人脸识别系统
人脸识别系统解决方案
人脸识别系统解决方案随着科技的不断进步和人工智能的广泛应用，人脸识别技术已经成为一种重要的生物识别技术。
人脸识别系统解决方案，不仅可以应用于安防领域，还可以用于身份识别、金融支付、智能门禁等多个领域。
本文将从技术原理、应用场景、优点及挑战等方面来讨论人脸识别系统的解决方案。
一、技术原理人脸识别系统是通过对输入的人脸图像进行特征提取和匹配来进行身份识别的。
技术原理主要包括以下几个方面：1. 图像采集：通过摄像头对人脸进行图像采集，获取到待识别的人脸图像。
2. 人脸检测与对齐：对采集到的图像进行人脸检测，找到图像中的人脸区域，并进行对齐，确保人脸在图像中的位置和角度适合后续的特征提取和匹配。
3. 特征提取：通过特定的算法从人脸图像中提取出表示人脸特征的向量。
这些特征向量通常包括人脸的形状、纹理和位置等信息。
4. 特征匹配：将提取到的特征向量与事先存储在数据库中的人脸特征进行匹配，找到与之最相似的人脸特征。
5. 结果输出：根据匹配结果输出最终的识别结果，判断该人脸是否属于已知的身份。
二、应用场景人脸识别系统的解决方案可广泛应用于以下场景：1. 安防领域：用于视频监控中，实时对比和识别监控区域内的人脸，将异常人员和黑名单人员及时报警。
2. 身份识别：用于售票、通关、考勤等场景，实现快速准确的人员身份识别，提高办事效率。
3. 金融支付：通过人脸识别技术，实现无感支付，用户可以通过刷脸完成消费，提高用户支付的便捷性和安全性。
4. 智能门禁：替代传统的门禁卡和密码，通过人脸识别技术，实现更为安全和方便的门禁管理。
5. 公安犯罪侦查：通过人脸识别系统，辅助公安机关进行犯罪嫌疑人的追踪和查找，提高破案率。
三、优点人脸识别系统解决方案有以下几个优点：1. 高准确性：人脸识别技术在准确率方面已经达到了较高水平，可以快速准确地进行身份鉴别。
2. 非接触性：与传统的身份识别方式相比，人脸识别系统无需接触传感器，可以在更远的距离上进行识别，提高了用户的使用体验。
简述人脸识别系统的构成
简述人脸识别系统的构成
人脸识别系统主要由以下几个组成部分构成：
1. 人脸采集模块：通过摄像头等设备，实时采集人脸图像，并对图像进行预处理，如去噪、裁剪等，以提高后续处理的准确性。
2. 人脸检测与定位模块：对采集的图像进行处理，使用相关算法检测出图像中的人脸，并确定其位置和边界框。
常用的算法有Haar特征检测、Viola-Jones算法、深度学习算法等。
3. 人脸特征提取模块：根据检测到的人脸位置，从图像中提取出人脸的特征信息。
常用的特征提取算法有局部二值模式（LBP）、主成分分析（PCA）、线性判别分析（LDA）、深度学习算法等。
4. 特征匹配与识别模块：将提取到的人脸特征与事先建立的人脸库中的特征进行比对和匹配，确定输入图像中的人脸对应的身份信息。
常用的匹配算法有欧氏距离、余弦距离、支持向量机（SVM）、深度学习算法等。
5. 决策判定模块：根据匹配结果，进行决策判定，确定输入图像中的人脸是否匹配成功。
可以设置阈值，根据匹配得分或相似度来确定是否接受或拒绝识别。
6. 数据库管理模块：存储和管理人脸库中的人脸特征信息，包括新增、修改、删除和查询等功能。
7. 用户界面模块：提供一个用户友好的界面，用于人脸录入、人脸识别和相关配置等操作。
可以是一个软件应用程序、网页或嵌入式系统等形式。
需要注意的是，不同的人脸识别系统可能在实现细节、算法选择和设计原则上有所不同，但以上提到的组成部分是构建一个基本人脸识别系统所必要的要素。
