论文简介：
毕业设计论文 人脸识别系统设计与实现（附答辩课件），共32页，18163字
摘 要
人脸识别技术有着广阔的应用前景和迫切的现实需求，是当前模式识别、计算机视觉等领域里最热门的研究方向之一。由于人脸图像数量巨大，直接对它进行分类速度较慢。而PCA特征提取是一种用较少数量的特征对样本进行描述以达到降低特征空间维数、而保持原有图像的主要信息的方法。由于人脸样本相对于其图像向量维数而言，是一个小样本问题。而支持向量机(SVM)在处理小样本、高维及泛化性能等方面具有优势，己成为当前国际上模式识别领域的首选分类器。
在VC2005环境下，结合计算机视觉库OpenCV设计了一个简单的人脸识别软件系统。对检测以后的人脸图像进行预处理后，使用PCA提取人脸特征，然后输入已训练好的采用“一对多”策略的SVM分类器，并结合欧氏距离进行分类识别。
在摄像头采集的人脸图像和ORL人脸库上，对此系统进行了测试；训练时间与测试时间较短，识别率在80%以上。结果表明：这种人脸识别方法是有效的，而且具有较强的学习和推广性能，测试集的识别率也较理想；该系统界面人性化，容易操作，具有直接、友好、方便的特点。
关键词：人脸识别；PCA；SVM；分类器
目 录
摘 要 I
Abstract II
第一章 绪 论 1
1.1 课题来源 1
1.2 人脸识别的背景和意义 1
1.3 人脸识别技术的难点 2
1.4 人脸识别技术的研究现状 2
1.5 论文的结构安排 3
第二章 人脸识别的主要方法及进展 4
2.1基于几何特征的方法 4
2.2基于统计特征的方法 4
2.3基于连接机制的方法 5
2.4人脸识别的核方法 5
第三章 基于PCA特征提取和SVM分类的人脸识别 7
3.1引言 7
3.2 算法综述 7
3.3人脸特征表示和提取 8
3.3.1 人脸获取 8
3.3.2 图像预处理 9
3.3.3 PCA算法分析及流程 10
3.4基于SVM分类 12
3.4.1 SVM理论 12
3.4.2 SVM的训练算法 15
3.4.3基于多类分类的SVM 15
3.5 本章小结 16
第四章 人脸识别的软件系统设计 17
4.1 开发环境 17
4.2 系统结构 17
4.2.1 系统框架 17
4.2.2 系统功能综述 18
4.3 人脸识别系统设计 19
4.3.1 人脸获取的程序实现 19
4.3.2 图像预处理的程序实现 20
4.3.3 特征提取的程序实现 22
4.3.4分类识别的程序实现 23
4.4 系统的测试及分析 24
4.5本章小结 25
总结与展望 26
致 谢 27
参考文献 28

论文文件预览：
共1文件夹，2个文件，文件总大小：2.99MB，压缩后大小：2.38MB

• 毕业设计论文-人脸识别系统设计与实现(附答辩课件)
• 人脸识别系统设计与实现（软件）.doc  [1.67MB]
• 答辩.ppt  [1.31MB]