PAGE\*MERGEFORMAT202020年4月19日基于PCA的人脸识别研究报告文档仅供参考课程设计设计课程：模式识别题目基于PCA方法的人脸识别学生姓名学号学院专业指导教师年12月25日目录摘要课程设计目的…………………..………………….…………3课程设计要求………………….………………………….….3题目分析…………………………………………….………..3总体设计……………….…………………………….……….3具体设计……………………………………………..…….…46.1、创立数据库…………………………..…………………………46.2、计算特征脸…………………………………..…………………56.3、人脸识别......................................................................................6结果分析………………….……………………....................9心得体会…………………………….………………………9参考文献…………………………….………………………10摘要随着人类社会的进步，以及科技水平的提高，一些传统的身份认证的方法逐渐暴露出各种问题，因此人们需要采用一种更加可靠安全的身份认证方法。毫无疑问人体的生物特征的独一无二的，特别是其不容易丢失及复制的特性很好满足了身份识别的需要。而且随着计算机科学技术和生物医学的发展使得利用生物特征识别成为了可能。因此基于指纹、人脸、视网膜等生物特征的识别方法也越来越多。由于人脸识别的操作快速简单，结果直观，准确可靠，不需要人的配合等优点已成为人们关注的焦点。主成分分析（PCA）法经过提取高维度的人脸图像的主元，使得图像在低维度空间中被处理来降低了图像处理的难度。由于其有效的解决了图像空间维数过高的问题，已经成为人脸识别领域非常重要的理论。此次研究的就是基于PCA的人脸识别算法的实现。本文按照完整人脸识别流程来分析基于PCA的人脸识别算法实现的性能。首先使用常见的人脸图像的获取方法获取人脸图像。本文为了更好的分析基于PCA人脸识别系统的性能分别选用了Essex人脸数据库和ORL人脸库，并在后期采用了自建的人脸库。接下来是人脸图像预处理方法。由于采用的人脸图像质量较好，而且已经做过相应的预处理，因此本文试验中只使用灰度处理。接着使用PCA提取人脸特征，使用奇异值分解定理计算协方差矩阵的特征值和特征向量以及使用最近邻法分类器欧几里得距离来进行人脸判别分类。在实验中我们发现基于PCA的人脸识别系统的识别率很高，而且具有一定鲁棒性，因此基于PCA的人脸识别算法的实现的研究还是有意义。【关键词】人脸识别PCA算法欧几里得课程设计的目的介绍基于PCA的人脸识别算法的实现，先介绍PCA算法的理论基础，其次介绍了其在数字图像领域的应用，最后结合具体研究详述了研究过程。课程设计的要求1:一张新的图片也表示为d的向量，记为D，D的大小1×n2:D乘以上面训练得到的T,得到这个图片向量D在T下的投影向量P，p的大小1×k。3:计算p与上面所有的pn的向量距离，与p最小的那个向量所对应的人脸图片跟这张新人脸图片最像。题目分析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，首先该系统需要对经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：1）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，也能够从图片库中获取，获取后的图片能够在软件的界面中显示出来以便进行识别。2）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。3）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。4）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。5）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。四、总体设计主成分分析为一种统计学中特征提取方法，在实际中应用的非常广泛。PCA是经过提取原始数据的主元来减少数据的冗余，使数据在低维度的空间中被处理，同时它还能很好保持了原始数据的绝大部分信息，有效的解决了由于空间维数