人脸识别系统设计与仿真 基于matlab的(含matlab源程序)版权不归自己 交流使用
《2024年基于OpenCV的人脸识别系统设计》范文
《基于OpenCV的人脸识别系统设计》篇一一、引言随着科技的发展，人脸识别技术已成为现代社会中不可或缺的一部分。
该技术被广泛应用于安全监控、身份验证、智能门禁等领域。
OpenCV（开源计算机视觉库）作为一种强大的计算机视觉库，为开发者提供了进行人脸识别系统的设计和实现的可能。
本文将详细介绍基于OpenCV的人脸识别系统设计，包括其设计思路、实现方法和应用前景。
二、系统设计目标本系统设计的主要目标是实现高效、准确的人脸识别功能。
通过使用OpenCV的强大功能，系统将能够实现对人脸的检测、跟踪、识别和比对。
此外，系统还应具有良好的实时性和稳定性，以满足实际应用的需求。
三、系统设计原理本系统设计主要基于OpenCV的人脸识别技术，包括人脸检测、特征提取和人脸比对三个主要步骤。
1. 人脸检测：通过OpenCV中的人脸检测算法，系统能够在图像或视频中检测出人脸。
这些算法通常基于肤色模型、形状模型或深度学习模型等。
2. 特征提取：检测到人脸后，系统将提取出人脸的特征。
这些特征通常包括面部关键点的位置、纹理特征、深度学习特征等。
OpenCV提供了多种特征提取方法，如HOG、SIFT、SURF等。
3. 人脸比对：提取出特征后，系统将进行人脸比对。
这通常通过将提取的特征与数据库中已知的特征进行比对来实现。
比对的算法可以是基于距离度量、相似度度量等。
四、系统设计实现1. 硬件环境：本系统设计的硬件环境包括计算机、摄像头等。
计算机应具备足够的计算能力以支持实时的人脸识别处理，摄像头应具备高清、稳定的图像采集能力。
2. 软件环境：本系统设计的软件环境主要基于OpenCV和Python。
OpenCV用于实现人脸识别的核心算法，Python则用于编写系统的主程序和用户界面。
3. 系统实现流程：首先，通过摄像头实时采集图像或视频；然后，使用OpenCV中的人脸检测算法检测出图像中的人脸；接着，提取出人脸的特征；最后，将提取的特征与数据库中已知的特征进行比对，实现人脸识别。
基于Matlab的语音识别系统的设计本科毕业设计
摘要语音识别主要是让机器听懂人说的话，即在各种情况下，准确地识别出语音的内容，从而根据其信息执行人的各种意图。
语音识别技术既是国际竞争的一项重要技术，也是每一个国家经济发展不可缺少的重要技术支撑。
本文基于语音信号产生的数学模型，从时域、频域出发对语音信号进行分析，论述了语音识别的基本理论。
在此基础上讨论了语音识别的五种算法：动态时间伸缩算法(Dynamic Time Warping，DTW)、基于规则的人工智能方法、人工神经网络(Artificial Neural Network，ANN)方法、隐马尔可夫(Hidden Markov Model，HMM)方法、HMM和ANN的混合模型。
重点是从理论上研究隐马尔可夫(HMM)模型算法，对经典的HMM模型算法进行改进。
语音识别算法有多种实现方案，本文采取的方法是利用Matlab强大的数学运算能力，实现孤立语音信号的识别。
Matlab 是一款功能强大的数学软件，它附带大量的信号处理工具箱为信号分析研究，特别是文中主要探讨的声波分析研究带来极大便利。
本文应用隐马尔科夫模型(HMM) 为识别算法，采用MFCC(MEL频率倒谱系数)为主要语音特征参数，建立了一个汉语数字语音识别系统，其中包括语音信号的预处理、特征参数的提取、识别模板的训练、识别匹配算法；同时，提出利用Matlab图形用户界面开发环境设计语音识别系统界面，设计简单，使用方便，系统界面友好。
经过统计，识别效果明显达到了预期目标。
关键词：语音识别算法；HMM模型；Matlab；GUIABSTRACTSpeech Recognition is designed to allow machines to understand what people say,and accurately identify the contents of voice to execute the intent of people.Speech recognition technology is not only an important internationally competed technology,but also an indispensable foundational technology for the national economic development.Based on the mathematical model