基于直方图的人脸识别实现本科毕业设计论文
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。
人脸识别论文

中文摘要摘要人脸识别技术属于生物验证的一种,在身份验证领域日益发挥重要作用,具有十分广泛的应用前景。
人脸检测和定位问题是人脸识别技术首先要解决的问题。
人脸检测算法是一个高效的、自动的人脸识别系统中的关键技术之一。
如今人脸检测问题已成为一个热门研究领域,新的算法不断被提出,不过由于人脸的复杂性,目前尚不能找到一个完美的算法。
在不同应用环境下,有不同的算法,本文针对应用于视频中人脸检测问题进行了研究,论文的主要工作如下:本文首先对人脸识别的任务提出了要求并阐述了其难点,结合其实现难度,提出一个能教快速的识别出图片中人脸的基于肤色的人脸检测算法,由于其一般适用性本文使用了RGB色彩空间,本算法将三维RGB空间映射为两维独立分布的空间。
在二维空间下,肤色类聚性好且符合高斯分布,利用人工阈值法将肤色与非肤色区域分开,形成二值图像。
非肤色区域中依然有可能有部分区域颜色与肤色相近,所以阈值分割后的图像依然存有部分假肤色区域,经过形态学处理和限制长宽比之后,可得到人脸区域。
在确定人脸区域后,我们需要在原图上对人脸区域进行标记,这里可通过找到一些关键点,作出矩形框标记人脸区域关键字:人脸识别,肤色检测,色彩空间,高斯分布,人脸检测- I -Abstract(英文摘要)AbstractFace recognition technology is biological validation of an increasingly important role in the field of authentication, a very wide range of applications. Face detection and face recognition technology positioning problem is to be solved first. Face detection algorithm is an efficient, one of the key technologies of automatic face recognition system. Now face detection has become a hot area of research, new algorithms constantly being made, but because of the complexity of the human face, is still unable to find a perfect algorithm. In different environments, there are different algorithms, this paper applies to video Face Detection conducted a study, the main work of this thesis is as follows:This paper proposes a face recognition task requirements and described its difficulties, combined with the difficulty of its implementation, proposes a can teach quickly identify the faces in the pictures Face detection algorithm based on skin color, because of its general applicability as used herein, the RGB color space, thisthree-dimensional RGB space mapping algorithm is a two-dimensional space of independent distribution. In two-dimensional space, color clustering is good and in line with the Gaussian distribution, the use of artificial threshold method to separate color and non-color area, forming a binary image.Non-skin area, there are still some regions may have similar color and skin color, the image thresholding is still there after part false color region, after morphological and restrictions aspect ratio obtained face region.In determining the face region, we need to face in the picture area mark, there may be some of the key points by finding made