毕业设计-人脸识别系统设计【范本模板】
《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、引言随着科技的飞速发展，人脸识别技术已经成为了现代社会中不可或缺的一部分。
它广泛应用于安全监控、门禁系统、智能支付等领域。
OpenCV作为一个强大的计算机视觉库，为人们提供了丰富的人脸识别算法和技术手段。
本文将介绍一种基于OpenCV的人脸识别系统设计，并对其原理、设计、实现和应用等方面进行详细阐述。
二、系统设计原理本系统设计基于OpenCV的人脸识别技术，主要包括人脸检测、人脸特征提取和人脸比对三个部分。
首先，通过OpenCV中的人脸检测算法，系统能够从图像或视频中检测出人脸；其次，利用OpenCV提供的特征提取算法，对检测到的人脸进行特征提取；最后，通过比对特征库中的人脸特征，实现人脸识别。
三、系统设计1. 硬件设计本系统硬件部分主要包括摄像头、计算机等设备。
摄像头用于采集图像或视频，计算机则负责运行人脸识别算法。
此外，为了保障系统的稳定性和可靠性，还需要考虑硬件设备的选型和配置。
2. 软件设计软件部分主要包括OpenCV库、人脸检测算法、特征提取算法和人脸比对算法等。
其中，OpenCV库提供了丰富的人脸识别算法和技术手段，包括Haar级联分类器、DNN模块等。
此外，还需要设计用户界面，以便用户能够方便地使用本系统。
四、实现过程1. 人脸检测本系统采用Haar级联分类器进行人脸检测。
首先，通过训练Haar级联分类器，使其能够识别出人脸区域。
然后，在图像或视频中运行该分类器，检测出人脸区域。
2. 人脸特征提取对于检测到的人脸区域，本系统采用OpenCV中的特征提取算法进行特征提取。
常用的特征提取算法包括HOG、LBP等。
通过提取人脸特征，可以为后续的人脸比对提供依据。
3. 人脸比对本系统将提取到的人脸特征与特征库中的人脸特征进行比对。
比对过程中，需要采用一定的相似度计算方法，如欧氏距离、余弦相似度等。
通过比对结果，可以判断出输入的人脸是否与特征库中的人脸匹配。
(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。
毕业设计 人脸识别
毕业设计人脸识别人脸识别技术在近年来得到了广泛的应用和研究，尤其是在安防领域。
作为一种非接触式的生物识别技术，人脸识别具有许多优势，如高精度、方便快捷等。
因此，越来越多的机构和企业开始将人脸识别技术应用于各个领域，比如门禁系统、手机解锁、支付验证等。
在这样的背景下，我选择了人脸识别作为我的毕业设计课题。
首先，我将对人脸识别技术的原理和算法进行深入研究。
人脸识别技术主要包括人脸检测、特征提取和匹配三个步骤。
在人脸检测阶段，我们需要使用一些图像处理的方法，如Haar特征、卷积神经网络等，来准确定位和提取人脸区域。
接下来，在特征提取阶段，我们需要将人脸图像转化为一组特征向量，这些特征向量能够准确地描述人脸的特征。
最后，在匹配阶段，我们需要将待识别的人脸特征与数据库中的特征进行比对，找出最相似的人脸信息。
通过对这些算法的研究和实践，我将能够更好地理解人脸识别技术的工作原理，并能够根据实际情况进行优化和改进。
其次，我将设计一个基于人脸识别的门禁系统。
门禁系统是人脸识别技术的一种常见应用场景。
通过将人脸识别技术应用于门禁系统中，可以实现更加安全和便捷的进出管理。
在设计过程中，我将考虑到系统的稳定性、安全性和实用性。
首先，我将选择一些高质量的摄像头和传感器，以确保图像的清晰度和准确性。
其次，我将设计一个完善的数据库系统，用于存储和管理人脸信息。
同时，我还将考虑到系统的实时性和响应速度，以确保快速准确地识别出合法用户。
最后，我还将加入一些智能化的功能，比如活体检测和表情识别等，以提高系统的安全性和可靠性。
另外，我还计划进行一些实验和测试，以验证人脸识别技术的性能和可靠性。
在实验过程中，我将使用一些公开的人脸数据集，并结合一些评价指标，比如准确率、召回率和误识率等，来评估人脸识别算法的性能。
通过这些实验和测试，我将能够更好地了解人脸识别技术的优势和局限性，并能够根据实际情况进行优化和改进。
最后，我将总结和归纳我的毕业设计成果，并撰写一篇详细的论文。
《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。