from the speech signal,this paper analyze audio signal from the time domain,frequency domain proceeding,and discussed the basic theory of speech recognition technology.Five algorithm are discussed:Dynamic Time Warping(DTW)、Rule-based Artificial Intelligence,Artificial Neural Network(ANN),Hidden Markov Model(HMM),HMM combined with ANN.The focus is put in the theoretical studies of Hidden Markov(HMM) model algorithm,and the classical HMM algorithm is improved.Speech recognition algorithm is realized in various programs,this article taking the method is to use Matlab powerful mathematical operation ability to realize the recognition of speech signal isolation. Matlab is a powerful mathematic software with a mass of toolboxes dealing with signal processing. It gives a terrific shortcut to the research of signal processing,especially the wave analysis. We can characterize the sound with key parameters such as intensity, frequency etc. In this paper, hidden Markov model (HMM) recognition algorithm using MFCC (MELfrequency cepstral coefficients) as the main voice characteristic parameters, the establishment of a Chinese digital speech recognition system, including the preprocessing of the speech signal,the extraction of characteristic parameters the training of the recognition template,identifying matching algorithm;the same time,the use of Matlab graphical user interface development environment designed speech recognition system interface,is designed to be simple,easy to use,friendly interface. Besides,to have a simple exploration of the voice recognition is another target.After statistics,recognition result obviously is made out as the expected goal.Key words：Speech recognition algorithm；HMM model；Matlab；GUI目录一、前言 (1)1.1语音识别的发展历史 (1)1.2语音识别研究现状 (1)1.3语音识别系统的分类 (2)1.4语音识别系统的基本构成 (3)1.5语音识别技术难点 (3)1.6语音识别发展前景 (4)二、语音信号分析 (4)2.1语音学知识 (4)2.1.1音素和音节 (5)2.1.2汉语的声调 (5)2.1.3语音信号产生模型 (6)2.2语音信号数字化和预处理 (7)2.2.1数字化 (7)2.2.2预加重处理 (7)2.2.3防混叠滤波 (8)2.2.4加窗处理 (8)2.3语音信号的时域分析 (9)2.3.1短时能量分析 (9)2.3.2短时平均过零率 (11)2.3.3短时自相关函数和短时平均幅度差函数 (12)2.3.4语音端点检测 (13)2.4语音信号的频域分析 (14)2.4.1滤波器组法 (14)2.4.2傅立叶频谱分析 (14)2.5特征参数提取 (15)2.5.1 LPCC倒谱系数 (15)2.5.2 Mel频率倒谱系数 (16)三、语音识别主要算法 (17)3.1动态时间伸缩算法 (17)3.2基于规则的人工智能方法 (18)3.3人工神经网络方法 (19)3.4隐马尔可夫方法 (20)3.5 HMM和ANN的混合模型 (21)四、隐含马尔可夫模型算法 (23)4.1 HMM的基本理论和数学描述 (23)4.2 HMM的三个基本问题及解决算法 (24)4.3 HMM算法的改进 (31)4.4 HMM的结构和类型 (33)4.5 HMM算法实现的问题 (34)五、基于Matlab环境下的语音识别算法实现 (35)5.1识别系统平台介绍 (35)5.2在Matlab中HMM算法的实现 (36)5.2.1端点检测 (36)5.2.2特征参数提取 (36)5.2.3训练和识别 (37)5.3实验结论分析 (38)六、结束语 (39)6.1回顾 (39)6.2展望 (39)七、致谢 (40)参考文献 (40)一、前言1.1语音识别的发展历史作为智能计算机研究的主导方向和人机语音通信的关键技术，语音识别技术一直受到各国科学界的广泛关注。
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。
基于MATLAB的人脸识别系统的研究毕业论文
长沙民政职业技术学院毕业实践报告 题目:基于MATLAB 勺人脸识别系统的研扌旨导老师： ______ 谭刚林 ______________________ 系 另寸： 电子信息工程系 __________________ 班 级： ______________ 电子1133 ____________学号：1119013333 1119013334 1119013335 姓 名： 刘盼符思遥樊阳辉类型:2014年5月5日基于MATLAB勺人脸识别系统的研究符思遥、刘盼、樊阳辉指导老师：谭刚林苏宏艮马勇赞【摘要】人脸检测与识别技术是计算机视觉和模式识别等学科的研究热点之一，是进行身份认证最友好直接的手段，在出入境安全检查、内容检索、证件验证、门禁系统等领域都具有十分广泛的应用前景。
多年来，人脸识别技术中的很多问题都被深入地研究，而且大量的算法已经成功应用于人脸识别。
本文在研究了人脸检测和身份识别的关键技术和相关理论的基础上，重点讨论了在光照和背景不同的条件下，彩色静止图像的人脸检测和身份识别问题，它包括基于肤色分割的人脸粗检测、基于人眼检测的几何归一化和基于二维主成分分析法(2DPCA的身份识别。
本文主要工作如下：首先对彩色图像进行光照补偿，其次通过肤色检测获得可能的脸部区域并二值化，再用形态学开闭运算对图像进行滤波处理并通过一定规则确定人脸区域，然后运用水平垂直投影定位人眼坐标以此对人脸进行几何归一化，识别部分运用2DPCA勺图像映射方法对灰度图进行特征匹配，最后输出识别结果并进行语音播报。
实验结果表明，结合肤色和面部几何特征的算法能够对人脸进行较快速和准确的定位，同时2DPCAT法运用于身份识别也能达到较高的识别率。
本毕业设计对实际应用具有一定的参考价值，该系统的操作流程和输入输出方式是以实际应用为出发点，可应用于公安机关证件验证以及日常家庭的自动门禁系统等。
【关键词】人脸检测；肤色分割；人眼检测；2DPCA特征提取1绪论 (1)1.1选题的背景 (1)1.2人脸识别系统 (2)1.3人脸识别的典型方法 (2)2基于YCbCr颜色空间的肤色分割 (3)2.1三种色彩空间 (3)2.1.1 RGB色彩空间 (3)3基于2DPCA特征提取的身份识别 (4)3.1 2DPCA算法实验结果与分析 (5)3.1.1实验用数据库 (5)3.1.2实验结果与分析 (5)3.1.3 结论 (7)4人脸检测与识别系统设计与实现 (7)4.1系统环境 (7)4.2人脸检测与识别系统框图 (7)4.3系统功能模块 (8)4.4实验结果分析 (9)5总结与展望 (10)5.1总结 (10)5.2展望 (10)参考文献 (12)1绪论1.1选题的背景近年来随着计算机技术和互联网的发展，信息技术的安全变得越来越重要，生物特征识别技术得到广泛研究与开发，如人脸识别、指纹识别、掌形识别等。
基于Matlab的人体指纹识别程序设计(课程设计)
