毕业设计+人脸识别完整版
基于opencv的人脸识别毕业设计
基于opencv的人脸识别毕业设计一、引言人脸识别技术是一种通过对图像或视频中的人脸进行识别和验证的技术。
随着计算机视觉和深度学习技术的发展，人脸识别技术已被广泛应用于安防监控、人脸支付、智能门禁等领域。
本文将以基于opencv 的人脸识别技术为研究对象，设计一种高效、准确的人脸识别方案，作为毕业设计的主题。
二、背景介绍1. 人脸识别技术发展历程人脸识别技术的发展经历了传统图像处理、特征提取、模式识别等阶段，近年来，随着深度学习技术的成熟，人脸识别技术取得了突破性进展。
基于深度学习的人脸识别算法不仅能够实现高精度的人脸检测和识别，还能适应不同光照、姿态和表情下的人脸识别任务。
2. opencv在人脸识别中的应用opencv是一个开源的计算机视觉库，提供了丰富的图像处理和机器视觉算法库。
opencv的简单易用、跨评台兼容等特性，使其成为人脸识别技术开发中的重要工具。
许多经典的人脸检测、人脸识别算法都有基于opencv的实现。
三、研究内容与目标本文拟以基于opencv的人脸识别技术为研究对象，结合深度学习技术和opencv图像处理算法，设计一种高效、准确的人脸识别方案。
具体研究内容和目标如下：1. 掌握opencv图像处理和人脸识别的基本原理与算法；2. 分析深度学习在人脸识别中的应用，并结合opencv实现深度学习模型；3. 设计并实现一个基于opencv的人脸检测和识别系统；4. 评估所设计系统的准确性、鲁棒性和实时性，并与市面上主流的人脸识别系统进行性能比较。
四、研究方法与流程1. 研究方法本研究将采用文献调研、实验分析和系统设计等方法，通过阅读相关文献，深入了解深度学习和opencv在人脸识别中的应用；结合实际数据集，分析人脸识别算法的性能和特点；基于opencv和深度学习框架，设计实现人脸识别系统，并进行性能评估。
2. 研究流程（1）文献综述：梳理文献，了解人脸识别领域的研究现状和发展趋势；（2）数据准备：收集人脸图像数据集，用于实验分析和算法训练；（3）算法实现：基于opencv和深度学习框架，实现人脸检测和识别算法；（4）系统设计：设计一个基于opencv的人脸识别系统，包括图像预处理、特征提取和匹配识别等模块；（5）性能评估：通过实验评估所设计系统的准确性、鲁棒性和实时性，并与市面上主流的人脸识别系统进行性能比较；（6）撰写毕业设计论文。
基于python的人脸识别系统毕业设计
《基于 Python 的人脸识别系统毕业设计》摘要：本毕业设计旨在设计并实现一个基于Python 的人脸识别系统。
通过对人脸识别相关技术的研究与应用，构建了一个具备一定性能的人脸识别模型。
系统采用了先进的图像处理算法和深度学习方法，能够实现对人脸图像的准确识别和分类。
本文详细介绍了系统的设计思路、关键技术、实现过程以及实验结果与分析，展示了该人脸识别系统在实际应用中的潜力和可行性。
一、概述随着科技的不断发展，人脸识别技术在安防、金融、交通等众多领域展现出了巨大的应用价值。
人脸识别系统能够快速、准确地识别人的身份，为人们的生活和工作带来了极大的便利。
本毕业设计基于Python 编程语言，致力于开发一个具有较高性能的人脸识别系统，以满足实际应用的需求。
二、人脸识别系统的相关技术（一）人脸检测技术人脸检测是人脸识别系统的基础，其目的是在图像或视瓶中检测出人脸的位置和大小。
常用的人脸检测方法包括基于特征的方法和基于深度学习的方法。
基于深度学习的方法如卷积神经网络（CNN）具有较高的检测准确率和鲁棒性，在实际应用中得到了广泛的应用。
（二）特征提取技术特征提取是从人脸图像中提取出能够表征人脸身份的特征向量的过程。
传统的特征提取方法如主成分分析（PCA）、线性判别分析（LDA）等，虽然在一定程度上能够提取特征，但效果有限。
近年来，深度学习中的卷积神经网络能够自动学习到深层次的人脸特征，具有更好的性能。
（三）人脸识别算法人脸识别算法是将提取的特征向量进行比对和匹配，以确定人脸的身份。
常见的人脸识别算法包括基于欧式距离的算法、基于余弦相似度的算法等。
在本毕业设计中，采用了基于卷积神经网络的人脸识别算法，通过训练模型来学习人脸特征的映射关系。
三、系统的总体设计（一）系统架构本人脸识别系统采用了分层的架构设计，包括数据采集层、图像处理层、特征提取与识别层、用户界面层等。
