用VC++语言开发人脸识别系统

摘 要

　　人脸识别技术作为一种极具有发展潜力的生物特征识别技术，在信用卡验证、视频会议、医学、档案管理、人机交互、公安系统中的罪犯识别等领域有着广泛的应用。由于人脸识别具有直接、方便、非侵犯性和用户友好等诸多优点，使其成为当前模式识别和人工智能领域非常活跃的一个研究方向。最近几十年,国内外许多研究学者都对人脸识别进行了大量的研究工作，并提出了很多实用有效的人脸识别算法。典型的人脸识别系统包括:人脸图像检测、特征提取、图像匹配和识别三部分。

　　本文主要对静止图像的人脸识别进行了深入研究，主要涉及到如下几方面：

　　1.详细的介绍了一维和二维的 Gabor 小波变换的方法，并通过计算验证了通过对 Gabor 滤波器参数的选择来表示人脸图像。深入研究了利用二维 Gabor小波变换进行人脸特征提取的理论方法，在特征提取方面对传统的基于 Gabor滤波器的人脸特征提取方法进行改进，提出了一种基于人脸有效区域的 Gabor特征抽取算法。该方法首先将人脸图像经遮罩模板掩模，获取有效人脸区域，在有效区域内进行象素的 Gabor 特征抽取，对于有效区域外没有任何价值的像素区域，我们将其舍弃，这样就大大降低了人脸识别的时间和空间复杂度。经多次验证表明，该方法能够有效降低人脸特征向量维数，同时，具有与传统Gabor特征抽取算法同等的鲁棒性。

　　2.通过分析，提出了基于最佳 Gabor 特征的人脸识别的方法。该方法结合了人脸有效区域特征提取算法，利用遮罩模板提取眼睛、眉毛、鼻子和嘴唇所包含的人脸识别相关的主要信息，同时选取关键点并进行 Gabor 下采样，再利用主成分分析（PCA）方法对下采样后的 Gabor 特征进一步降维，然后再采用线性鉴别分析（LDA）方法进行压缩和特征选择。

　　3.本文所设计的人脸识别系统是在 Windows XP 系统的 Visual C++6.0 开发平台下实现的，并较为详细地介绍了系统主要部分的功能。Visual C++6.0 提供的高度可视化的应用程序开发工具和丰富的 Microsoft 基本类库(MFC 库)，可使应用程序开发变得更加简单。

　　关键词：人脸识别,特征提取算法,Gabor 滤波器,Gabor 小波变换

Abstract

　　Face recognition technology as a kind of extremely has the potential of development in biometric technology, video conference, credit card verification, medical, file management, human-computer interaction, public security system of criminal identification field in a wide range of applications. Due to face recognition has direct, convenient, non-invasive and user friendly, and many other advantages, make it become the current pattern recognition and the field of artificial intelligence a very active research direction. In recent decades, many domestic research of face recognition of scholars have done a lot of research work, and puts forward a lot of practical and efficient face recognition algorithm. The typical face recognition system includes: face image detection, feature extraction, image matching and identification of three parts.

　　This thesis mainly for still images of face recognition is studied, the main involves the following aspects:

　　1.This thesis describes in detail a one-dimensional and two-dimensional Gabor wavelet transform method, and proved by calculation of Gabor filters through the selection of parameters to show facial image. A deep research using 2D Gabor wavelet transform the face of feature extraction method, on feature extraction theory of the traditional Gabor filter based on the face and improvement of the method of feature extraction is proposed based on the face of the valid area Gabor feature extraction algorithm. This method firstly will face image via masks template masking, obtain valid face region within the valid area, in the pixels Gabor feature extraction, outside the territory for effective without any value pixel region, we abandon it, thus greatly reduces the face recognition of time and space complexity.

　　After repeated experiments show that this method can effectively reduce the face feature vector dimension, meanwhile, has Gabor feature extraction algorithm with traditional same robustness.

　　2.This thesis put forward through the analysis, based on the best Gabor characteristics of face recognition method. This method combines the third chapter of face effective mentioned feature extraction algorithm, using regional masks template extraction, eyebrow, nose and eyes lips contains the main face recognition related information, and at the same time selecting Gabor point and sampling, and then under the principal component analysis (PCA) under the method of sampling Gabor characteristics after further dimension reduction, and then using linear differential analysis (LDA) methods are compressed and feature selection.