等级: 课 程 设 计课程名称课题名称 基于Matlab的人体指纹识别程序设计专 业班 级学 号姓 名指导老师年 月 日课程设计任务书课题名称 基于Matlab的人体指纹识别程序设计姓 名 专业 班级 学号指导老师课程设计时间教研室意见 意见： 审核人：一、任务及要求1）根据所学的知识和能力，利用Matlab软件设计程序实现根据指纹的大小、形状等特征，识别出不同的指纹；2）利用按键标志当前指纹识别的状态，例如录入状态、识别状态、清楚状态。
设计要求：1）对指纹识别的过程进行分析，掌握指纹识别系统算法的工作原理；2）进行指纹识别程序的方案设计；3）进行指纹识别程序的模块设计；4）要有必要的算法设计说明；5）写出课程设计报告。
报告中应包括原理框图、参数曲线分析、操作方法、算法分析、软件调试等，调试过程中遇到的问题，改进方法和总结体会；6）答辩。
二、进度安排周一：集中布置课程设计任务和相关事宜，查资料确定指纹识别程序设计总体方案。
周二～周五：完成人体指纹识别程序设计及仿真。
周六～周日：设计报告撰写，周日进行答辩和设计结果检查。
三、参考资料目 录1第1章 绪论............................................................................11.1 Matlab介绍 ......................................................................11.2 Matlab优势特点 ..................................................................11.3 指纹识别.........................................................................11.4 指纹识别技术的主要优点...........................................................2第2章 设计任务及要求...................................................................22.1 设计任务.........................................................................22.2 设计要求.........................................................................第3章 系统方案设计.....................................................................333.1 系统方案设计.....................................................................33.2 系统框图.........................................................................4第4章 系统软件设计.....................................................................44.1 主函数...........................................................................54.2 归一化和切割.....................................................................4.3 二值化...........................................................................794.4 细化.............................................................................4.5 中心点提取.......................................................................4.6 求特征点.........................................................................14164.7 指纹匹配.........................................................................17第5章 系统仿真及调试...................................................................20总 结..................................................................................错误!未定义书签。