数据采集层负责获取人脸图像数据；图像处理层对图像进行预处理，如灰度化、归一化等；特征提取与识别层利用训练好的模型进行特征提取和识别；用户界面层提供友好的人机交互界面，方便用户进行操作和管理。
(完整)人脸识别毕业设计
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IABSTRACTThe 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 in recognition 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。
人脸识别本科毕业设计
人脸识别本科毕业设计人脸识别本科毕业设计在当今科技发展迅猛的时代，人脸识别技术已经成为一个热门的话题。
随着智能手机、安防系统、支付系统等的普及，人脸识别技术开始渗透到我们的日常生活中。
作为一名计算机科学专业的本科生，我决定选择人脸识别作为我的毕业设计课题。
首先，我将介绍人脸识别技术的原理和应用。
人脸识别技术是通过计算机对人脸图像进行分析和比对，从而识别出人脸的身份。
这一技术主要基于计算机视觉和模式识别的理论，通过提取人脸的特征点、纹理和几何信息等来实现。
目前，人脸识别技术已经广泛应用于安全领域、金融领域、社交媒体等各个行业。
接下来，我将介绍我设计的人脸识别系统的具体实现。
首先，我将从数据集的收集和预处理开始。
为了训练和测试我的系统，我需要收集一定数量的人脸图像，并对这些图像进行预处理，包括去除噪声、对齐和归一化等。
然后，我将使用深度学习算法来构建我的人脸识别模型。
深度学习是一种基于神经网络的机器学习方法，通过多层次的神经网络结构来提取特征并进行分类。
在我的系统中，我将使用卷积神经网络（CNN）来提取人脸图像的特征，并使用支持向量机（SVM）来进行分类。
最后，我将对我的系统进行训练和测试，并评估其性能。
在设计过程中，我还将考虑一些实际应用的问题。
例如，人脸识别系统在不同光照条件下的鲁棒性如何？在人脸图像中存在的遮挡和表情变化如何影响系统的性能？我将通过实验和分析来回答这些问题，并尝试提出一些改进的方法。
此外，我还将关注人脸识别技术的伦理和隐私问题。
人脸识别技术的广泛应用引发了一系列关于个人隐私和数据安全的担忧。
我将研究当前的隐私保护措施，并提出一些解决方案，以确保人脸识别技术的合理使用和保护用户的隐私权。
最后，我将总结我的毕业设计，并展望人脸识别技术的未来发展。
人脸识别技术作为一种前沿的技术，具有广阔的应用前景。
随着人工智能和深度学习的不断发展，人脸识别技术将变得更加准确和智能化。
然而，我们也需要加强对人脸识别技术的监管和管理，以确保其合法、公正和安全的应用。
毕设-人脸识别-正文-上
第一章前言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。
在国内，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、富有挑战性的课题人脸识别是机器视觉和模式识别领域最富有挑战性的课题之一，同时也具有较为广泛的应用意义。
人脸识别技术是一个非常活跃的研究领域，它覆盖了数字图像处理、模式识别、计算机视觉、神经网络、心理学、生理学、数学等诸多学科的内容。
如今，虽然在这方面的研究已取得了一些可喜的成果，但是FRT在实用应用中仍面临着很严峻的问题,因为人脸五官的分布是非常相似的，而且人脸本身又是一个柔性物体，表情、姿态或发型、化妆的千变万化都给正确识别带来了相当大的麻烦。
如何能正确识别大量的人并满足实时性要求是迫切需要解决的问题。
2、面部关键特征定位及人脸2D形状检测技术在人脸检测的基础上，面部关键特征检测试图检测人脸上的主要的面部特征点的位置和眼睛和嘴巴等主要器官的形状信息。
灰度积分投影曲线分析、模板匹配、可变形模板、Hough变换、Snake算子、基于Gabor小波变换的弹性图匹配技术、主动性状模型和主动外观模型是常用的方法。
可变形模板的主要思想是根据待检测人脸特征的先验的形状信息，定义一个参数描述的形状模型，该模型的参数反映了对应特征形状的可变部分，如位置、大小、角度等，它们最终通过模型与图像的边缘、峰、谷和灰度分布特性的动态地交互适应来得以修正。
基于opencv人脸识别毕业设计