rectangle marked face regionKeywords: face recognition, color detection, color space, the Gaussian distribution, face detection- II -目录目录摘要 (I)ABSTRACT(英文摘要) (Ⅱ)目录 (Ⅲ)第一章绪论 (1)第二章需求分析 (3)2.1任务概述 (3)2.1.1 人脸识别完成的主要目标 (3)2.2需求规定 (3)2.2.1 对功能的规定 (3)第三章基于肤色检测的人脸识别及实现 (4)3.1人脸肤色建模 (4)3.1.1 色彩空间 (4)3.1.2 图片的修正处理 (5)3.1.3 人脸肤色模型 (5)3.1.4 特征的确定 (13)3.2各功能模块的实现 (14)3.2.1 打开图像模块 (14)3.2.2 脸和头发识别模块 (16)3.2.3 标记模块 (17)3.2.4 特征提取模块 (24)附录 (39)结束语 (63)参考文献 (64)致谢 (65)- III -第一章绪论第一章绪论随着科学技术的进步和社会的发展,对快速、有效辨别人身的需求越来越迫切。
基于直方图均衡化的人脸识别系统设计与实现

基于直方图均衡化的人脸识别系统设计与实现作者:聂倩倩秦润泽高育新胡欣宇来源:《物联网技术》2018年第07期摘要:针对提取人脸特征时光照干扰的问题,提出一套完备的抗光照人脸识别系统。
削弱光照影响可以从预处理与构建特征脸两个阶段考虑。
预处理阶段采用直方图均衡化图像处理技术,构建特征脸阶段选取光照锥方法进行光照补偿,以削弱系统中的光照影响。
从实现效果看,算法满足人脸识别的要求。
关键词:直方图均衡化;Eigenfaces;光照锥;表情识别中图分类号:TP391.41 文献标识码:A 文章编号:2095-1302(2018)07-00-020 引言近年来,人脸识别受到各界的广泛关注。
该技术是一种非接触式、简便的生理特征识别技术。
人脸识别主要采用几何特征、模板匹配、统计学等方法实现。
钱程采用深度多模型融合实现人脸识别[1]。
江伟等人对Ada Boost算法进行相应的改进[2],使其检测效果更佳。
常云翔采用深度学习算法解决了复杂光照人脸识别模型问题[3]。
这些方法在理想状态下已取得较好的效果,但仍有诸多问题急需解决。
本文采用光照锥法进行光照补偿,实现视频流的人脸识别。
1 系统整体框架本文人脸识别抗光照系统流程为:摄像头采集数据,将采集到的内容逐帧输入到人脸检测模块,对检测出的人脸进行预处理。
将预处理后的图像传送到人脸识别模块,输出识别结果。
具体实现过程如图1所示。
2 人脸检测在人脸检测前,首先应将视频逐帧输入的图像转化为灰度图像,并使用双线性插值法将其归一化处理,以提高人脸检测速率。
人脸检测模块由训练与检测两部分组成。
本文使用Ada Boost算法,采用OpenCV函数库中的Haar分类器,人脸检测模块利用如下函数:CascadeClassifier:CascadeClassifier()CascadeClassifier:detectMultiScale()3 图像预处理视频图像会受到光照等条件影响,本系统采用直方图均衡化调整图片的对比度,改善采集的数据质量。
基于深度学习的人脸表情识别系统设计毕业设计

基于深度学习的人脸表情识别系统设计毕业设计基于深度学习的人脸表情识别系统设计一、引言及背景介绍随着科技的发展和应用的普及,人脸表情识别技术在众多领域展现出巨大的潜力。
人类表情是一种非常丰富和重要的非语言信息传递方式,对于情感分析、心理研究、用户体验等领域都具有重要意义。
本篇论文旨在设计基于深度学习的人脸表情识别系统,以应用于相关领域。
二、人脸表情识别技术概述人脸表情识别技术是一种在数字图像处理和模式识别领域中广泛应用的技术。
它主要通过将人脸图像转化为数字数据,然后利用计算机算法对表情进行识别和分类。
传统的方法主要依赖于人工特征提取和分类器的组合,但这些方法往往需要大量的人工参与和特征工程,且对于复杂表情的识别效果较差。
三、深度学习在人脸表情识别中的应用深度学习作为一种强大的机器学习技术,近年来在人脸表情识别领域呈现出广阔的发展前景。
其具有自动特征学习和模式识别能力,通过大规模数据集的训练,可以有效地提取表情的高级特征,从而提高识别准确率。
深度学习模型中常用的有卷积神经网络(ConvolutionalNeural Network,简称CNN)和循环神经网络(Recurrent Neural Network,简称RNN)。
四、深度学习人脸表情识别系统的设计与实现1. 数据集准备采集包含多种表情的人脸图像数据集,并对其进行标注和预处理工作,以便于后续的训练和测试。
2. 基于CNN的特征提取使用卷积神经网络对人脸图像进行特征提取,通过多层卷积和池化操作,提取出图像的高级特征表示。
3. 数据增强对数据集进行增强操作,如镜像翻转、旋转、缩放等,以扩充数据集规模,提高模型的泛化能力。
4. 特征融合和分类将提取到的高级特征进行融合,并通过全连接层实现表情分类和识别。
5. 模型训练与验证使用已标注的人脸图像数据集对模型进行训练,并通过验证集进行模型调优和超参数选择。
六、实验结果与讨论在实验中,我们使用了XXX数据集进行训练和测试,得到了较为准确的人脸表情识别结果。
人脸识别毕业设计

人脸识别毕业设计人脸识别毕业设计随着科技的不断进步和人工智能的快速发展,人脸识别技术逐渐成为了现代社会中重要的一环。