基于树莓派的人脸识别系统设计与实现
基于树莓派的人脸识别系统设计与实现
李志龙;董麒麟;张万;赵天煜
【期刊名称】《现代计算机》
【年(卷),期】2022(28)8
【摘要】随着人工智能、物联网等前沿技术的迅速发展,人脸识别在生活中的应用越来越广泛,刷脸支付、刷脸认证身份信息在生活中逐渐普及。
本系统顺应互联网
建设的热潮与趋势,主要研究人脸识别技术的开发与应用,在多种平台内(Web界面、树莓派)实现人脸识别综合应用。
本系统使用Flask框架和Spring Boot搭配SSM 框架等主流技术搭建Web服务,MySQL数据库管理用户信息,而树莓派控制摄像头进行人脸识别操作,并与ESP8266进行无线通信控制门禁。
本系统包含Web端人脸信息管理、人脸数据处理、树莓派人脸识别、ESP8266电磁锁门禁四大模块,实用性强,扩展性大,具备良好的市场前景。
【总页数】4页(P109-112)
【作者】李志龙;董麒麟;张万;赵天煜
【作者单位】郑州轻工业大学计算机与通信工程学院;郑州轻工业大学软件学院【正文语种】中文
【中图分类】TP3
【相关文献】
1.基于树莓派的人脸识别考勤系统的开发与实现
2.基于树莓派的智能家居系统设计与实现
3.基于树莓派的实验室人脸识别门禁系统设计
4.基于树莓派的人脸监测报警系统设计与实现
5.基于树莓派的婴儿床智能监护系统设计与实现
因版权原因，仅展示原文概要，查看原文内容请购买。
《2024年基于OpenCV的人脸识别系统设计》范文
《基于OpenCV的人脸识别系统设计》篇一一、引言随着科技的快速发展，人脸识别技术已经成为现代计算机视觉领域的一个重要研究方向。
人脸识别系统能够自动识别和验证人的身份，广泛应用于安全监控、门禁系统、支付验证等众多领域。
本文将详细介绍基于OpenCV的人脸识别系统的设计。
二、系统需求分析1. 功能需求：人脸检测、人脸特征提取、人脸识别比对等。
2. 性能需求：高识别率、实时响应、系统稳定。
3. 环境需求：操作系统兼容性强，设备要求合理。
三、系统设计概述基于OpenCV的人脸识别系统主要包括预处理、特征提取和匹配三个部分。
通过图像处理和机器学习技术，实现人脸检测和识别的功能。
四、系统架构设计1. 数据预处理模块：主要完成图像的输入、格式转换、尺寸调整等操作，以满足后续处理的需球。
同时对图像进行去噪和锐化处理，提高识别的准确性。
2. 人脸检测模块：利用OpenCV中的人脸检测算法（如Haar 级联分类器或深度学习模型）进行人脸检测，确定图像中的人脸位置。
3. 特征提取模块：通过OpenCV的深度学习模型（如OpenCV DNN模块中的卷积神经网络）提取人脸特征，如面部关键点信息等。
4. 人脸比对模块：将提取的特征与数据库中已有人脸特征进行比对，找出相似度最高的匹配结果。
根据设定的阈值，判断是否为同一人。
五、关键技术实现1. 人脸检测算法：采用OpenCV中的人脸检测算法，如Haar 级联分类器或深度学习模型，实现对图像中人脸的快速定位。
2. 特征提取算法：利用OpenCV的深度学习模型（如OpenCV DNN模块中的卷积神经网络）进行特征提取，包括面部关键点信息等。
3. 人脸比对算法：采用相似度算法（如欧氏距离、余弦相似度等）进行人脸比对，找出相似度最高的匹配结果。
六、系统实现与测试1. 系统实现：根据设计架构，逐步实现各模块功能。
采用C++编程语言，利用OpenCV库进行开发。
2. 系统测试：对系统进行严格的测试，包括功能性测试、性能测试和稳定性测试等。
毕业设计-人脸识别系统设计【范本模板】
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。
- 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)。