人脸识别系统解决方案
人脸识别系统解决方案引言人脸识别系统是一种基于人脸图像的生物识别技术，用于识别和验证个体的身份。
随着技术的不断发展，人脸识别系统在安全领域、消费电子产品和人机交互等方面得到了广泛应用。
本文将介绍人脸识别系统的工作原理、应用场景以及解决方案。
工作原理人脸识别系统的工作原理可以分为以下几个步骤：1.人脸检测：通过图像处理算法在图像中检测出人脸区域。
常用的人脸检测算法包括Viola-Jones算法、卷积神经网络等。
2.人脸对齐：将检测到的人脸图像进行标定、对齐，使得人脸图像具有相同的尺寸和位置。
常用的人脸对齐算法包括特征点对齐和基于模板的对齐。
3.特征提取：从对齐后的人脸图像中提取出具有辨识度的特征向量，常用的特征提取方法包括局部二值模式、主成分分析等。
4.特征匹配：将待匹配人脸的特征向量与已有的人脸特征进行比对，计算相似度得分。
常用的特征匹配算法包括欧氏距离、余弦相似度等。
5.身份验证/识别：根据特征匹配的结果判断待匹配人脸的身份，进行身份验证或识别。
应用场景人脸识别系统在以下场景中得到了广泛应用：安全领域人脸识别系统可以通过比对人脸与数据库中存储的人脸特征来实现门禁系统的身份验证。
它可以用于办公楼、住宅小区等安全区域的身份识别，提高安全性并减少人力成本。
消费电子产品手机、平板电脑和笔记本电脑等消费电子产品越来越普及，人脸识别系统可以作为一种便捷的解锁方式。
用户只需通过摄像头进行简单的人脸扫描，就可以完成设备的解锁，提高用户体验。
人机交互人脸识别系统可以应用于人机交互，通过人脸识别来识别用户的情绪、性别、年龄等信息，从而提供更加个性化的服务。
例如，人脸识别系统可以根据用户的情绪调整音乐播放的节奏和风格，提供更好的音乐体验。
解决方案搭建一个高效可靠的人脸识别系统需要考虑以下几个方面：1. 算法选择根据不同的场景和应用需求，选择合适的人脸识别算法。
常用算法包括OpenCV、Dlib、Face++等，它们提供了丰富的人脸识别功能和API接口。
人脸识别系统的原理与应用
人脸识别系统的原理与应用人脸识别技术: 人脸识别系统的原理与应用随着科技的不断发展，人脸识别技术逐渐成为我们生活中不可或缺的一部分。
本文将介绍人脸识别系统的原理和应用，并探讨其在各个领域的潜在价值。
一、人脸识别系统的原理人脸识别系统的原理基于对人脸图像的分析和比对，通过计算机算法来识别和验证一个人的身份。
其主要包括以下几个步骤：1. 图像采集：人脸识别系统首先需要获取人脸图像，常见的方法包括摄像头录制、视频监控等。
这些图像将成为后续分析的基础。
2. 图像预处理：采集到的人脸图像需要经过预处理，包括图像去噪、灰度化、尺寸标准化等。
这些步骤旨在减少图像中的干扰信息，提高后续处理的准确性。
3. 人脸检测与定位：通过算法对预处理后的图像进行人脸检测与定位，确定人脸的位置和边界框。
常用的方法包括Haar特征分类器、卷积神经网络等。
4. 特征提取与编码：通过提取人脸图像中的特征点或特征描述符，将其转化为计算机可处理的数据。
常见的方法有主成分分析、局部二值模式等。
5. 特征匹配与比对：将提取到的特征与事先存储的人脸模板进行比对，通过计算相似度来判断是否匹配。
匹配算法常用的有欧氏距离、余弦距离等。
二、人脸识别技术的应用人脸识别技术在现实生活中有着广泛的应用，以下是几个重要领域的案例：1. 安全领域：人脸识别技术可以应用于安防系统中，通过与数据库中的人脸模板比对，实现门禁、闸机等设备的自动识别和进出控制。