无论是在安全领域、金融行业还是社交娱乐等各个领域,人脸识别技术都发挥着重要的作用。
因此,人脸识别成为了许多学生毕业设计的热门选题之一。
在人脸识别技术的设计中,首先需要进行人脸的检测和定位。
这一步骤是整个识别过程的基础,也是最关键的一步。
通过使用计算机视觉算法,可以对图像中的人脸进行准确的定位和标记。
在这个过程中,可以使用传统的算法,如Haar级联分类器或基于深度学习的方法,如卷积神经网络(CNN)。
接下来,需要进行人脸的特征提取。
通过提取人脸图像中的关键特征,可以将其转化为一组数字或向量表示。
这些特征可以包括人脸的轮廓、眼睛、鼻子、嘴巴等等。
传统的特征提取算法包括主成分分析(PCA)和线性判别分析(LDA),而现在越来越多的研究者开始使用深度学习算法,如卷积神经网络(CNN)和自编码器(Autoencoder)。
在特征提取之后,需要进行人脸的比对和识别。
这一步骤是整个人脸识别系统的核心。
通过计算两个人脸特征之间的相似度,可以判断它们是否属于同一个人。
常用的算法包括欧氏距离和余弦相似度。
此外,还可以使用支持向量机(SVM)和神经网络等机器学习算法来进行人脸识别。
然而,人脸识别技术并不完美。
在实际应用中,还会面临一些挑战和问题。
首先,光照条件的变化会对人脸识别产生影响。
不同的光照条件下,人脸的外观会发生变化,从而导致识别的准确性下降。
其次,姿态的变化也会对人脸识别造成困扰。
当人脸被旋转、遮挡或者出现侧脸时,识别的难度会增加。
此外,还有一些其他因素,如年龄、表情和妆容等,也会对人脸识别的准确性产生影响。
为了提高人脸识别的准确性和鲁棒性,研究者们正在不断探索和改进各种算法和技术。
例如,可以使用多尺度人脸检测算法来解决光照和姿态变化的问题。
同时,还可以使用深度学习算法来提取更丰富和鲁棒的人脸特征。
本科毕业论文图像处理在人脸识别中的应用

本科毕业论⽂图像处理在⼈脸识别中的应⽤图像处理在⼈脸检测中的应⽤摘要⼈脸识别,特指利⽤分析⽐较⼈脸视觉特征信息进⾏⾝份鉴别的计算机技术。
⼈脸识别技术应⽤⼴泛,与利⽤指纹、虹膜等其他⼈体⽣物特征进⾏⾝份识别的⽅法相⽐,⼈脸识别更加友好、⽅便和隐蔽,因此⼈脸识别越来越成为当前模式识别和⼈⼯智能领域的⼀个热点。
本⽂主要利⽤垂直积分投影和⽔平积分投影法对⼈脸进⾏定位,再采⽤PCA主元分析法进⾏⼈脸的特征提取,最后做出快速决策判断。
其中PCA主元分析是⼀种对数据进⾏分析的技术,可以有效的找出数据中最“主要”的元素和结构,去除噪⾳和冗余,将原有的复杂数据降维,揭⽰隐藏在复杂数据背后的简单结构。
因此,本⽂利⽤该⽅法能有效地提取头部轮廓,且操作简单,效率⾼。
将本⽂算法在MATLAB环境下对多幅⼈脸图像进⾏处理取得了较好的识别效果。
关键字:锐化,中值滤披,PCA,KL变换,⼈脸检测IMAGE PROCESSING APPLICATION IN FACEDETECTIONABSTRACTFace recognition, in particular to the analysis and comparison of visual features of face authentication information computer technology. Face recognition technology is applied widely, and the use of fingerprint, iris and other human biological feature identification methods, face recognition is more friendly, convenient and concealed, so face recognition more and more becomes the current field of pattern recognition and artificial intelligence of a hot.This paper mainly uses the vertical integral projection and horizontal integral projection method to locate human faces, then adopted PCA principal component analysis method for face feature extraction, and finally make a quick decision making. The PCA principal component analysis is a kind of data analysis technology, can effectively identify the data in the" main" elements and structure, the noise and redundancy, the original complex data dimension reduction, reveals hidden complexity in the data behind the simple structure. Therefore, this method can effectively extract the contour of the head, and has advantages of simple operation, high efficiency.The algorithm in MATLAB environment for the different face images are processed achieved better recognition results. KEYWARDS:sharpening, median filter phi, PCA, KL transform, face detection.