1、基于LBP和PCA的人脸识别摘 要在当今社会中，随着人们隐私意识的增强，对于身份识别技术也提出了更高要求。传统的身份识别方法暴露出越来越多的缺陷，生物识别技术应运而生。其中，由于人脸识别具有非接触性，采集简单，特征稳定等诸多优势，具有极佳的发展前景。本文主要讨论的是三种人脸识别算法。首先对人脸识别的研究背景，发展现状以及研究意义做了介绍，然后分析了线性滤波，直方图均衡，同态滤波，几何校正等多种 图像预处理方法，接着详细介绍了基于PCA的人脸识别算法，基于LBP的人脸识别算法以及基于LBP和PCA的人脸识别算法，其中包括算法的基本思想，实现的具体步骤，识别的准确率以及存在的问题，最后对此篇论文的
2、完成情况做出总结并指出下一步研究方向。本文使用了MATLAB软件对三种算法进行了仿真，取得了良好的实验效果。关键词：人脸识别；PCA；LBP；识别准确率ABSTRACTIn the current society, with the increase of peoples privacy awareness, they also propose higher requirements for the identity recognition technology. The traditional identity recognition method shows more and more d
3、efects. Biological recognition technology has been the tendency. Facial recognition has multiple advantages like non-contact, simple collection and stable characteristics, so it is of great development prospect.This paper mainly discusses about three facial recognition algorithm. First of all, it in
4、troduces the research background, development situation and research significance of facial recognition. Then it analyzes multiple image pre-handling methods like linear filtering, histogramequalization, homomorphicfiltering and geometriccorrection. Then it gives a detailed introduction to the facia
5、l recognition algorithm based on PCA, based on LBP and based on LBP and PCA, including the basic thoughts of algorithm, concrete implementation steps, accuracy rate of recognition and existing problems. Finally, it sums up the completion conditions of this paper and points out the next research orie
6、ntation.This paper uses MATLAB software to simulate three algorithms and gets the good experimental effects.Keywords: face recognition; PCA; LBP; accuracy rate of recognitionIII第一章 绪论1.1 论文选题背景随着时代的发展和科技的进步，人们的生活水平日益提高，隐私意识也达到了前所未有的高度，同时各个领域都对信息安全提出了更高的要求。传统的保护信息安全的方法有密钥，利用身份证或者银行卡多重识别等，这样的方法虽然简单，但是
7、存在记忆和携带不方便的问题。而且这些信息一旦遗失或者不小心落入图谋不轨的人手里，失主的信息将完全暴露，带来不可估量的损失。更重要的是，当人们的身份信息被冒用甚至伪造时，盗取信息者可以享受被盗者的所有权利，甚至以被盗者身份违法犯罪，而且难以追责。在这样的背景之下，人们迫切需要一种便于携带，具有唯一性且辨识度高的识别技术，生物识别应运而生。生物识别，即利用人类都共有但是不同人之间又有区别的生理特征或者行为特征来进行识别。比如虹膜识别，声纹识别，指纹识别，DNA识别，人脸识别，笔迹识别等。而相对于其他的生物识别方法，人脸识别具有下面多种优点：1. 非接触性：即在识别过程中被识别者不用与特定仪器有身体