此外，人脸识别还可以应用于公共场所的监控系统，帮助识别可疑人员和犯罪嫌疑人。
2. 营销领域：利用人脸识别技术可以对顾客进行性别、年龄、情绪等属性的识别，从而为商家提供更精准的个性化营销服务。
例如，在广告牌、商场等场所中展示与用户属性相关的广告内容，提高广告的效果和转化率。
3. 教育领域：人脸识别技术可以应用于学校的考勤系统，实现学生的自动签到签退，提高考勤的准确性和效率。
此外，在学生的机器学习过程中，人脸识别技术也可以用于情感识别和学习行为分析，帮助教师更好地理解学生，并进行个性化的教学。
人脸识别系统原理
人脸识别系统原理
人脸识别系统是一种通过计算机技术对人脸图像进行识别和验证的技术。
它可以应用于安防监控、门禁系统、手机解锁等领域，具有很高的实用价值。
那么，人脸识别系统的原理是什么呢？
首先，人脸识别系统的原理是基于人脸特征的提取和匹配。
在人脸识别系统中，首先需要对人脸图像进行采集和处理，提取出人脸的特征信息。
这些特征信息可以包括人脸的轮廓、眼睛、鼻子、嘴巴等部位的位置和形状特征。
然后，通过对提取出的人脸特征进行匹配比对，来实现对人脸的识别和验证。
其次，人脸识别系统的原理是基于模式识别和机器学习算法。
在人脸识别系统中，需要使用模式识别和机器学习算法对提取出的人脸特征进行分析和处理，以实现对人脸图像的识别和验证。
这些算法可以包括人工神经网络、支持向量机、主成分分析等，通过对大量的人脸图像数据进行训练和学习，使得人脸识别系统能够不断提高对人脸图像的识别准确率和鲁棒性。
另外，人脸识别系统的原理还涉及到图像处理和计算机视觉技术。
在人脸识别系统中，需要对人脸图像进行预处理，包括去除噪
声、对图像进行归一化处理等，以提高人脸识别系统对人脸图像的
鲁棒性和可靠性。
同时，还需要借助计算机视觉技术对人脸图像进
行特征提取和分析，以实现对人脸的识别和验证。
总的来说，人脸识别系统的原理是基于人脸特征的提取和匹配，结合模式识别和机器学习算法，借助图像处理和计算机视觉技术，
实现对人脸图像的识别和验证。
随着人工智能和计算机技术的不断
发展，人脸识别系统的原理也在不断完善和提升，将为我们的生活
带来更多的便利和安全保障。
人脸识别系统文档
人脸识别系统文档概述：人脸识别系统是一种基于人脸特征进行身份认证的技术。
本文档将详细阐述人脸识别系统的原理、应用场景、系统组成以及其相关技术。
一、原理人脸识别系统的原理是通过对人脸图像进行匹配和比对来实现身份认证的过程。
它基于人脸图像中的特征点和特征向量，通过算法将人脸图像转换为数字化的人脸模板，然后将得到的人脸模板与事先建立的人脸数据库进行对比，最终确定人脸的身份。
二、应用场景人脸识别系统广泛应用于各个领域，以下是几个常见的应用场景：1. 安全领域在安全领域，人脸识别系统可以应用于门禁系统、边境口岸、机场安检等场所，通过判断识别的人脸与已知人脸的匹配度来实现身份认证，提高安全性和便利性。
2. 社交网络人脸识别系统在社交网络中可以用于人脸标识和人脸识别功能，帮助用户实现自动标记照片中的人物，并进行自动关联，提供更好的用户体验。
3. 金融行业在金融行业，人脸识别系统可以用于身份验证和反欺诈检测。
通过识别客户的人脸信息，可以确保操作的真实性，并降低欺诈风险，增强金融安全性。
4. 教育领域在教育领域，人脸识别系统可以应用于学生考勤管理、图书馆借阅管理等场景，提高工作效率和准确性。
三、系统组成人脸识别系统主要包括以下几个组成部分：1. 人脸采集模块人脸采集模块负责获取用户的人脸图像，可以通过摄像头、监控摄像头等设备进行采集。