人脸识别系统设计与仿真基于matlab的（含matlab源程序）交流使用参考后自行那个删除后果自负目录第一章绪论 (2)1.1 研究背景 (2)1.2 人脸图像识别的应用前景 (3)1.3 本文研究的问题 (4)1.4 识别系统构成 (5)1.5 论文的内容及组织 (7)第二章图像处理的Matlab实现 (8)2.1 Matlab简介 (8)2.2 数字图像处理及过程 (8)2.2.1图像处理的基本操作 (8)2.2.2图像类型的转换 (9)2.2.3图像增强 (9)2.2.4边缘检测 (10)2.3图像处理功能的Matlab实现实例 (11)2.4 本章小结 (15)第三章人脸图像识别计算机系统 (16)3.1 引言 (16)3.2系统基本机构 (17)3.3 人脸检测定位算法 (18)3.4 人脸图像的预处理 (25)3.4.1 仿真系统中实现的人脸图像预处理方法 (26)第四章基于直方图的人脸识别实现 (29)4.1识别理论 (29)4.2 人脸识别的matlab实现 (29)4.3 本章小结 (30)第五章总结 (31)致谢 (32)参考文献 (33)附录 (35)第一章绪论本章提出了本文的研究背景及应用前景。
首先阐述了人脸图像识别意义；然后介绍了人脸图像识别研究中存在的问题；接着介绍了自动人脸识别系统的一般框架构成；最后简要地介绍了本文的主要工作和章节结构。
1.1 研究背景自70年代以来.随着人工智能技术的兴起.以及人类视觉研究的进展.人们逐渐对人脸图像的机器识别投入很大的热情，并形成了一个人脸图像识别研究领域，.这一领域除了它的重大理论价值外，也极具实用价值。
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。
人脸图像的机器识别研究就是在这种背景下兴起的，因为人们发现许多对于人类而言可以轻易做到的事情，而让机器来实现却很难，如人脸图像的识别，语音识别，自然语言理解等。
如果能够开发出具有像人类一样的机器识别机制，就能够逐步地了解人类是如何存储信息，并进行处理的，从而最终了解人类的思维机制。
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。
现在己有实用的计算机自动指纹识别系统面世，并在安检等部门得到应用，但还没有通用成熟的人脸自动识别系统出现。
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。
国外对于人脸图像识别的研究较早，现己有实用系统面世，只是对于成像条件要求较苛刻，应用范围也就较窄，国内也有许多科研机构从事这方而的研究，并己取得许多成果。
1.2 人脸图像识别的应用前景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。
就从目前和将来来看，可以预测到人脸图像识别将具有广阔的应用前景，如表1-1中所列举就是其中已经实现或逐步完善的应用。
表1-1 人脸识别的应用1.3 本文研究的问题本文介绍了人脸图像识别中所应用MATLAB对图像进行预处理，应用该工具箱对图像进行经典图像处理,通过实例来应用matlab 图像处理功能，对某一特定的人脸图像处理，进而应用到人脸识别系统。
本文在总结分析人脸识别系统中几种常用的图像预处理方法基础上，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。
其中涉及到图像的选取，脸部定位，特征提取，图像处理和识别几个过程。
1.4 识别系统构成人类似乎具有“与生俱来”的人脸识别能力，赋予计算机同样的能力是人类的梦想之一，这就是所谓的“人脸识别”系统。
假设我们把照相机、摄像头、扫描仪等看作计算机的“眼睛”，数字图像可以看作计算机观察到的“影像”，那么AFR赋予计算机根据其所“看到”的人脸图片来判断人物身份的能力。
广义的讲，自动人脸识别系统具有如图1.1所示的一般框架并完成相应功能的任务。
图1.1 人脸识别系统一般框架(1)人脸图像的获取一般来说，图像的获取都是通过摄像头摄取，但摄取的图像可以是真人，也可以是人脸的图片或者为了相对简单，可以不考虑通过摄像头来摄取头像，而是直接给定要识别的图像。
(2)人脸的检测人脸检测的任务是判断静态图像中是否存在人脸。
若存在人脸，给出其在图像中的坐标位置、人脸区域大小等信息。
而人脸跟踪则需要进一步输出所检测到的人脸位置、大小等状态随时间的连续变化情况。
(3)特征提取通过人脸特征点的检测与标定可以确定人脸图像中显著特征点的位置（如眼睛、眉毛、鼻子、嘴巴等器官），同时还可以得到这些器官及其面部轮廓的形状信息的描述。
根据人脸特征点检测与标定的结果，通过某些运算得到人脸特征的描述（这些特征包括：全局特征和局部特征，显式特征和统计特征等）。
(4)基于人脸图像比对的身份识别即人脸识别(Face Identification)问题。
通过将输入人脸图像与人脸数据库中的所有已知原型人脸图像计算相似度并对其排序来给出输入人脸的身份信息。