基于opencv人脸识别毕业设计英文回答：My graduation project is based on face recognitionusing OpenCV. Face recognition is a popular field in computer vision, and OpenCV provides a powerful library for image processing and computer vision tasks. In this project, I aim to develop a system that can accurately recognize and identify faces in real-time.To achieve this, I will start by collecting a datasetof face images. This dataset will consist of images of different individuals, with variations in lighting conditions, facial expressions, and poses. I will then use OpenCV to preprocess these images, extracting relevant features and reducing noise.Next, I will train a machine learning model using the preprocessed images. There are several algorithms that can be used for face recognition, such as Eigenfaces,Fisherfaces, and Local Binary Patterns Histograms (LBPH). I will experiment with different algorithms and select the one that gives the best performance for my dataset.Once the model is trained, I will integrate it into a real-time face recognition system. This system will use a webcam to capture live video and apply the trained model to recognize faces in the video stream. When a face is detected, the system will compare it with the faces in the dataset and determine the identity of the person.In addition to face recognition, I also plan to implement some additional features in my project. For example, I will add a face detection module that can detect and locate faces in an image or video. This can be useful for applications such as automatic tagging of people in photos or video surveillance systems.Furthermore, I will explore the possibility of emotion recognition using facial expressions. By analyzing the facial features and expressions, the system can determine the emotional state of the person, such as happiness,sadness, or anger. This can have applications in various fields, such as market research, psychology, and human-computer interaction.Overall, my