采集的图像将作为后续处理的输入。
2. 人脸检测与标定模块人脸检测与标定模块通过算法自动检测输入图像中的人脸，并标定出人脸的关键特征点位置，如眼睛、嘴巴等。
3. 特征提取与建模模块特征提取与建模模块将标定后的人脸图像转换成数字化的人脸特征向量，通常使用主成分分析（PCA）等算法进行特征提取和降维处理，最终得到人脸模板。
4. 数据库管理模块数据库管理模块用于存储和管理已注册的人脸模板，以供后续的人脸比对和认证。
5. 人脸比对与识别模块人脸比对与识别模块通过将待认证的人脸模板与数据库中的人脸模板进行比对，判断其相似度，从而实现人脸的识别和认证。
人脸识别系统
人脸识别系统人脸识别技术是一种基于人脸图像特征进行身份识别的技术。
它通过图像采集、人脸检测、特征提取和匹配等步骤，对人脸进行自动识别和验证。
随着科技的进步，人脸识别系统在各个领域得到了广泛的应用，例如安防、金融、社交媒体等。
一、人脸识别技术的原理人脸识别技术主要基于人脸的独特性。
每个人的面部特征都是独一无二的，包括眼睛、鼻子、嘴巴等部位的位置、形状和轮廓等特征。
人脸识别系统通过采集人脸图像，提取出这些特征并进行模式匹配，从而辨识出人脸的身份信息。
二、人脸识别技术的应用1. 安防领域人脸识别系统广泛应用于安防领域，通过将人脸识别技术与监控摄像头相结合，可以实现自动识别进入区域的人员身份，提高安全性和效率。
例如，一些高安全性的场所如银行、机场等常常采用人脸识别技术，对出入人员进行身份核验，以防止非法入侵和犯罪活动。
2. 金融领域人脸识别技术在金融领域的应用也越来越广泛。
通过将人脸识别系统与银行的自助服务设备相结合，可以实现用户身份的自动认证，提高交易的便利性和安全性。
此外，人脸识别技术还可以用于金融机构的反欺诈工作，及时发现和阻止各类金融欺诈行为。
3. 社交媒体随着社交媒体的普及，人脸识别技术在社交媒体中的应用也逐渐增多。
一些社交媒体平台利用人脸识别技术，提供自动人脸标注、人脸搜索和人脸表情分析等功能，丰富了用户的社交体验。
用户可以通过人脸识别技术将自己的面孔与朋友进行关联，并实现自动识别和标注。
三、人脸识别技术面临的挑战虽然人脸识别技术在各个领域的应用前景广阔，但也面临一些挑战。
其中包括以下几个方面：1. 环境因素的影响光照、角度、遮挡等环境因素对人脸图像的采集和识别造成了很大的影响。
例如，在低光环境下或者人脸部分被遮挡时，人脸识别系统可能无法准确地提取人脸特征，从而影响系统的准确性和鲁棒性。
2. 隐私问题随着人脸识别技术的普及，一些隐私问题也逐渐浮出水面。
人们担心个人的面部特征可能被滥用或泄露，从而带来安全风险。
人脸识别系统面对的问题和解决方案
人脸识别系统在应用过程中可能会面临一些问题，以下是常见的问题和对应的解决方案：问题：1. 准确性问题：人脸识别系统可能受到光线、角度、遮挡等因素影响，导致识别准确率下降。
2. 隐私安全问题：人脸数据的泄露和滥用可能导致个人隐私泄露和安全风险。
3. 欺骗攻击问题：例如使用照片、视频等方式进行人脸欺骗，误导系统进行错误认证。
4. 速度和效率问题：高效率要求下，人脸识别系统需要在短时间内完成大量的识别任务。
5. 跨平台兼容问题：不同设备、系统之间的兼容性以及跨平台使用的问题。
解决方案：1. 多模态融合：结合人脸、声纹、指纹等多种生物特征进行识别，提高整体识别准确性。
2. 数据加密和安全传输：对人脸数据进行加密存储和传输，建立安全的数据管理机制。