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。
《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、引言人脸识别技术在近年来取得了显著的发展和广泛应用。
这一技术的进步使得我们的社会逐渐迈入一个“无接触式”的交互时代。
OpenCV（开源计算机视觉库）作为计算机视觉领域的重要工具，为开发高效、准确的人脸识别系统提供了强大的支持。
本文将详细探讨基于OpenCV的人脸识别系统设计，包括其原理、方法、实现过程以及应用前景。
二、系统设计原理与架构1. 设计原理基于OpenCV的人脸识别系统主要依据图像处理和模式识别技术，通过捕获并分析人脸图像特征，实现对人脸的识别和追踪。
该系统主要包含预处理、特征提取和匹配三个主要步骤。
2. 系统架构本系统架构主要包括四个部分：图像预处理、人脸检测、特征提取和人脸比对。
其中，图像预处理包括灰度化、降噪、二值化等操作，以改善图像质量，提高人脸检测的准确性。
人脸检测则通过OpenCV提供的各种检测器实现。
特征提取则利用各种算法提取人脸特征，如SIFT、HOG等。
最后，通过比对提取的特征，实现人脸识别。
三、具体实现方法1. 图像预处理图像预处理是提高人脸识别准确性的关键步骤。
首先，通过灰度化、降噪等操作改善图像质量。
然后，利用OpenCV的面部标记功能，标记出人脸的各个部位，如眼睛、鼻子和嘴巴等。
这些信息将用于后续的特征提取和比对。
2. 人脸检测人脸检测是利用OpenCV提供的各种检测器实现。
这些检测器能够根据图像中的颜色、形状、纹理等特征，自动检测出人脸区域。
常用的检测器包括Haar级联分类器、DNN（深度神经网络）等。
3. 特征提取特征提取是利用各种算法从人脸图像中提取出有代表性的特征。
这些特征可以是对人脸形状、纹理等特征的描述，如SIFT （尺度不变特征变换）、HOG（方向梯度直方图）等。
通过这些特征，我们可以实现对不同人脸的有效区分。
4. 人脸比对人脸比对是通过比对提取的特征，判断两张人脸图像是否为同一人的过程。
常用的比对方法包括欧氏距离法、余弦相似度等。
人脸识别考勤系统 毕业设计
人脸识别考勤系统毕业设计人脸识别考勤系统是一种利用现代人脸识别技术结合考勤管理系统的智能化设备。
它通过摄像头捕捉员工面部特征，将其与已注册的员工信息进行比对，确保员工的真实身份和考勤记录准确无误。
由于其高效、准确的优势，已经广泛应用于企业、学校、机关等场所。
本文将就人脸识别考勤系统的特点、设计原理以及实际应用进行深入探讨，从而为毕业设计提供指导和参考。
一、系统设计原理1.1 人脸识别技术人脸识别技术是指通过图像处理和模式识别技术，对图像中的人脸进行识别和验证。
常见的人脸识别技术包括特征提取、特征匹配和模式识别。
人脸识别系统通常包括人脸检测、人脸特征提取、特征匹配三个主要步骤。
1.2 考勤管理系统考勤管理系统是一种用于员工考勤记录管理的软件。
它可以记录员工的上下班时间、加班情况等信息，实现考勤数据的统计和分析，并生成考勤报表。
1.3 人脸识别考勤系统设计原理人脸识别考勤系统主要包括人脸采集、人脸特征提取、人脸比对和考勤记录等功能。
系统首先通过摄像头采集员工的面部图像，然后对图像进行人脸检测和特征提取，提取出人脸的关键特征点。
接着将提取出的人脸特征点与已注册的员工信息进行比对，确定员工的真实身份。
最后将员工的考勤记录保存至系统数据库中，以供考勤管理系统进行数据统计和生成报表。
二、系统特点2.1 高效性人脸识别考勤系统采用自动化识别技术，无需员工手动打卡，能够实现全天候的自动考勤记录，极大提高考勤效率。
2.2 准确性人脸识别技术在识别精度上具有很高的准确性，可以有效避免因忘记打卡、代打卡等情况导致的考勤纠纷，确保考勤记录的准确无误。
2.3 安全性人脸识别考勤系统采用个人面部特征进行识别，具有较高的防伪性，能够有效防止考勤作弊和身份冒用的情况。
2.4 数据化系统能够将员工的考勤记录自动保存至数据库中，可以方便快捷地进行考勤数据统计和分析，生成各类考勤报表，提供决策参考。
三、系统实际应用3.1 企业在企业内部，人脸识别考勤系统可以替代传统的打卡机制，提高考勤效率，减少人力成本。
《基于人脸识别的身份认证系统的设计与分析》范文
《基于人脸识别的身份认证系统的设计与分析》篇一一、引言随着信息技术的快速发展，身份认证技术已经成为信息安全领域的重要组成部分。