⽬录摘要............................... I ABSTRACT .............................I I 1 ⼈脸识别. (2)1.1⼈脸识别的研究背景 (2)1.2⼈脸识别系统的组成及本⽂的主要研究⽅向 (3)2 ⼈脸图像的预处理与⼈脸器官的定位 (5)2.1⼈脸图像的预处理 (5)2.1.1 图像的采集 (5)2.1.2 锐化 (6)2.1.3 ⼆值化处理 (7)2.1.4 ⼈脸图像噪声去除 (8)2.2⼈脸器官的定位 (10)2.2.1 ⼈脸左右两端边界的测定 (10)2.2.2 ⼈脸的⽔平积分投影 (10)2.2.3 嘴中⼼点的确定 (11)2.2.4 ⼈脸中轴线的求取 (13)2.2.5 ⼈脸椭圆结构定位 (14)2.2.6 瞳孔的精确定位 (14)3 ⼈脸特征的提取 (16)3.1图像的⼏何规范化 (18)3.2图像的灰度规范化 (19)3.3基于PCA的⼈脸特征提取 (19)4 样本数据库的建⽴与⼈脸识别 (25)4.1样本库的建⽴⽅法与流程 (26)4.2样本库的管理 (26)4.3⼈脸识别 (27)4.4⼈脸识别结果错误分析 (28)结论 (29)参考⽂献 (30)致谢.......................错误!未定义书签。
基于谱直方图与支持向量机的人脸检测

大连理l:大学硕七学位论文分靠的,%的取值范围为0至lJ27r,考虑到Gabor滤波器的对称性,纯的实际取值范围为0到yr。
为了便于描述图像的局部特征,本文采用4个中心频率和6个方向组成的24个Gabor滤波器对人脸图像迸行滤波,如图2.3所示。
(a)人脸I!fI像(b)24个Gabor滤波器(c)经过Gabor滤波器滤波后的人脸图像图2。
3用Gabor滤波器对人脸图像进行滤波Fig.2.3FaceimagefilteredusingGaborfiltersk连理【:人学硕士学位论文大大提高,转换后图像的灰度分布也趋于均匀,为后续处理创造了有利条件。
经过直方图均衡化处理后的图像如图4.1(d)所示。
对训练集中的所有人脸和非人脸检测图像的每一个窗口都要进行预处理。
(a)原始图像㈣最小亮度平面(c)修正非均匀光照后的图像(d)直方图均衡化后的图像图4.1预处理过程Fig.4.1PrcprocⅨstages4.2样本选取4.2.1人脸样本的选取在选择人脸样本图库时要尽量使得图像具有代表性,本文算法使用ORL人脸库,并通过数码相机拍摄和从Interact上获取图像,允许脸部有小的遮盖,如眼镜、胡须等。
从图像数据库中获取人脸模式是枯燥乏味而又费时的工作,许多工作要手工完成。
人脸图像集是整个样本图像空间中的一个子空间,选择人脸样本要尽可能的描述人脸图像子空间在图像空间中的分布。
为了提高算法的分类性能,要收集不同大小、不同表情、不同面部特征、不同姿态和有眼镜、胡须等附属物的各种不同类型的人脸样本。
首先用手工方法切割出单张人脸图像,建立初始的人脸样本集。
为了得到更多的样本,并提高其旋转不变性和亮度可变性的能力,对初始人脸样本集中的部分图像进行了一些变换,例如水平镜像对称、旋转_100、尺寸大小缩放、减小对比度等,也可以将各种变化结合在一起,然后再剪裁对应的子图像,这样在增加样本数目的同时也可以提高系统的鲁棒性。
大学生毕业论文范文基于像处理与机器学习的人脸识别算法优化

大学生毕业论文范文基于像处理与机器学习的人脸识别算法优化在大数据时代的加持下,人脸识别技术逐渐进入人们的视野,并在各行各业中得到了广泛的应用。
特别是在像处理与机器学习等领域,人脸识别算法的优化成为研究热点之一。
本文将基于此探讨大学生毕业论文的范文,着重分析人脸识别算法的优化方法。
一、引言在现代社会中,人脸识别算法的应用逐渐普及,其广泛应用于安防监控、生物识别、社交媒体等领域。
然而,传统的人脸识别算法在一些场景下存在一些问题,如光线条件、角度变换、遮挡等。
为了解决这些问题,研究者们通过像处理与机器学习的方法对人脸识别算法进行优化。
二、人脸图像预处理人脸图像预处理是人脸识别算法优化的第一步。
在预处理过程中,需要对人脸图像进行灰度变换、直方图均衡化、图像增强等操作,以减小光线条件、角度变换等因素对人脸识别的影响。
1. 灰度变换通过将彩色图像转换为灰度图像,可以降低图像数据量,减小算法计算复杂度,并提高算法的鲁棒性。
2. 直方图均衡化直方图均衡化是一种常见的灰度图像增强方法,通过拉伸图像的灰度值分布,可以提高图像的对比度和清晰度。
3. 图像增强图像增强是通过对图像进行滤波、增强对比度等操作,以改善图像质量和增强图像的细节信息。
三、面部标定与特征提取面部标定与特征提取是人脸识别算法优化的关键步骤。
通过检测面部特征点和提取人脸特征,可以更准确地表示和刻画人脸信息。
