学院：
自动化学院 王建华
专业班级： 自动化 1005 班
学号： 0121011360501
姓名：
毕业设计（论文）题目：
人脸识别系统的研究与实现
任务书含以下方面的内容： （一） 设计（论文）主要内容：
OpenCV 是一个开源的跨平台计算机视觉库，可实现图像处理和计算机视觉方面的很多通用算法。OpenCV 给人脸识别提供了一整套图像处理以及图像与模式分析函数，可迅速完成人脸的识别和检测。本研究希望利用 OpenCV 库，开发一个人脸识别系统，能够辨认出 6-8 个人脸，并有相应的反应。 （二） 要求完成的主要任务：
1、查阅不少于 15 篇的相关资料，其中英文文献不少于 2 篇，完成开题报告。 2、通过对资料的阅读，深入了解 OpenCV 库以及人脸检测与识别的相关算法。 3、利用 OpenCV 库实现人脸检测与识别算法。
4、完成不少于 2 万英文（5000 汉字）印刷符的英文文献翻译。 5、完成毕业论文（设计说明书和相关图纸）。 （三） 进度安排
第 1-2 周：查阅相关文献资料，明确研究内容，了解研究所需硬件和软件。确定方
案，完成开题报告。
第 3-4 周：安装软件，学习熟练应用软件 OpenCV。第 5-7 周：学习 OpenCV 库中的相关函数。
第 8-10 周：利用 VS2010 软件编程，熟练掌握 OpenCV 的各种相关功能。第 10-12 周：OpenCV 程序的修改，调试。 第 13-14 周：修改并完成毕业论文。第 15 周：准备论文答辩。 (四) 必读参考资料及主要参考文献
[1] （美） 布拉德斯基（Bradski G.），（美） 克勒（Kaehler A.），于仕琪， 刘瑞祯．学习 OpenCV（中文版）[M]．清华大学出版社，2009：601.
[2] 张宏林．Visual C++数字图像模式识别技术及工程实践[M]．北京：人民邮电出版社，2003．
[3] 刘瑞祯，于仕琪．OpenCV 教程（基础篇），北京：北京航空航天大学出版社，2007：243-402．
[4]Sonka Milan， Hlavac Image ． Processing，Vision[S]．Vaclav Nelson Engineering，2007-04．
指导教师签名： 系主任签名： 院长签名（章）：
Analysis and Machine 年 1 月 26 日年 月 日 年 月 日
本科生毕业设计（论文）开题报告
学 生 姓 名：
王建华 梁红、讲师 自动化学院 自动化 1005 班
导师姓名、职称：
所 属 学 院：
专 业 班 级：
设计(论文)题目：人脸识别系统的研究与实现
2014 年 3 月 16 日
1、目的及意义（含国内外的研究现状分析）
人脸识别技术是包括人脸检测和人脸身份认证技术在内的识别技术，人脸检测是根据所获得视频或者图片信息，利用图像处理和计算机视觉相关算法， 从图像中判断是否有人脸，并给出存在人脸的数量和位置，更进一步的是通过脸与脸的匹配识别人脸的身份。
人脸识别技术的研究无论在理论上还是在实践中都有很大的意义，它涵盖了数字图像处理、神经网络、心理学、生理学、模式识别、计算机视觉以及人工智能等各方面的知识内容，对推动各个学科领域的发展具有重要的理论意义。在公安、金融、网络安全、物业管理以及考勤等各种领域也都有着巨大的应用价值。如人脸识别技术可以快速地计算出实时采集到脸部数据与人脸图像数据库中已知人员的脸部数据之间的相似度，返回鉴别结果和相对应的可信度。如应用面像捕捉，人脸识别技术可以在监控范围中跟踪一个人并确定他的位置。如在商场、银行、交易所等和金融相关场所，加以人脸识别智能监控，排除不法分子的侵入。利用人脸识别技术，可以进行计算机的登录控制，可以进行应用程序安全使用、数据库安全访问和文件加密，可以实现局域网和广域网的安全控制，可以保护电子商务的安全性。如门禁控制，通过摄像机动态捕获人脸, 将人脸信息同数据库中的人脸信息进行检索对比,只有图像信息符合的人才可以进入,否则拒绝进入。在日常生活中，人们识别周围的人用的最多的是人脸。由于人脸识别的非侵犯性，具有直接、友好、方便的特点，是人们最容易接受的身份鉴别方式。