3. 活体检测技术：引入活体检测技术，判断人脸是否为真实的活体，有效防止欺骗攻击。
4. 硬件优化和算法优化：优化人脸识别算法，提高识别速度和效率；同时结合硬件优化，提升系统整体性能。
5. 标准接口和协议：遵循标准的人脸识别接口和协议，确保系统在不同平台上的兼容性和稳定性。
进一步措施：1. 持续学习和优化：不断更新训练数据，优化算法，提高人脸识别系统的准确性和稳定性。
2. 强化隐私保护：设立严格的数据权限管理机制，保护用户人脸数据隐私，遵守相关法律法规。
3. 定期安全审查：定期对人脸识别系统进行安全审查和评估，发现潜在风险并及时解决。
4. 用户教育和意识提升：加强用户对人脸识别系统的正确使用和安全意识培训，防范安全风险。
通过以上解决方案和进一步措施，可以帮助解决人脸识别系统在实际应用中可能遇到的问题，提升系统的准确性、安全性和效率性。
- 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)。
（３）ｍａｔｌａｂ ７．０ 语言编译平台 Ｍａｔｌａｂ 是一种面向科学与工程计算的高 级语言，目前已发展成为国际上先进的科技应 用软件之一。它拥有强大的科学计算功能、完
（２）建立一个通用的模型
，确
定模型的状态数，允许的状态转移和高斯混合
概率成分的个数。
（３）将训练数据转移矩阵
可以使
，当 ｊ＞ｉ 或 ｊ＞ｉ＋１。对于初
始概率分布，
可以使
，
即 Ｈ Ｍ Ｍ 从第一个状态开始［３］概率分布矩阵
可依据下面的公式计算：
图１
（２）爆破后沿岩体的切割面（或称爆裂面）应 具有一定的平整度，并能保持原岩体自身的稳 定性， 从而保证爆破效果及隧道内的安全， 即 光面和稳定控制爆破。 ３．２ 控制爆破基准
根据《爆破安全规程》（ Ｇ Ｂ ６ ７ ２ ２ － ８ ６ ） 对
（１ｌ） 其中 为混合成分的比例因子，即用高斯 混合模型来对概率分布矩阵 Ｂ 建模 和 分 别为高斯混合模型的均值和协方差矩阵
２ 工程概况及影响爆破的主要因素
２．１ 工程概况 大连市椒金山新建隧道为双向两车道；建
筑限界宽 １０ｍ，高 ５ｍ， 内轮廓为三心圆曲型。 新隧道建于两条既有隧道中间，隧道走向与既
有隧道平行，相邻隧道衬砌间的最小净距仅为 ５ｍ。建筑物基础与洞顶垂直最小净距为 ４ｍ。 ２．２ 影响爆破的主要因素
地质差。隧址区基岩由震旦系甘井子组 白云质灰岩和角砾状白云质灰岩组成，其上覆 盖层不甚发育， 连续性较差， 节理发育。在地 质勘探钻孔控制深度内有地下水活动。
绍的大连市椒金山新建隧道小净距浅埋段控制爆破技术与监测结果分析，是我国超长小净距隧道控制爆破施工的一个重大突破，对密集
住宅区域市浅埋隧道施工具有借鉴作用。
关键词：小净距 浅埋隧道 控制爆破 震动速度 监测
中图分类号： Ｔ Ｂ ４ １
文献标识码： Ａ
文章编号：１６７２－３７９１（２００７）０６（ｂ）－００１６－０２
图像。
２．４ 特征提取
首先对合法人员进行图像采集建立以每
人 ５ 幅不同表情像的归一化图像为标准的图
像库， 再对库进行 Ｈ Ｍ Ｍ 训练， 就是要为每个
类别确定一组经过优化的 Ｈ Ｍ Ｍ 参数， 每个模
型可以用单幅或多幅图像进行训练，训练步骤
如下：
（１）对人脸进行Ｇａｂｏｒ小波变换，求出特征
结，并将其作为观测向量，即