graduation project aims to develop a robust and accurate face recognition system using OpenCV. By combining image processing techniques, machine learning algorithms, and real-time video processing, I hope to create a system that can be applied in various domains, from security and surveillance to social media and entertainment.中文回答：我的毕业设计基于OpenCV的人脸识别技术。
人脸识别系统毕业设计
人脸识别系统毕业设计人脸识别系统毕业设计随着科技的不断进步和人们对安全性的日益重视，人脸识别系统逐渐成为一种被广泛应用的技术。
作为一种生物识别技术，人脸识别系统能够通过摄像头捕捉到的人脸图像，进行特征提取和比对，从而实现对个体身份的识别。
在毕业设计中，我选择了开发一个人脸识别系统，旨在探索和应用这一前沿技术。
首先，我将介绍人脸识别系统的原理和应用。
人脸识别系统主要包括图像采集、图像预处理、特征提取和比对等环节。
图像采集使用摄像头捕捉到人脸图像，图像预处理则对采集到的图像进行去噪、对齐等操作，以提高后续处理的准确性。
特征提取是人脸识别系统的核心环节，通过对图像进行分析和计算，提取出人脸的特征信息，如眼睛、鼻子、嘴巴等位置和形状。
最后，比对阶段将提取到的特征与数据库中已有的特征进行对比，从而确定个体的身份。
人脸识别系统在安防领域有着广泛的应用。
例如，它可以用于门禁系统，通过识别人脸来控制门的开关，实现自动化的出入管理。
此外，人脸识别系统还可以用于监控系统，通过对摄像头捕捉到的人脸图像进行实时识别，及时发现和报警异常行为。
在社交娱乐领域，人脸识别系统也有着很多的应用，如人脸美化、人脸动画等。
可以说，人脸识别系统在各个领域都有着广泛的应用前景。
接下来，我将介绍我设计的人脸识别系统的具体实现。
首先，我选择了OpenCV作为主要的开发工具，因为它是一个功能强大且开源的计算机视觉库，可以方便地进行图像处理和特征提取。
其次，我使用了深度学习的方法来提高人脸识别的准确性。
深度学习是一种模仿人脑神经网络的计算模型，通过多层次的神经元网络结构，可以自动学习和提取图像中的特征。
我使用了卷积神经网络（CNN）作为主要的模型，通过大量的训练数据和反向传播算法，让网络自动学习人脸的特征。
在实际的应用中，我设计了一个简单的人脸识别系统原型。
该系统包括一个摄像头和一个显示屏，用户可以站在摄像头前，系统会自动捕捉到用户的人脸图像，并进行特征提取和比对，最后在显示屏上显示出用户的身份信息。
人脸识别毕业设计(一)2024
人脸识别毕业设计（一）引言概述：人脸识别技术作为一项以人脸为特征进行身份识别的技术，已经在各个领域得到广泛应用。
本文旨在探讨人脸识别技术在毕业设计中的应用，通过分析和研究相关理论和实践案例，深入分析人脸识别技术的原理、特点以及存在的问题与挑战，为毕业设计的实施提供指导。
正文内容：1. 人脸识别技术的原理- 人脸特征提取算法分析- 人脸检测与定位技术介绍- 人脸特征匹配与识别原理解析- 数据库存储与管理方法探讨- 人脸识别技术与其他生物识别技术的比较2. 人脸识别技术的应用场景- 人脸识别在公共安全领域的应用- 人脸识别在社交娱乐领域的应用- 人脸识别在金融行业的应用- 人脸识别在智能家居领域的应用- 人脸识别在医疗健康领域的应用3. 人脸识别技术存在的问题与挑战- 鲁棒性和准确性的平衡问题- 光照、姿态和表情等因素的干扰- 隐私与安全性问题的考虑- 大规模人脸数据集的获取与管理- 在特定人群中的适用性和可靠性问题4. 人脸识别技术的改进方法与思路- 基于深度学习的人脸识别算法研究- 多模态信息融合技术的应用- 非刚性人脸对齐与图像增强技术的优化- 基于人脸属性的识别方法探索- 迁移学习在人脸识别中的应用研究5. 人脸识别技术的发展前景与建议- 人脸识别技术在社会发展中的作用和前景- 高性能硬件在人脸识别技术中的应用- 用户体验与用户隐私平衡的考虑- 加强人脸识别技术的标准化建设- 探索人脸识别技术与其他技术的结合总结：本文围绕人脸识别技术的应用于毕业设计进行了深入的研究和分析，从技术原理、应用场景、问题与挑战、改进方法以及发展前景等各个方面进行了探讨。