模式识别技术早在上个世纪 60 年代就已经有人提出，由于当时计算机处理速度的限制，只能从理论上证明是可行的。20 世纪 90 年代以来,随着高速度高性能计算机的出现,人脸识别方法有了重大突破，进入了真正的机器自动识别阶段,人脸识别研究也得到了前所未有的重视。欧美等各高校都建立了人脸识别的实验室，其中著名的大学包括麻省理工学院（MIT）、卡内基·梅隆大学（CMU）等。在美国主要有麻神理工学院等研究实验室提出的特征人脸对特征空间的投影来实现；在法国已经把人脸识别身份认证技术应用到自助取款机上，在实际使用时需要用一台 3D 摄像机，采集人的立体影像来鉴定身份。目前，美国许 多研究小组相继投入到人脸识别方面的研究工作，他们的研究工作得到了美国军方、警方和大公司的资助，进展迅速。美国军方更是在每年组织人脸识别大赛(FERT)，以促进人脸识别的研究。日本 sony 公司最新推出的数码相机已经整合了人脸自动识别功能，在拍照时，可以自动检测出人脸区域并进行对焦，并且还具有识别笑脸的功能，能够自动检测出笑脸。2007 年 3 月，美国 NIST 报告了 2006 年人脸识别供应商评测（FRVT2006）结果，对控制光照条件下的极高分辨率正面人脸图像，最小错误接受率为 0.001 时，最小错误拒绝率已达到 0.01，对高分辨率、低分辨率下的正面人脸图像的识别，这个数据也分别达到了 0.021 与 0.024。在一定条件，有些技术甚至超过了人类的人脸识别力。
国内对于人脸识别的研究较之国外稍晚一些，但是发展速度很快，同时， 国家对人脸识别技术的研究也给予了高度的重视。九十年代中后期以来，国内众多研究机构的研究组在国家自然科学基金、863 计划等资助下开始对人脸识别进行了研究。其中，具有代表性的人脸识别系统有：清华大学电子系丁晓青教授研究小组开发的 THfaceID 系统；中国科技大电子科学与技术系庄镇泉教授研究小组开发的人脸识别考勤系统（KD-Face2.0）；中科院计算所高文研究组开发的 GodEye 系统；清华大学电子系苏光大教授研究小组开发的大型人脸综合识别系统；中科院自动化所李子青研究小组开发的人脸识别系统等。2008 年，在北京奥运会及残奥会开闭幕式，使用了由 CBSR 研制的人脸识别技术进行实名制门票查验。在奥运会及残奥会开闭幕式中，约 36 万人次经过了人脸识别系统的验证后进入开闭幕式现场。为奥运会的安保工作做出了巨大的贡献，该技术拥有完全独立自主的知识产权，人脸识别系统的性能优良，在国际上亦处于领先地位。2011 年 1 月，由台湾政府资助开发出了新型的人脸识别自动售货机，该机器可以应用在某些特殊商品的销售领域中，如保健产品、面膜、剃须刀等，该人脸识别自动售货机可以根据消费者面部的特征向其推荐特定的商品。同时，人脸识别技术也可以帮助解决很多社会问题，比如，目前的解救乞讨儿童的公益活动。其中，以中科院自动化所免费提供人脸识别相关的技术支持，并与多个网络平台合作尽快的付诸于实践。
2、基本内容和技术方案
人脸识别系统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。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。
人脸识别系统的基本功能包括图像获取功能、图像预处理功能、人脸跟踪定位功能。图像获取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。图像预处理模块主要包括图像光线补偿、图像灰度化、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。
在用 VS2010 开发的项目中，只要正确安装 OpenCV，并在自己开发的应用程序中正确配置和 OpenCV 的连接，就可以直接调用它的视频捕获和图像处理函数，获取图像和图像预处理。图像预处理后，人脸图像得到增强，进行人脸检测时，受光的影响得到减轻，然后利用肤色和 Adaboost 算法进行人脸检测。人脸定位是将典型的脸部特征标记出来，在本系统中，定位的特征是眼睛，鼻尖和嘴巴三个。由于眼睛具有对称性，因此可以很快就能标记出来，而鼻子是在眼睛下面，且嘴巴在鼻子下面，所以只要眼睛标记好，鼻子和嘴巴也能相应的标记出来。
在运动区域提取阶段，考虑摄像机输入的一个图像序列。假定在图像中要检测的人物处于运动状态，而背景则保持不变，那么通过相邻两帧图像进行差分运算，可以舍弃图像中保持不变的部分，保留发生变化的部分。这样做可以有效地保留人脸的候补区域，去除大部分的背景区域，尤其是那些颜色和人类的肤色相同或相近的背景区域，把人脸从复杂背景下分离出来。
所以最后技术方案确定为直接使用 VS2010 调用 OpenCV 的视频捕获和图像处理函数获取图像和图像预处理，再利用肤色和Adaboost 算法进行人脸检测， 最后将人脸特征标记出来。
3、进度安排
第 1-3 周：查阅相关文献资料，明确研究内容，了解研究所需硬件和软件。确定方案，完成开题报告。
第 3-4 周：安装软件，学习熟练应用软件 OpenCV。第 5-7 周：学习 OpenCV 库中的相关函数。。
第 8-10 周：利用 VS2010 软件编程，熟练掌握 OpenCV 的各种相关功能。第 10-12 周：OpenCV 程序的修改，调试。 第 13-14 周：修改并完成毕业论文。第 15 周：准备论文答辩。