本系统采用当前图像与固定背景图像之 间的差分方法， 从背景图像中检测出运动目 标， 即检测出含有人脸信息的图像； 然后变换 到 ＹＣｒＣｂ 色彩空间，利用肤色信息在色度空 间具有很好的聚类性， 建立肤色模型， 并根据 肤色色度判决范围 ＲＣｒ＝［１３３，１７３］和 ＲＣｂ＝ ［７７，１２７］［１］，将图像分为肤色区域和非肤色区 域两类。在肤色区域用积分投影的方法根据 五官几何特征和人脸长宽比例提取出正确的 被照相人的人头区域。 ２．３ 人脸图像的归一化
隧道超近间距。新隧道与两条既有隧道 中心线的距离均为 １７．５ｍ，相邻隧道衬砌间的 最小净距仅为 ５ｍ。
超浅埋段长。隧道通过金家街小学操场 及教学楼和简易房。Ｋ０＋４９．９７－ Ｋ０＋２５３， 地表杂填土厚 ０．９～４．８ｍ，基岩顶面距隧道顶 部 １．５～６．２ｍ。 ２．４ 地面建筑及危房覆盖率高
在 Ｋ０＋１７３～Ｋ０＋２５３ 里程上，沿隧道轴 线宽 ８０ｍ 范围内居民密集，地面建筑多为 １－６ 层砖混结构旧房及简易平房砌筑结构，为七十 年代初期建筑。
摘 要：基于 Ｌａｂｖｉｅｗ／Ｍａｔｌａｂ、ｕｓｂ 摄像头软硬件等设备，设计出人脸识别系统。文章着重介绍了人脸自动识别系统的设计思想和实
现技术。该系统以人像识别技术为核心，采用简单的单机模式，建立和维护了一个含有人像特征的综合数据库，从而能够在即时采集人脸
图像时， 迅速地查询出最接近于已采集到的的已登记人员的身份信息。
图２ 图３
科技资讯 ＳＣＩＥＮＣＥ ＆ ＴＥＣＨＮＯＬＯＧＹ ＩＮＦＯＲＭＡＴＩＯＮ
１５
科技资讯 ２００７ ＮＯ．１７ ＳＣＩＥＮＣＥ ＆ ＴＥＣＨＮＯＬＯＧＹ ＩＮＦＯＲＭＡＴＩＯＮ 城市小净距浅埋隧道控制爆破技术
工 业 技 术
周凤亮 （中铁十三局集团第一工程有限公司）
摘 要：在城市小净距浅埋隧道施工中，可以采用微震控制爆破技术，以获取理想的震动效应，减少对围岩及地表建筑物的影响。本文介
关键词：人脸识别 人脸检测 Ｌａｂｖｉｅｗ Ｍａｔｌａｂ
中图分类号：ＴＰ３９１．４
文献标识码： Ａ
文章编号：１６７２－３７９１（２００７）０６（ｂ）－００１５－０２
目前人脸识别技术已经相对成熟，其应用 也随之日益广泛。不只刑侦， 海关， 机场， 车 站等重要场合使用，而且在门禁，考勤，个人私 密等日常生活环境中也成为需要， 成本低廉， 结构简单， 使用方便， 实时性强是对这一类系 统的要求。本系统是基于以上考虑设计并实 现的一种单机带普通ｕｓｂ摄像头的人脸识别系 统，该系统主要基于 Ｌａｂｖｉｅｗ 和 Ｍａｔｌａｂ 的软 硬件环境，本系统将 Ｍａｔｌａｂ 嵌入到 Ｌａｂｖｉｅｗ 中，将 Ｌａｂｖｉｅｗ 方便的程序外观和操作控制功 能与 Ｍａｔｌａｂ 强大的计算功能结合起来，界面 友好， 功能强大。
人脸图像归一化就是将以上得到的人脸 图像通过图像预处理的手段使图像成为便于 运算的标准图像。其主要工作步骤如下：
（１）对图像用以上检测人脸时相同的积分 投影方法定位眼睛后根据眼球连线的走向进 行头像倾斜调整。
设原始图像的大小为 Ｍ × Ｎ，各点象素值
为 Ｉ（ｘ，ｙ），则垂直灰度投影［２］函数定义为：
整的数字信号处理和图形图像工具箱支持，使 系统的即时性和准确性得到有力的保证。 １．３ 系统结构框图
系统结构框图如图 １ 所示。
２ 系统设计
２．１ 图像的实时采集 采用通用的ｕｓｂ２．０普通摄像头，在该机安
装摄像头驱动程序，使用 ｍａｔｌａｂ 的 Ｉｍａｇｅ Ａｃｑ ｕｉｓｉｔｉｏｎ Ｔｏｏｌｂｏｘ中的函数构成对摄像头进行 设置、驱动、以及图像的预览的模块，将图像 送入 ｌａｂｖｉｅｗ 的图像预处理模块。 ２．２ 图像中的人脸检测
DOI:10.16661/ki.1672-3791.2007.17.014
工 业 技 术