8、接触，不易激起其反感，同时也是一些特定人群如洁癖患者的福音。2. 采集简单：人脸采集只用在人脸正常状态下照个相就可以完成信息采集，成本较低，而不用像DNA采集那样需要进行一系列复杂操作且价格昂贵。3. 特征稳定：人脸在一定时间内的特征是相对稳定的。即使衰老但是基本的结构变化不会太大。但是随着岁月变迁，一些从事体力劳动的人可能会出现指纹被磨掉等问题。基于以上诸多原因，人脸识别无疑是我们日常生活中的最优选择。1.2人脸识别在生活中的应用1. 门禁系统：现在很多高校采用刷学生证的方式进出宿舍，一旦学生卡遗失，不但自己不便，也给不法分子可乘之机。有部分地区采用了指纹识别，但是这种方式不仅效率低下，而且
9、对于双手都不便的人也不友好。而人脸识别只用拍一张照片就可以轻松分辨，方便快捷。2. 监控系统：有的时候警方需要追踪犯罪嫌疑人的位置，如果嫌犯移动速度较快或者监控摄像头较多，会给追踪工作的进展带来极大阻碍。但是一旦监控系统和人脸识别相结合，警方工作效率必定直线上升。同时对于一些需要追责的事件，当我们的肉眼难以分辨监控中的责任人时，可以借助精度更高并且更灵敏的人脸识别系统完成。3. 支付系统：人脸识别用于支付系统，无疑比简单的密码安全性更高，也不存在忘记密码的风险，更不用像指纹识别那样对设备灵敏性要求严格。一些电子产品比如iPhone7已经开始可以“刷脸”支付。4. 生活娱乐：现在生活中类似于美图
10、秀秀，faceu等软件，其美颜和修图的基础就是通过人脸识别来完成。还有一些微信上的小程序，会通过识别人脸进行匹配等方式来娱乐大众。 人脸识别应用于生活娱乐1.3人脸识别的国内外研究现状尽管人脸识别的技术是在二十世纪后期才得到真正意义上发展，但是早在十九世纪，法国科学家Galton就已经在Nature上提出了利用自动人脸识别来验证身份。人脸识别的发展主要经历了三个阶段：第一阶段是在1964年-1990年，此时还是半自动的人脸识别。在这个阶段中，人们已经开始重视人脸识别技术，并做了许多研究，提出了多种方法进行人脸识别，但是并没有取得实质性的成果，人脸识别技术也没有得到较大突破。这个阶段中比较有代表
11、性的是基于几何的面部特征提取技术，即主要是根据面部线条以及五官间距离等来进行特征提取。传统人脸识别人脸面部线条结构图第二阶段是1991年-1997年，在这个阶段是人脸识别技术最为繁荣的时期，提出了许多颇有实践意义的算法，人脸识别技术在这段时期取得了丰硕的成果。其中比较有代表性的就是基于统计模型的人脸识别算法和基于线性子空间的人脸识别算法。同时在这个阶段中，人脸识别系统已经开始商用并表现良好，比如Identix的Facelt系统。第三阶段是1998年至今，在这个阶段中，人们对人脸识别的研究又进入了一个新的阶段。在这个阶段中，研究者们不在仅仅满足于普通的人脸识别，同时把光照，姿态等干扰因素也加入了
12、考虑的范畴，并在很大程度上降低了程序的鲁棒性。这其中具有代表性的算法有基于神经网络算法的人脸识别，基于特征脸的人脸识别，基于小波变化的人脸识别。 上世纪90年代，中科院计算所和哈工大联合成立了一个实验室，标志着我国的人脸识别研究正式起步。2014年梁淑芬等人发表的基于LBP和深度学习的非限制条件下的人脸识别算法以逐层贪婪为训练网络，获得极好的测试结果。2014年香港中文大学提出的DeepID人脸识别技术，迄今仍保持记录。现在国外研究人脸识别的主要机构有MIT Media实验室，牛津大学，Google，Facebook等，国内的有百度，香港中文大学，中科院计算所等。主流算法有基于几何特征的人脸识
13、别算法，基于模式匹配的人脸识别算法，基于k-l变换的特征脸人脸识别算法。1.4现阶段人脸识别难点尽管随着硬件的更新，算法的改良，从警方到现在的“人脸支付”，可见识别技术已经基本趋于成熟，但仍然面临诸多挑战。1. 光照，姿态，表情影响：在不同的光照，姿态，表情条件下，同一个人脸也会有不同的呈现状态。尽管主流的人脸图像库也已经将这些外界影响考虑进去，但是人的表情，姿态千变万化，远非人脸图像库的图像可以表达完整。2. 化妆影响：现在化妆产品越来越多，各种网络平台上经常有美妆博主直播化妆技巧，其中有的技术堪比整容，模仿一些明星甚至可以到达以假乱真的地步， 这就对人脸是被技术与识别的精度提出了更高的要求
14、。3. 遮挡影响：生活中常有头发或饰品遮挡部分脸，使人脸识别过程中无法获取待识别人脸的全部信息，这无疑给人脸识别带来极大的阻碍。1.5本文研究内容和组织形式本文主要是以设计人脸识别程序，并计算不同算法下的精度为主要目标，流程图如下：本文的具体章节安排如下：第一章为绪论，主要介绍研究背景和意义，以及国内外研究现状和人脸识别现在遇到的主要难点。第二章为人脸图像预处理，其中包括图像加噪去噪，直方图均衡，同态滤波，几何校正等多种预处理方法。第三章为基于主成分分析的人脸识别算法，其中包括了PCA的实现和利用PCA识别的结果。第四章为基于局部二值算子的人脸识别算法，其中包括了LBP算子的实现及其执行结果分析。第五章第六章为总结和展望第二章 人脸图像预处理在大多数时候，我们所获取的图像并不太适合直接用于人脸识别，这主要是因为我们生活中的照片经常有背景，光照，姿态等干扰因素，同时人脸也会有一定的倾斜角度，基本不会与摄像机成水平状态，这就会在很大程度上影响人脸识别的精度，从而需要将图像进行预处理，使图像尽可能达到最理想的状态。可见，图像预处理虽不是识别算法，但作为识别的前一个步骤，在人脸识别中仍有举足轻重的作用。可以这样说，图像预处理结果的好坏程度将直接影响人脸