4、阅读的参考文献
[1]（美） 布拉德斯基（Bradski G.），（美） 克勒（Kaehler A.），于仕琪， 刘瑞祯．学习 OpenCV（中文版）[M]．清华大学出版社，2009：601. [2] 张宏林．Visual C++数字图像模式识别技术及工程实践[M]．北京：人民邮电出版社，2003．
[3] 刘瑞祯，于仕琪．OpenCV 教程（基础篇），北京：北京航空航天大学出版社，2007：243-402．
[4] Sonka Milan， Hlavac Image ． Processing， Analysis and Machine Vision[S]．Vaclav Nelson Engineering，2007-04．
[5] 边肇祺，张学工．模式识别(第二版)[M]．北京：清华大学出版社，176-228． [6] 徐慧．Visual C++数字图像实用工程案例精选[M]．北京：人民邮电出版社，96- 170，2004．
[7] 周长发．精通 Visual C++图像处理编程[M]．北京：电子工业出版社，130-163， 2004．
[8] (美) Sara Ford 著 , 谢俊译．Visual Studio 程序员箴言[M]．北京：人民邮电出版社，2010．
[9] 黄朝兴．人脸识别系统的研究与实现[D]．硕士学位论文，四川:西南交通大学，2006．
[10] 杨靖宇，金钟，郭跃飞．人脸图像有效鉴别特征抽取与识别，南京理工大学学报，2000，24(3)：193-198． [11] Yang G Z， Huang T S． Human face detection in a complex background [J]．Pattern Recognition，1994，27(1)：53~63．
[12] 李华胜，杨桦，袁保宗．人脸识别系统中的特征提取[J]．北京交通大学学报，2001，25(2)：4．
[13] 卢春丽，张长水．基于区域特征的快速人脸检测法[J]．清华大学学报(自然科学版)，1999，39(1)：101~105．
[14] Pamplona Segundo M，Silva L，Bellon OR．Automatic face segmentation and facial landmark detection in range images [J]．IEEE Trans Syst Man Cybern ， 2010，40(5)：1319~1330．
[15] 李银燕．基于 Adaboost 方法的人脸检测[D]．上海：复旦大学信息科学与工程学院，2006．
[16] 史东承．人脸图像信息处理与识别技术[M]．电子工业出版社，2010-10． [17] 李培华．序列图像中运动目标跟踪方法[S]．科学出版社，2010-04． [18] 王永卫，李介谷．基于肤色特征的最短生成树方法进行人脸分割．上海交通大学学报，1998-6．
[19] Jianlin Wang，Yinsheng Yang．A Moving Object Detection Algorithm based on Background Subtraction Model[A]． Proceedings of 2011 3rd IEEE International Conference on Information Management and Engineering(ICIME 2011) VOL．03[C]．2011．
[20] Chunlei Shi， Longxu Jin， Ke Zhang． Face Detection Based on Skin Color Segmentation and AdaBoost Algorithm[A]． Proceedings of 2011 3rd IEEE International Conference on Information Management and Engineering(ICIME 2011) VOL.01．2011-05-21．
[21] Yang Hua，Yuan Baozong．Feature Extraction in Human Face Recognition System[A]． Proceedings of 2000 5th International Conference on Signal Processing(Volume Ⅱ of Ⅲ)．2000-08-21．
5、指导教师意见
该学生调研充分，基本内容和技术方案明确，已具备开始设计的条件，同 意进入设计阶段。 指导教师签名： 2013 年 3 月 18 日
因篇幅问题不能全部显示，请点此查看更多更全内容