传统的身份认证方式如密码、指纹识别等虽然仍在使用，但这些方式容易受到各种形式的攻击，因此需要寻找更为高效、安全的身份认证技术。
近年来，人脸识别技术得到了广泛的应用，它以其便捷性、非接触性、高精度等优势，逐渐成为身份认证领域的新宠。
本文将基于人脸识别技术，探讨身份认证系统的设计与分析。
二、系统设计1. 硬件设计基于人脸识别的身份认证系统主要由摄像头、计算机、显示器等硬件设备组成。
摄像头负责捕捉用户的人脸图像，计算机则负责处理图像信息，显示器则用于显示系统操作界面和结果。
为了保障系统稳定性和数据安全，整个系统需具有良好的防护和隔离措施。
2. 软件设计系统软件部分主要包含人脸图像预处理、人脸检测与定位、特征提取、身份验证等模块。
首先，对采集到的人脸图像进行预处理，如灰度化、滤波等；然后进行人脸检测与定位，识别出图像中的人脸区域；接着通过特征提取算法提取出人脸特征，如面部的几何特征、纹理特征等；最后通过与已存储的特冔数据进行比对，进行身份验证。
三、系统功能与实现本系统的主要功能是完成人脸识别与身份验证。
当用户出现在摄像头前时，系统将自动进行人脸识别和验证，根据验证结果决定是否允许用户进入系统。
此外，系统还应具备数据存储、日志记录等功能，以便于对用户行为进行监控和追溯。
在实现方面，可采用目前较为成熟的深度学习算法和计算机视觉技术进行开发。
具体来说，可以使用卷积神经网络等深度学习算法进行人脸特征提取和比对；同时，利用计算机视觉技术实现人脸检测与定位等功能。
此外，为了保障系统的安全性和稳定性，还需对系统进行多方面的优化和测试。
四、系统分析1. 安全性分析基于人脸识别的身份认证系统具有较高的安全性。
首先，人脸识别技术具有非接触性特点，可以避免密码泄露等安全问题；其次，通过深度学习算法进行特征提取和比对，可以大大提高识别的准确性和安全性；此外，系统还具备数据加密、日志记录等功能，进一步增强了系统的安全性。
- 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)。
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。
由于模板变形利用了特征区域的全局信息，因此可以较好地检测出相应的特征形状。
由于可变形模板要采用优化算法在参数空间内进行能量函数极小化，因此算法的主要缺点在于两点：一、对参数初值的依赖程度高，很容易陷入局部最小；二、计算时间长.针对这两方面的问题，我们采用了一种由粗到细的检测算法：首先利用人脸器官构造的先验知识、面部图像灰度分布的峰谷和频率特性粗略检测出眼睛、鼻子、嘴、下巴的大致区域和一些关键的特征点；然后在此基础上,给出了较好的模板的初始参数,从而可以大幅提高算法的速度和精度。
眼睛是面部最重要的特征,它们的精确定位是识别的关键。
基于区域增长的眼睛定位技术，该技术在人脸检测的基础上，充分利用了眼睛是面部区域内脸部中心的左上方和右上方的灰度谷区这一特性，可以精确快速的定位两个眼睛瞳孔中心位置。
该算法采用了基于区域增长的搜索策略，在人脸定位算法给出的大致人脸框架中,估计鼻子的初始位置，然后定义两个初始搜索矩形,分别向左右两眼所处的大致位置生长。
该算法根据人眼灰度明显低于面部灰度的特点，利用搜索矩形找到眼部的边缘，最后定位到瞳孔的中心。
实验表明,本算法对于人脸大小、姿态和光照的变化，都有较强的适应能力,但在眼部阴影较重的情况下,会出现定位不准。
佩戴黑框眼镜,也会影响本算法的定位结果。
3、面部感知系统的重要内容基于视觉通道信息的面部感知系统，包括人脸检测和跟踪、面部特征定位、面部识别、人脸归类（年龄、种族、性别等的判别）、表情识别、唇读等分系统,如图1—1所式，可以看出，继人脸检测和跟追之后，面部特征定位通常是面部感知的一个必备环节，是后续工作的基础，具有重要的意义。
尽管人脸识别不能说是其他面部感知模块的必备功能，但是, 可以肯定的是，利用已知的身份信息,结合特定人的先验知识，可以提高表情分析、唇读和语音识别、手势识别乃至手写体识别的可靠性。
而计算机对使用者身份确认的最直接的应用就是基于特定使用者的环境设置：如使用者的个性化工作环境，信息的共享和隐私保护等等。
图1—1面部感知系统结构图第二节人脸识别的国内外发展概况现在人脸识别技术已经应用在许多领域中，并起到了举足轻重的作用，人脸识别研究开始于1966年PRI的Bledsoe的工作，经过三十多年的发展，人脸识别技术取得了长足的进步, 现在就目前国内外的发展情况来进行展述。