　　3.This design of face recognition system is based on WindowsXP system in the Visual C++ 6.0 development of lans implementation, and introduces the system detail major parts of the function. Visual C++ 6.0 provide height visualization of application development tools and rich Microsoft Foundation Classes library (MFC library), can make the application development become more simple.

　　Key Words: face recognition, algorithm of feature extraction, Gabor filter , Gabor wavelet transform

　　人脸识别的研究历史悠久。从有人类以来，人们就通过对人脸的辨识来判断人的身份。但由于相关理论基础、技术能力和应用需求等原因的影响，直到二十世纪中期，才得到了学术界的广泛关注。近年来，随着社会的发展以及科学技术的突飞猛进，计算机视觉技术和模式识别技术的高速发展，人脸识别技术已经成为视觉和识别领域内的一项热门课题。在美国“9.11”恐怖袭击后，人们对信息的隐蔽性和安全性越来越重视，那么如何突破传统的身份验证和识别方法（证件、密码、钥匙、智能卡等），能够更方便、准确和有效地进行身份识别，就成为人们关注的焦点。

　　人脸识别技术是基于生物特征的识别方式，是人类视觉最杰出的能力之一，它的研究涉及很多领域，如图像处理、模式识别、人工智能等。与指纹识别、虹膜识别、声音识别等特征相比，人脸识别具有方便、直接、友好、主动、自然等优点，同时在不干扰被测者的前提下即可获得其面部图像，对于被测者来说没有任何的心理障碍，而且整个系统无需特定的采集设备，成本也比较低，使得人脸识别技术逐渐得到了人们的接受。目前很多国家的研究机构和学校以及商业公司从事人脸识别相关的研究，并在 20 世纪末有了较快速的发展。

　　早在十九世纪末有一位法国人在报刊杂志上刊登了一篇关于如何采用人脸特征来识别身份的报道。直到二十世纪末期，人脸识别技术才有了根本性的突破。

　　人脸识别技术的发展主要经历了以下三个阶段[1] [2]：

　　第一阶段主要研究简单背景中的人脸的识别和人脸识别过程中所需要的面部特征。Bledsoe 的研究被认为是人脸识别研究的开端，在二十世纪六十年代中后期，利用人脸器官的局部特征来描述人脸，但这种方法仅对变形较小的正面人脸有一定的效果。到了二十世纪七十年代就有研发人员利用电脑搭建了质量较高的人脸灰度图模型，此阶段脸图识别过程几乎完全离不开操作人员，所构建的系统还不能自动完成识别任务。但对设计机器识别人脸算法和系统的工程师们起到了重要的引导作用。

　　第二阶段主要研究的是人机交互式的人脸识别。Lesk 和 Harmon 采用几何特征参数及多维特征向量共同描述人脸图像信息，同时基于这种思想开发了图像识别系统[3] [4]。Kobayashi 和 Kaya 将统计识别的相关理论融入人脸识别中，并采用欧式距离来描述面部特征，比如嘴唇和鼻子的距离等等[5]。Stonham 提出了一种单隐层的自适应神经网络来进行人脸识别和表情分析，每一个人对应一个网络。这个阶段并没有摆脱人的干预，还是需要操作员的某些先验知识。

　　第三阶段是机器自动识别阶段。进入二十世纪九十年代，随着计算机配置的不断提高，运算速度和效率也不断加快，以及图像采集加工能力的提高，人脸识别方法有了重大突破。不仅能自动识别正面的、光照良好的、没有遮挡的人脸，而且对不同姿态变化、不同表情、不同年龄阶段、不同光照条件的人脸也能进行识别。这一阶段研究人员提出了很多人脸自动识别的方法，在一定程度上带动了人脸识别技术的发展。

　　当前很多国家展开了有关人脸识别的研究，主要有美国，欧洲国家，日本等，着名的研究机构有美国麻省理工大学(MIT)媒体实验室和人工智能实验室、美国卡耐基梅隆大学 (CMU)的机器人研究所、法国 INRIA 研究院、美国伊利诺斯大学 Beckman 研究所和 Microsoft ResearehAsia Face Group。

　　美国国家标准技术局（NIST）举办的(Face Recognition Vendor Test 2006，简称 FRVT2006)通过大规模的人脸数据测试表明，当今世界上人脸识别的一些方法的识别精度已经超过人类的平均水平。而对于高清晰、高质量人脸图像识别，机器的识别精度几乎达到百分之百。