尽管人脸识别技术还存在一些问题和挑战，但是其在各个领域的应用前景广阔。
为了保证人脸识别技术的可靠性和合规性，需要进一步加强标准化建设和隐私保护措施，并探索与其他相关技术的相互融合与应用。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
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ABSTRACTNowadays 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第1章绪论所谓人脸识别，是指对输入的人脸图像或者视频．判断其中是否存在人脸，如果存在人脸，则进一步给出每张人脸的位置、大小和各个主要面部器官的位置信息。
并且依据这些信息，进一步提取每张人脸蕴含的身份特征，并将其与已知人脸库中的人脸进行对比，从而识别每张人脸的身份。
人脸识别研究涉及的范围广泛，内容涉及模式识别、计算机视觉、图像处理、人工智能等方面。
人脸识别还涉及到神经网络等学科，也和人脑的认识程度紧密相关。
这诸多因素使得人脸识别成为一项极富挑战性的课题。
1.1人脸识别技术的研究意义人脸识别是机器视觉和模式识别领域最富有挑战性的课题之一，同时也具有较为广泛的应用意义。
人脸识别技术是一个非常活跃的研究领域，它覆盖了数字图像处理、模式识别、计算机视觉、神经网络、心理学、生理学、数学等诸多学科的内容。
如今，虽然在这方面的研究已取得了一些可喜的成果，但是FRT在实用应用中仍面临着很严峻的问题，因为人脸五官的分布是非常相似的，而且人脸本身又是一个柔性物体，表情、姿态或发型、化妆的千变万化都给正确识别带来了相当大的麻烦。
如何能正确识别大量的人并满足实时性要求是迫切需要解决的问题。
1.2国内外的研究现状人脸识别系统现在在大多数领域中起到举足轻重的作用，尤其是用在机关单位的安全和考勤、网络安全、银行、海关边检、物业管理、军队安全、智能身份证、智能门禁、司机驾照验证、计算机登录系统。
我国在这方面也取得了较好的成就，国家863项目“面像检测与识别核心技术”通过成果鉴定并初步应用，就标志着我国在人脸识别这一当今热点科研领域掌握了一定的核心技术。
北京科瑞奇技术开发股份有限公司在2002年开发了一种人脸鉴别系统，对人脸图像进行处理，消除了照相机的影响，再对图像进行特征提取和识别。
这对于人脸鉴别特别有价值，因为人脸鉴别通常使用正面照，要鉴别的人脸图像是不同时期拍摄的，使用的照相机不一样。
系统可以接受时间间隔较长的照片，并能达到较高的识别率，在计算机中库藏2300人的正面照片，每人一张照片，使用相距1--7年、差别比较大的照片去查询，首选率可以达到50%，前20 张输出照片中包含有与输入照片为同一人的照片的概率可达70%。
美国陆军实验室也是利用vc++开发，通过软件实现的，并且FAR为49%。
在美国的进行的公开测试中，FAR，为53%。
美国国防部高级研究项目署，利用半自动和全自动算法。
这种算法需要人工或自动指出图像中人的两眼的中心坐标，然后进行识别。
在机场开展的测试中，系统发出的错误警报太多，国外的一些高校（卡内基梅隆大学（Carnegie Mellon University）为首，麻省理工大学（Massachusetts Institute of Technology ）等，英国的雷丁大学（University of Reading））和公司（Visionics 公司Facelt 人脸识别系统、Viiage 的FaceFINDER 身份验证系统、Lau Tech 公司Hunter系统、德国的BioID 系统等）的工程研究工作也主要放在公安、刑事方面，在考试验证系统的实现方面深入研究并不多。
1.3本系统研究内容本系统主要对人脸的检测与定位做了深入研究。
在人脸检测部分主要是对图像进行获取和预处理。
图像获取主要是获取图像的基本信息，以便对图像的像素进行处理。
预处理的包括对图像灰度化，中值滤波，对比度变化以及边缘提取。
人脸预处理过程是计算机人脸识别中一个重要过程。
人脸图像预处理的好坏对整个系统至关重要，对人脸预处理的研究具有非常重要的意义。
特征定位是人脸识别的目的是确定单张人脸在图像中的位置，它通过标记人脸区域来确定和计算人脸的各器官定位。
人脸特征检测是检测人脸特征的有无和位置，比如说眼睛、鼻子、鼻孔、嘴巴、嘴唇等的有无和位置。
