摘要：当前，在众多的基于生物特征的识别技术中，基于人脸的识别技术应用最广泛，得到了包括研究人员和社会用户的极大关注，诞生了多种不同的人脸检测算法与技术。不过，在实现的应用环境中，很多方法容易受到使用环境的限制，普遍存在对人脸姿态比较敏感、对遮挡问题的处理不够理想等问题。在众多现有的人脸识别算法与技术中，基于稀疏表示理论的方法由于其较高的识别率以及鲁棒性，成为该领域研究人员与学者研究与讨论的热点。不过，该类算法还存在计算量较大、对姿态的鲁棒性比较差等缺陷。

本文所研究的内容以人脸识别领域中的广泛存在的一些问题，特别是实际场景中的光照变化、表情姿态变化等实现问题进行研究。通过对稀疏表示基础理论的介绍，深入研究与设计开发也基于稀疏表示的人脸识别软件。概括而言，本文中所进行的研究主要有;

（1）对人脸识别技术体系中的主要问题进行概括分析。通过讨论分析稀疏表示理论的基础知识，对其中的字典学习以及系数求解等问题进行重点研究；

（2）考虑到传统的特征算子在对图像信息进行表达中性能优良，对基于稀疏表示与特征提取的稀疏表示算法进行深入研究与实现；

（3）开发实现了简单的人脸识别系统。在该识别系统中，以图像信号与数据中的局部与稀疏特性为切入点，对基于稀疏表示的分类算法进行研究实现；且通过对图像中局部结构信息的高效提取，实现了对大量图像样本间进行更加准确地相似性度量。

关键字：人脸识别，特征提取，局部结构，稀疏表示

目录

摘要

Abstract

第一章 绪论-1

1.1 研究背景和现状-1

1.2 国内外研究现状分析-1

1.3 本文主要工作-2

第二章 人脸检测和矫正-4

2.1 图像预处理与人脸检测-4

2.1.1 直方图均衡化-4

2.1.2 Haar特征-4

2.1.3 Ada Boost 分类器-5

2.2 人脸矫正-5

2.2.1 人眼定位-5

2.2.2 仿射变换人脸矫正-6

2.3 本章小结-6

第三章 稀疏表示的人脸识别方法-7

3.1 稀疏表示理论-7

3.2 字典学习-7

3.3 稀疏表示求解方法-8

3.3.1 基追踪算法-8

3.3.2 匹配追踪算法-9

3.3.3 Lasso 算法-9

3.4 稀疏表示与人脸识别-9

3.4.1 特征降维-9

3.4.2 基于稀疏表示的人脸识别-10

3.5 本章小结-15

第四章 系统构建及实验分析-16

4.1 系统构建工具说明-16

4.2 程序制作流程图-16

4.3 系统功能说明-17

4.4 实验分析-25

4.5 本章小结-25

第五章 总结与展望-26

5.1 总结-26

5.2 展望-26

参考文献-27

致谢-28