这包括两类识别问题：一类是闭集(Close Set)人脸识别问题，即假定输入的人脸一定是人脸库中的某个个体；另一类是开集(Open Set)识别，即首先要对输入人脸是否在已知人脸库中做出判断，如果是，则给出其身份。
(5)基于人脸图像比对的身份验证即人脸确认(Face Verification)问题。
系统在输入人脸图像的同时输入一个用户宣称的该人脸的身份信息，系统要对该输入人脸图像的身份与宣称的身份是否相符作出判断。
1.5 论文的内容及组织第二章主要介绍人脸识别系统中所用到的仿真软件Matlab，介绍了在人脸图像识别过程中所需要的图像处理技术，包括：一些基本操作、格式转换、图像增强等。
并做了一个Matlab图像处理功能的实例第三章主要始涉三个方面：首先是对人脸识别系统的构成做详细论述；其次就是对人脸识别过程中的关键环节人脸检测、特征提取和图像预处理做详细介绍；最后就是Matlab在人脸识别系统中的具体应用，即人脸图像识别的具体技术，并用Matlab进行仿真试验并得到结果。
第四章是对人脸图像识别体系构架的设计，并给出了人脸识别用到的理论知识即直方图差异对比，并编写matlab代码实现人脸图像识别。
第五章总结了全文的工作并对以后的需要进一步研究的问题进行了展望。
第二章图像处理的Matlab实现2.1 Matlab简介由Math Work公司开发的Matlab语言语法限制不严格,程序设计自由度大,程序的可移植性好。
Matlab还推出了功能强大的适应于图像分析和处理的工具箱,常用的有图像处理工具箱、小波分析工具箱及数字信号处理工具箱。
利用这些工具箱,我们可以很方便的从各个方面对图像的性质进行深入的研究。
Matlab图像处理工具箱支持索引图像、RGB图像、灰度图像、二进制图像并能操作.bmp、.jpg、.tif 等多种图像格式文件。
2.2 数字图像处理及过程图像是人类获取信息、表达信息和传递信息的重要手段。
利用计算机对图像进行去除噪声、增强、复原、分割、提取特征等的理论、方法和技术称为数字图像处理。
数字图像处理技术已经成为信息科学、计算机科学、工程科学、地球科学等诸多方面的学者研究图像的有效工具。
数字图像处理主要包括图像变换、图像增强、图像编码、图像复原、图像重建、图像识别以及图像理解等内容。
2.2.1图像处理的基本操作读取和显示图像可以通过imread()和imshow()来实现;图像的输出用imwrite()函数就可以很方便的把图像输出到硬盘上;另外还可以用imcrop()、imrisize()、imrotate()等来实现图像的裁剪、缩放和旋转等功能。
2.2.2图像类型的转换Matlab支持多种图像类型,但在某些图像操作中,对图像的类型有要求,所以要涉及到对图像类型进行转换。
Matlab7.0图像处理工具箱为我们提供了不同图像类型相互转换的大量函数,如mat2gray()函数可以将矩阵转换为灰度图像,rgb2gray()转换RGB图像或颜色映像表为灰度图像。
在类型转换的时候,我们还经常遇到数据类型不匹配的情况,针对这种情况,Matlab7.0工具箱中,也给我们提供了各种数据类型之间的转换函数,如double()就是把数据转换为双精度类型的函数。
2.2.3图像增强图像增强的目的是为了改善图像的视觉效果,提高图像的清晰度和工艺的适应性,以及便于人与计算机的分析和处理,以满足图像复制或再现的要求。
图像增强的方法分为空域法和频域法两大类,空域法主要是对图像中的各个像素点进行操作;而频域法是在图像的某个变换域内对整个图像进行操作,并修改变换后的系数,如傅立叶变换、DCT变换等的系数,然后再进行反变换,便可得到处理后的图像。
下面以空域增强法的几种方法加以说明。
(1).灰度变换增强有多种方法可以实现图像的灰度变换,其中最常用的就是直方图变换的方法,即直方图的均衡化。
这种方法是一种使输出图像直方图近似服从均匀分布的变换算法。
Matlab7.0图像处理工具箱中提供了图像直方图均衡化的具体函数histeq(),同时我们可以用函数imhist()函数来计算和显示图像的直方图。
(2).空域滤波增强空域滤波按照空域滤波器的功能又可分为平滑滤波器和锐化滤波器。
平滑滤波器可以用低通滤波实现,目的在于模糊图像或消除噪声;锐化滤波器是用高通滤波来实现,目的在于强调图像被模糊的细节。
在Matlab中,各种滤波方法都是在空间域中通过不同的滤波算子实现,可用fspecial()函数来创建预定义的滤波算子,然后可以使用imfilter()或filter2()函数调用创建好的滤波器对图像进行滤波。
2.2.4边缘检测数字图像的边缘检测是图像分割、目标区域识别、区域形状提取等图像分析领域十分重要的基础,也是图像识别中提取图像特征的一个重要属性。