科技资讯 ２００７ ＮＯ．１７
ＳＣＩＥＮＣＥ ＆ ＴＥＣＨＮＯＬＯＧＹ ＩＮＦＯＲＭＡＴＩＯＮ
基于 Ｌａｂｖｉｅｗ／Ｍａｔｌａｂ 的人脸识别系统设计与实现
马永强 华宇宁 （沈阳理工大学信息学院 沈阳 １１０１６８）
重新估计，并用最后得到的模型优化参数表示
人脸数据库中的某个类别。
经过以上步骤形成人脸库并得到各类人
脸模型， 以待下一步进行识别。
２．５ 人脸识别
在人脸识别阶段，首先要对待识别的人脸
图像 ｋ 进行 Ｇａｂｏｒ 变换，计算它的特征结，形
成观测序列 ，然后使用前项—后项算法［４］计
算每个训练模型产生该序列的概率
部分系统的实际运行效果如图 ３ 所示。
４ 结语
本系统完成后先对 ５０ 个人的正面人脸图 像进行了实验， 实验显示除了个别脸部遮挡、 鬼脸外， 其他情况都能够有效识别出， 而且实 时性很好； 之后再对不同光照、光线及不同 背景等情况经性实验，除个别条件太差的如背 景太接近肤色或光线太强图像，识别率能达到 ９５％ 以上。再加上本系统的安装简单、携带 方便的特点，使得它适合于在小部门或个人的 门禁、身份验证等方面。
现在大型的人脸识别在国内公安、奥运 会、机场等场合相继使用， 人们对人脸识别 的研究水平也在不断提高，相信不久的将来人
脸识别系统也会像指纹识别一样得到一个广 泛的普及成为我们日常生活的一部分。
参考文献
［１］ ＣＨＡＩＤ，ＮＧＡＮＫＮ．Ｌｏｃａｔｉｎｇ ｆａｃｉａｌ ｒｅ－ ｇｉｏｎ ｏｆ ａｈｅａｄ ａｎｄ ｓｈｏｕｌｄｅｒｓ ｃｏｌｏｒ ｉｍａｇｅ［Ｃ］／／ Ｐｒｏｃ ３ｒｄ ＩＥＥＥ Ｉｎｔｅｒｎａ－ ｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ａｕｔｏｍａｔｉｃ Ｆａｃｅ ａｎｄ Ｇｅｓｔｕｒｅ Ｒｅｃｏｇｎｉｔｉｏｎ Ｎａｒａ，Ｊａｐａｎ． １９９８：１２４－１２９．
［２］ 贾云得．机器视觉［Ｍ］．北京：科学出版社， ２０００．
［３］ Ｓａｍａｒｉａ Ｆ．Ｆａｃｅ ｒｅｃｏｇｎｉｔｉｏｎ ｕｓｉｎｇ ｈｉｄ－ ｄｅｎ Ｍａｒｋｏｖ ｍｏｄｅｌ［Ｄ／Ｄ］．Ｃａｍｂｒｉｄｇｅ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｃａｍｂｒｉｄｇｅ， １９９４： ２７－ ８２．
［４］ Ｒａｂｉｎｅｒ Ｌ．Ａ ｔｕｔｏｒｉａｌ ｏｎ ｈｉｄｄｅｎ Ｍａｒｋｏｖ ｍｏｄｅｌｓ ａｎｄ ｓｅｌｅｃｔｅｄ ａｐｌａｃａｔｉｏｎ ｉｎ ｓｐｅｅｃｈ ｒｅｃｏｇｎｉｔｉｏｎ［Ｊ］．Ｐｒｏｃｅ．ＩＥＥＥ １９８９，７７（２）： ２５７－２８６．
１ 引言
随着城市交通及地铁隧道的大量修建，穿 越密集建筑物（住宅区）进行小净距浅埋隧道施 工已成为建筑施工企业和工程技术人员亟待 攻克的科技难题。大连市椒金山新建隧道采 用暗挖法施工， 通过优化控制爆破方案， 合理 选择爆破参数对获取理想震动效果，控制地面 沉降，减少围岩扰动及地表建筑物影响起到了 关键作用。该隧道的控制爆破施工是在交通 不中断、相邻隧道净间距小、洞顶覆盖层薄 的困难条件下进行的，本项目控制爆破技术的 成功应用标志着我国超长小净距隧道控制爆 破施工的一个重大突破。
２．５ 对地表沉降要求严 教学楼地表沉降必须控制在 ０ ． ５ ｃ ｍ 以
下。 ２．６ 对旧隧道稳定性及新旧隧道结构安全度要 求高
新隧道施工时不能影响既有隧道的正常 交通。
３ 爆破震动控制指标的确定
３．１ 控制爆破设计的目的 （１）降低爆破地震波的破坏作用，保证洞顶