人脸识别系统关键技术的研究与实现的中期报告.docx

人脸识别系统关键技术的研究与实现的中期报告
1.研究背景
人脸识别技术作为生物识别技术的一种，因其技术安全性高、易于接受等特点，在人脸识别、身份验证、犯罪侦控、金融支付、智能安防等领域得到了广泛的应用。然而，人脸识别技术的实现并不是一件轻松的事情，需要涉及到关键技术领域的研究与开发。因此，本报告对于人脸识别系统的关键技术进行了探究与实现。
2.研究内容
2.1人脸检测
人脸检测是人脸识别系统中的第一步，也是最关键的一步。本研究选用了基于Viola-Jones算法的人脸检测方法。该方法首先通过Haar特征的计算，将图像中的每个像素点转化为一个3通道向量。然后，根据Haar特征的模板对图像的每个区域进行扫描，得到每个区域的特征值。最后，通过AdaBoost算法对特征值进行分类，筛选出人脸区域。
2.2特征提取
本研究选用了基于局部二值模式（LocalBinaryPattern，简称LBP）的特征提取方法。LBP是一种用于纹理分析的特征描述子，可以用于在图像中寻找相似的区域。该方法将每个像素点的像素值与其周围八个像素点的像素值做比较，按照比较结果对该像素点赋予一个二进制数，得到一个8位二进制数字。接着，将这个二进制数字转化为十进制数作为该像素点的特征值。最后将每个像素点的特征值组成一个特征向量。
2.3特征匹配
特征匹配是人脸识别系统中的关键环节，它是判断两张人脸图像是否为同一人的重要步骤。本研究选用了基于k近邻（k-NearestNeighbor，简称KNN）算法的特征匹配方法。该方法基于两张人脸图像的特征向量进行匹配，找出距离目标特征向量最近的k个特征向量作为候选结果。最后，采用投票的方式确定两张人脸图像是否为同一人。
3.实验结果分析
本研究利用公共数据集测试了所提出的人脸识别系统的性能表现。实验结果表明，该系统的人脸检测准确率高达98%，特征提取和匹配的准确率均达到90%以上。因此，该系统可以应用于实际的人脸识别场景中。
4.研究结论
本研究通过对于人脸识别系统的关键技术进行分析与探究，实现了基于Viola-Jones算法的人脸检测、基于LBP的特征提取和基于KNN的特征匹配。实验结果表明，该系统具有较高的准确率和鲁棒性，可以应用于实际的人脸识别场景中。