一国外的发展概况［1]见诸文献的机器自动人脸识别研究开始于1966年PRI的Bledsoe的工作,1990年日本研制的人像识别机,可在1秒钟内中从3500人中识别到你要找的人。
1993年，美国国防部高级研究项目署 (Advanced Research Projects Agency)和美国陆军研究实验室(Army Research Laboratory）成立了Feret(Face Recognition Technology) 项目组，建立了feret 人脸数据库,用于评价人脸识别算法的性能.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。
二国内的发展概况[2］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% . 2005年1月18日,由清华大学电子系人脸识别课题组负责人苏光大教授主持承担的国家"十五"攻关项目《人脸识别系统》通过了由公安部主持的专家鉴定。
鉴定委员会认为，该项技术处于国内领先水平和国际先进水平。
本论文主要对该人脸识别系统进行模块划分，并介绍各模块的功能，重点介绍图像预处理模块，对其内的子模块的功能和算法进行详细讲述,主要介绍光线补偿、图像灰度化、高斯平滑、均衡直方图、图像对比度增强，图像预处理模块在整个系统中起着极其关键的作用,图像处理的好坏直接影响着后面的定位和识别工作。
第二章系统的需求分析与方案选择人脸识别系统现在应用于许多领域中，但是人脸识别技术也是一项近年来兴起的，且不大为人所知的新技术.在我国以及其他国家都有大量的学者正在研究之中，不断的更新人脸识别技术，以便系统的识别准确率达到新的高度。
第一节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.一技术可行性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。
图像的亮度变化，由于图像的亮度在不同环境的当中，必然受到不同光线的影响,图像就变得太暗或太亮，我们就要对它的亮度进行调整，主要采取的措施是对图像进行光线补偿.高斯平滑：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.灰度变换：进行灰度处理，我们要保证图像信息尽可能少的丢失。
同样在进行灰度变换前，我们也要对图像的信息进行统计，找出一个比较合理的灰度值，才能进行灰度变换。
灰度均衡：灰度变换后,就要进行灰度均衡，可以根据灰度分布来进行灰度均衡。
对比度增强：将所要处理的区域和周围图像区域进一步拉开他们的对比度,使它们更加明显,主要通过像素的聚集来实现。
二操作可行性该人脸识别软件需要如下的运行环境：CPU：500M及以上；内存：64 M及以上。
安装有Windows 98、Windows Me、Windows 2000、Windows NT等操作系统中的其中一种.另还装有摄像头可进行随机拍照和识别。
因此，从操作可行性来看,只要系统用户的硬件软件设备满足以上条件，即可用该人脸识别软件进行人脸的识别。
第二节需求分析一应用程序的功能需求分析该软件最主要的功能就是要能识别出人脸，首先该系统需要对通过摄像头拍照而获取到的原始的人脸图片进行一系列处理才可进行下一步的工作，该处理过程也称图像预处理。
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,只有预处理模块做的好，才可能很好的完成后面的人脸定位和特征提取这两大关键模块。
因此本设计中所要完成的主要功能如下所述：图像获取功能：该模块主要是从摄像头拍照后进行获取图片，也可以从图片库中获取，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.图像预处理功能：该模块主要包括图像光线补偿、图像变成灰色、高斯平滑、均衡直方图、实现图像对比度增强、二值化变换等。
人脸定位功能：该模块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，以便进行特征提取。
特征提取功能：该模块是在定位后的人脸图片中将眼睛、鼻子、嘴巴的特征值提取出来。
识别功能:该模块是将从图片中提取的特征值和后台数据库中的值进行比较来完成识别功能。