毕设-人脸识别-开题报告

毕业设计开题报告

1．本课题的研究意义，国内外研究现状、水平和发展趋势：

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。

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。

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。

2．本课题的基本内容，预计可能遇到的困难，提出解决问题的方法和措施：

本课题的主要内容是图像预处理,它主要从摄像头中获取人脸图像然后进行处理,以便提高定位和识别的准确率.该模块主要包含光线补偿、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。

·课题难点在于：

（1）由于在拍摄的过程中有光线的影响,会导致拍摄出的相片色彩不均匀,因此会给光线补偿工作带来困难.

（2）在编程的过程中,算法可以在网上和书上找到,但是具体的实现有困难

3．工作进度和日程安排：

第 1 周～第 2 周：调研、资料查询、外文翻译

第 3 周：可行性分析阶段

第 4 周～第 5 周：需求分析阶段

第 6 周：概要设计阶段

第 7 周～第 8 周：详细设计阶段

第 9 周～第10周：编码阶段

第11周：测试阶段

第12周～第13周：写文档

4．本课题拟采用的研究方案和可行性分析：

（1）研究方案：

a 图像文件格式选择

在设计的过程中，为了定位和特征提取的方便，我们采用的是24位位图。

b 开发工具选择

本次设计所用的开发工具是Microsoft Visual C++ 6.0。 Visual C++ 6.0是Microsoft 公司推出的一种可视化编程工具。它支持多平台和交叉平台的开发，将各种编程工具如编辑器、连接器、调试器等巧妙的结合在一起，构成一个完美的可视化开发环境。用户无需通过繁杂的编程操作，即可完成Windows下应用程序的编辑、编译、测试和细化等工作。

c 算法选择分析

本文主要研究的对象是图像预处理模块，该模块分为光线补偿、图像灰度化、高斯平滑、图像对比度增强、均衡直方图，每个小模块的实现都有许多相应的算法。下面将本系统采用的算法进行介绍：

·光线补偿：由于光线原因，所照的图像可能会存在光线不平衡的情况而造成色彩偏差，为了抵消这种整个图像中存在的色彩偏差，本系统采用的解决方法是：将整个图像中的所有像素的亮度从高到低进行排列，取前5%的像素，然后线性放大，使这些像素的平均亮度达到255。实际上就是调整图片像素的RGB值。

·图像灰度化：图像灰度化是将图像变成灰色，本系统中采用以下步骤来实现图像的

灰度化：彩色转换成灰度、灰度比例变换、灰度线性变换、灰度线性截断、灰度取反。

·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。但是如果平滑不当，就会使图像本身的细节如边界轮廓、线条等变的模糊不清，为了既平滑掉噪声有尽量保持图像细节，本系统采用高斯平滑。

·均衡直方图：使用该模块的目的是通过点运算使输入转换为在每一灰度级上都有相同的像素点数的输出图像。它的实现主要是利用灰度均衡的转换式

D B= f （D A）=

DMax H（u）du 。（式1）

A0

·图像对比度增强：为了将图像的特征一步一步显现出来，需要进行图像的对比度增强，它主要通过对图像的灰度值进行统计，对于小于Low则认为是有关的信息，则将它作为黑色处理，对于处于High以上的则认为是一些无关的信息，将它们去掉，而处于两者之间的，则进行对比度增强，将他们在总的灰度值里面的比例作为新的像素信息保存起来。（2）技术可行性分析：

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，图像就变得或暗或太亮，我们就要对它的亮度进行调整，主要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。