摘要：自20世纪70年代以来人工智能技术的出现，人们开始对机器人投入越来越多的热情，试图让机器具有人类一样的信息加工和准确判断处理能力，并由此形成了人脸识别领域。到目前为止，各大研发机构基于人体的语音、指纹、虹膜、面部特征下研发了各式各样的识别系统。如今人脸识别系统已经普及应用在各大商场超市支付、公司考勤、城市安防、金融业务等领域，具有重大的理论价值和使用价值，逐渐成为当下热门领域。

本次毕设研究的主题是采集人脸图像的局部特征和全局特征并相融合识别的系统设计。目前的人脸识别算法容易受到不可抗拒因素干扰，如噪声、光照、表情、成像角度等影响导致识别率不高。因此本文主要介绍采用主成分分析法（PCA）和局部二值模式（LBP算子）融合达到识别目的。首先从图库中抽取部分图像作训练样本，预处理训练样本，使用主成分分析法（PCA）得到特征矩阵，结合LBP将人脸信息转为的LBP特征谱，构造出人脸图像集合的相关联集合，提取人脸特征值。最后通过支持向量机SVM分类。通过局部和全局提取特征值融合能够提高人脸识别准确率。

本课题基于MATLAB运用M语言编写分类器和分类识别程序分别进行人脸预处理、图像表示和特征值提取，设计一个GUI界面实现打开、训练、识别、分类人脸图像功能的人脸识别系统。

关键词：人脸识别；主成分分析PCA；局部二值化LBP算子；向量机SVM分类器

目 录

摘 要

ABSTRACT

第一章 绪  论-1

1.1 课题背景及意义-1

1.2 国内外研究现状-2

1.3 人脸技术存在的难点-4

1.4 人脸识别流程-5

1.5论文结构安排-7

第二章 图像预处理-8

2.1 人脸图像预处理-8

2.1.1 灰度图像变换-8

2.1.2 直方图均衡化-10

2.1.3 中值滤波-12

2.2 本章小结-15

第三章 局部特征和全局特征提取融合-16

3.1 常见的人脸图库-16

3.2 特征提取-17

3.2.1  K-L变换-17

3.2.2  PCA主成分分析法-18

3.2.3  LBP算法-21

3.2.4 算法融合-24

3.3 分类器设计-25

3.3.1 最近邻分类器-25

3.2.2 BP神经网络分类器-26

3.3.3 支持向量机分类器-27

3.4 实验结果与分析-29

第四章 图形用户界面设计-33

4.1 GUI简介-33

4.2 人脸识别系统的GUI界面组成-33

4.3 MATLAB编程设计-35

4.4 本章小结-36

第五章 总结与展望-37

5.1 总结-37

5.2 展望-37

参考文献-39

致  谢-40