值得指出的是，人脸检测涉及的方法种类繁多（据报告可知，用于人脸检测方法的有150多种），且涉及的知识点较深，并各有特点，所以我们小组将人脸检测与人脸识别区分开来，因为后者只是前者一个简单问题。
同时，我们把注意力集中在人脸检测方法上，而没有实现与数据库中的人脸匹配问题。
1.4目前研究中存在的问题虽然人类的人脸识别能力很强,，能够记住并辨别上千张不同人脸，可是计算机则困难多了。
其表现在：人脸表情丰富；人脸随年龄增长而变化；人脸所成图像受光照、成像角度及成像距离等影响；而且从二维图象重建三维人脸是病态( ill2po sed) 过程，目前尚没有很好的描述人脸的三维模型。
另外，人脸识别还涉及到图象处理、计算机视觉、模式识别以及神经网络等学科，也和人脑的认识程度紧密相关。
这诸多因素使得人脸识别成为一项极富挑战性的课题。
第2章系统需求分析2.1 系统功能需求系统功能主要围绕人脸检测和人脸特征定位进行设计，首先该系统会对图像进行人脸检测，人脸检测主要是对图像进行预处理的过程，预处理这个模块在整个人脸识别系统的开发过程中占有很重要的地位。
该系统主要是将处理后的人脸图片进行定位，将眼睛、鼻子、嘴巴标记出来。
2.1.1功能划分及描述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。
图像获取模块：该模块主要是从图片库中获取图片，获取后的图片可以在软件的界面中显示出来以便进行识别。
图像预处理模块：图像预处理就是对获取得来的图像进行适当的处理，使它具有的特征能够在图像中明显的表现出来。
该模块中的子模块有如下几个，下面对它们进行概述：中值滤波：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。
灰度化：图像灰度化的过程就是把彩色图像转换为灰度图像的过程，彩色图像包含较多人脸特征信息，但是直接作为处理对象会使过程复杂化．相比之下灰度图像在保留了人脸主要特征信息的基础上，减少了总信息量。
Sobel提取（边缘提取）：采用梯度微分锐化图像，使噪声、条纹等得到增强；对图像中的随机噪声也有一定的平滑作用；标记人脸的边缘，使其边缘显得粗而亮。
对比度增强：对比度增强，就是对图像的进一步处理，将对比度再一次拉开。
它针对原始图像的每一个像素直接对其灰度进行处理的，其处理过程主要是通过增强函数对像素的灰度级进行运算并将运算结果作为该像素的新灰度值来实现的。
通过改变选用的增强函数的解析表达式就可以得到不同的处理效果。
相似度计算：相似度计算是为了判别两对象的相似程度而设定的算法，比如文字、指纹、人脸等。
为了便于二值化阈值的确定，肤色相似度计算的意义是通过计算出与人脸肤色相近的像素点，确定人脸区域，用灰度图象显示出来，并为二值化提供一个可计算出阈值的比较值。
二值化：通过一些算法，通过一个阈值改变图像中的像素颜色，令整幅图像画面内仅有黑白二值，该图像一般由黑色区域和白色区域组成，可以用一个比特表示一个像素，“1”表示黑色，“0”表示白色，以便有利于我们对特征的提取。
直方图：直方图是图象处理中一种十分重要的图象分析工具，它描述了一幅图像的灰度级内容，任何一幅直方图都包含了丰富的信息。
从数学上来说图像直方图是图像各个灰度值统计特性与图像灰度值的函数，它统计了一幅图像中各个灰度级出现的次数和概率。
2.1.2 开发环境●硬件环境硬件配置原则：具有可靠性，可用性和安全性，具有完善的技术支持。
能够满足个人学习和设计需要。
运行本软件所需的硬件资源：CPU：800M及以上；内存：128M及以上●软件环境系统软件配置原则能够满足该软件的可靠性，可用性和安全性的要求系统软件配置方案①配置有持续工作能力、高稳定性、高度可集成的开放式标准的操作系统，如Windows2000，Windows NT，UNIX，Linux等。
②配备符合ANSI/ISO标准的高级程序设计语言处理软件。
如：Visual C++ 6.0。
③熟悉C++高级程序设计语言。
2.1.3 运行环境（1）硬件环境CPU：800M以上；内存：128 M及以上。
（2）软件环境可以运行在微软公司近年来所出的各种操作系统。
如Windows 98、Windows Me、Windows 2000、Windows NT等。
2.2 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。