1. 面部特征点检测面部特征点检测是通过检测面部的关键特征点(如眼睛、鼻子、嘴巴等)来确定特定人脸的位置和形状。
常用的方法包括Haar特征、人工神经网络、高斯混合模型等。
2. 人脸特征提取人脸特征提取是通过将人脸图像转换为一组数值向量,用于表示和刻画人脸的特征。
常用的方法包括主成分分析(PCA)、线性判别分析(LDA)、局部二值模式(LBP)等。
四、人脸识别分类算法人脸识别分类算法是人脸识别算法优化的核心环节。
通过选择合适的分类算法,可以提高识别的准确性和鲁棒性。
- 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)。
基于直方图的人脸识别实现 本科毕业设计论文 毕业设计(论文)原创性声明和使用授权说明 原创性声明 本人郑重承诺:所呈交的毕业设计(论文),是我个人在指导教师的指导下进行的研究工作及取得的成果。尽我所知,除文中特别加以标注和致谢的地方外,不包含其他人或组织已经发表或公布过的研究成果,也不包含我为获得 及其它教育机构的学位或学历而使用过的材料。对本研究提供过帮助和做出过贡献的个人或集体,均已在文中作了明确的说明并表示了谢意。 作 者 签 名: 日 期: 指导教师签名: 日 期:
使用授权说明 本人完全了解 大学关于收集、保存、使用毕业设计(论文)的规定,即:按照学校要求提交毕业设计(论文)的印刷本和电子版本;学校有权保存毕业设计(论文)的印刷本和电子版,并提供目录检索与阅览服务;学校可以采用影印、缩印、数字化或其它复制手段保存论文;在不以赢利为目的前提下,学校可以公布论文的部分或全部内容。
作者签名: 日 期: 学位论文原创性声明 本人郑重声明:所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加以标注引用的内容外,本论文不包含任何其他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡献的个人和集体,均已在文中以明确方式标明。本人完全意识到本声明的法律后果由本人承担。
作者签名: 日期: 年 月 日 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定,同意学校保留并向国家有关部门或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学位论文。 涉密论文按学校规定处理。
作者签名: 日期: 年 月 日 导师签名: 日期: 年 月 日 注 意 事 项 1.设计(论文)的内容包括: 1)封面(按教务处制定的标准封面格式制作) 2)原创性声明 3)中文摘要(300字左右)、关键词 4)外文摘要、关键词 5)目次页(附件不统一编入) 6)论文主体部分:引言(或绪论)、正文、结论 7)参考文献 8)致谢 9)附录(对论文支持必要时) 2.论文字数要求:理工类设计(论文)正文字数不少于1万字(不包括图纸、程序清单等),文科类论文正文字数不少于1.2万字。 3.附件包括:任务书、开题报告、外文译文、译文原文(复印件)。 4.文字、图表要求: 1)文字通顺,语言流畅,书写字迹工整,打印字体及大小符合要求,无错别字,不准请他人代写 2)工程设计类题目的图纸,要求部分用尺规绘制,部分用计算机绘制,所有图纸应符合国家技术标准规范。图表整洁,布局合理,文字注释必须使用工程字书写,不准用徒手画 3)毕业论文须用A4单面打印,论文50页以上的双面打印 4)图表应绘制于无格子的页面上 5)软件工程类课题应有程序清单,并提供电子文档 5.装订顺序 1)设计(论文) 2)附件:按照任务书、开题报告、外文译文、译文原文(复印件)次序装订 指导教师评阅书 指导教师评价: 一、撰写(设计)过程 1、学生在论文(设计)过程中的治学态度、工作精神 □ 优 □ 良 □ 中 □ 及格 □ 不及格 2、学生掌握专业知识、技能的扎实程度 □ 优 □ 良 □ 中 □ 及格 □ 不及格 3、学生综合运用所学知识和专业技能分析和解决问题的能力 □ 优 □ 良 □ 中 □ 及格 □ 不及格 4、研究方法的科学性;技术线路的可行性;设计方案的合理性 □ 优 □ 良 □ 中 □ 及格 □ 不及格 5、完成毕业论文(设计)期间的出勤情况 □ 优 □ 良 □ 中 □ 及格 □ 不及格 二、论文(设计)质量 1、论文(设计)的整体结构是否符合撰写规范? □ 优 □ 良 □ 中 □ 及格 □ 不及格 2、是否完成指定的论文(设计)任务(包括装订及附件)? □ 优 □ 良 □ 中 □ 及格 □ 不及格 三、论文(设计)水平 1、论文(设计)的理论意义或对解决实际问题的指导意义 □ 优 □ 良 □ 中 □ 及格 □ 不及格 2、论文的观念是否有新意?设计是否有创意? □ 优 □ 良 □ 中 □ 及格 □ 不及格 3、论文(设计说明书)所体现的整体水平 □ 优 □ 良 □ 中 □ 及格 □ 不及格
建议成绩:□ 优 □ 良 □ 中 □ 及格 □ 不及格 (在所选等级前的□内画“√”)
指导教师: (签名) 单位: (盖章) 年 月 日 评阅教师评阅书 评阅教师评价: 一、论文(设计)质量 1、论文(设计)的整体结构是否符合撰写规范? □ 优 □ 良 □ 中 □ 及格 □ 不及格 2、是否完成指定的论文(设计)任务(包括装订及附件)? □ 优 □ 良 □ 中 □ 及格 □ 不及格 二、论文(设计)水平 1、论文(设计)的理论意义或对解决实际问题的指导意义 □ 优 □ 良 □ 中 □ 及格 □ 不及格 2、论文的观念是否有新意?设计是否有创意? □ 优 □ 良 □ 中 □ 及格 □ 不及格 3、论文(设计说明书)所体现的整体水平 □ 优 □ 良 □ 中 □ 及格 □ 不及格