　　我国在人脸识别领域的研究虽然起步相对较晚，但是进展迅速，很多研究机构、高等院校及多家 IT 公司都成立了人脸识别技术的研究小组，如华中科技大学、国防科学技术大学、武汉大学、北京交通大学，上海银晨智能识别科技有限公司等等，都取得了一定的成果。由中科院自动化所的科研人员历时近一年研发的人脸识别信息比对系统，开创性地将国际先进的人脸识别技术引入奥运安保，实现了奥运会开闭幕式对门票持有者进行实名制查验和人员身份识别的功能，为奥运安保大系统提供了决策支持依据。863 计划、国家科技支撑计划、自然科学基金都拨出专款资助人脸识别的相关研究。我国的人脸识别技术正处在高速发展时期，在识别率和识别速度上也达到了举世瞩目的水平。

　　用VC++语言开发人脸识别系统：

人脸图像采集的操作界面

身份验证系统见面

身份识别系统界面

目 录

　　第 1 章 绪论
　　　　1.1 人脸识别的研究背景和意义
　　　　1.2 人脸识别的发展历史及国内外现状
　　　　　　1.2.1 人脸识别的发展历史
　　　　　　1.2.2 人脸识别的国内外现状
　　　　1.3 人脸识别的研究内容及方法
　　　　　　1.3.1 人脸识别的研究内容
　　　　　　1.3.2 人脸识别的研究方法
　　　　1.4 人脸识别的技术难点
　　　　1.5 本文的主要研究内容与章节安排
　　第 2 章 人脸识别的相关理论
　　　　2.1 人脸图像的预处理
　　　　　　2.1.1 图像归一化
　　　　　　　　2.1.1.1 几何归一化
　　　　　　2.1.2 图像二值化
　　　　2.2 人脸图像特征的提取和选择
　　　　　　2.2.1 人脸图像特征的提取
　　　　　　2.2.2 人脸图像特征的选择
　　　　2.3 人脸图像特征的匹配与分析
　　　　　　2.3.1 人脸图像特征的匹配
　　　　　　2.3.2 人脸图像特征的分析
　　　　2.4 本章小结
　　第 3 章 基于 Gabor 小波变换的人脸特征提取算法
　　　　3.1 Gabor 小波变换理论分析
　　　　　　3.1.1 小波变换
　　　　　　3.1.2 小波变换的 Mallat 快速算法
　　　　3.2 二维 Gabor 滤波器
　　　　　　3.2.1 二维 Gabor 滤波器的参数选择
　　　　　　3.2.2 二维 Gabor 滤波器的特性分析
　　　　3.3 人脸 Gabor 特征提取算法及其改进
　　　　　　3.3.1 人脸 Gabor 特征提取
　　　　　　3.3.2 基于 Gabor 的人脸有效区域特征提取算法
　　　　3.4 基于 Gabor 小波变换的人脸图像多分辨率分解与重建
　　　　3.5 小波分解层数的确定
　　　　3.6 本章小结
　　第 4 章 基于最优 Gabor 特征的人脸识别
　　　　4.1 算法的基本思想
　　　　4.2 人脸图像有效区域的确定
　　　　4.3 关键点的选取和下采样
　　　　4.4 利用 Gabor+PCA+LDA 进行特征选取和分析
　　　　4.5 实验的结果与分析
　　　　4.6 本章小结
　　第 5 章 系统的设计与实现
　　　　5.1 系统概述
　　　　　　5.1.1 系统的硬件与软件运行环境
　　　　　　5.1.2 系统采用的人脸识别算法
　　　　　　5.1.3 系统主要功能与特点
　　　　5.2 系统工作模式
　　　　5.3 系统实现
　　　　　　5.3.1 人脸图像采集
　　　　　　5.3.2 系统框架结构
　　　　5.4 系统界面
　　　　　　5.4.1 人脸图像采集操作界面
　　　　　　5.4.2 身份验证系统界面
　　　　　　5.4.3 身份识别系统界面
　　　　5.5 实验结果与分析
　　　　5.6 本章小结
　　第 6 章 总结与展望
　　　　6.1 总结
　　　　6.2 展望
　　致 谢
　　参考文献
　　攻读学位期间发表的学术论文及参加科研情况

（如您需要查看本篇毕业设计全文，请您联系客服索取）