、基于对象的图像和视频检索等方面有着广泛的应用，是当前模式识别和人工智能领域的一个研究热点。由于采用人脸识别技术的设备可以随意安放，设备的安放隐蔽性非常好，能远距离非接触快速锁定目标识别对象，因此人脸识别技术被国外广泛应用到公众安防系统中，应用规模庞大。人脸识别技术的研究肇始于20