建议成绩:□ 优 □ 良 □ 中 □ 及格 □ 不及格 (在所选等级前的□内画“√”)
评阅教师: (签名) 单位: (盖章) 年 月 日 教研室(或答辩小组)及教学系意见 教研室(或答辩小组)评价: 一、答辩过程 1、毕业论文(设计)的基本要点和见解的叙述情况 □ 优 □ 良 □ 中 □ 及格 □ 不及格 2、对答辩问题的反应、理解、表达情况 □ 优 □ 良 □ 中 □ 及格 □ 不及格 3、学生答辩过程中的精神状态 □ 优 □ 良 □ 中 □ 及格 □ 不及格 二、论文(设计)质量 1、论文(设计)的整体结构是否符合撰写规范? □ 优 □ 良 □ 中 □ 及格 □ 不及格 2、是否完成指定的论文(设计)任务(包括装订及附件)? □ 优 □ 良 □ 中 □ 及格 □ 不及格 三、论文(设计)水平 1、论文(设计)的理论意义或对解决实际问题的指导意义 □ 优 □ 良 □ 中 □ 及格 □ 不及格 2、论文的观念是否有新意?设计是否有创意? □ 优 □ 良 □ 中 □ 及格 □ 不及格 3、论文(设计说明书)所体现的整体水平 □ 优 □ 良 □ 中 □ 及格 □ 不及格
评定成绩:□ 优 □ 良 □ 中 □ 及格 □ 不及格 教研室主任(或答辩小组组长): (签名) 年 月 日
教学系意见: 系主任: (签名) 年 月 日 目录 1绪论 ------------------------------------------------- 3 1.1 研究背景 ------------------------------------------------------------------------------------------------------------ 3 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系统识别的构成 --------------------------------------------------------------------------------------------------- 4
2图像处理的MATLAB实现 -------------------------------- 5
2.1 MATLAB简介 ------------------------------------------------------------------------------------------------------- 5 2.2数字图像处理及过程 -------------------------------------------------------------------------------------------- 5 2.2.1图像处理的基本操作 ------------------------------------------------------------------------------------ 5 2.2.2图像类型的转换 ------------------------------------------------------------------------------------------ 5 2.2.3图像增强 ---------------------------------------------------------------------------------------------------- 5 2.2.4边缘检测 ---------------------------------------------------------------------------------------------------- 6 2.3图像处理功能的MATLAB实现实例 ------------------------------------------------------------------------ 6
3 人脸图像识别计算机系统 ------------------------------ 8
3.1系统基本机构 ------------------------------------------------------------------------------------------------------ 8 3.2人脸检测定位算法 ------------------------------------------------------------------------------------------------ 8 3.3人脸图像的预处理 ---------------------------------------------------------------------------------------------- 11 3.3.1 仿真系统中实现的人脸图像预处理方法 -------------------------------------------------------- 12