毕业设计（论文）基于Face++的人脸识别研究与实现.doc

西 安X X大 学 毕 业 设 计（论 文）题 目： 基于Face+的人脸识别研究与实现 学 院： xxxxxxxxxxxxxxxxxx 专 业： xxxxxxx 班 级： xx 学生姓名： xx 导师姓名： xx 职称： xx 起止时间： 2015年3月2日至2015年6月19日毕业设计（论文）诚信声明书本人声明：本人所提交的毕业论文 基于Face+的人脸识别研究与实现是本人在指导教师指导下独立研究、写作的成果，论文中所引用他人的文献、数据、图件、资料均已明确标注；对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式注明并表示感谢。本人完全意识到本声明的法律后果由本人承担。论文作者： （签字）时间：2015年6月5日指导教师已阅： （签字） 时间：2015年6月5日西安xx大学毕业设计(论文)开题报告xx 学院 xx 专业 xx 级 xx 班课题名称：基于Face+的人脸识别研究与实现 学生姓名： xx 学号：xx指导教师： xx 报告日期： 2015年3月26日 西安xx大学本科毕业设计（论文）开题报告学号 xx 姓名 xx 导师 xx 题目 基于Face+的人脸识别研究与实现选题目的（为什么选该课题） 随着当今社会科学技术的不断进步与快速发展，我们已经进入数字化的网络时代，因此，信息安全的重要性就随之而来，如何有效，并且快速方便地进行身份验证和识别，已经成为人们日益关注的问题。传统的基于密码，个人识别码和磁卡的身份识别认证方法都存在着明显的缺陷，易丢失、易破损、易破解等等，已经不能满足社会的发展和人们的需求。在这种背景下，人们开始将目光投向生物特征识别技术利用人体固有的生理特征或行为特征来进行身份的鉴别或确认，它比传统的身份认证更有效、更可靠和更安全，从而近年来得到广泛的研究和应用。生物特征识别技术是一种利用传感器与计算机的工具采集人体生物特征，通过计算分析提取特征，利用提取的特征来进行身份认证和识别的新型技术。需要身份认证时，运用生物特征识别技术可以不用携带身份证件、钥匙等，也不需要记忆密码，不用考虑证件丢失、密码忘记等问题;生物特征具有很强的稳定性，如虹膜指纹信息几十年都不会变化，人脸样子也不会在短期内发生变化。生物特征也具有唯一性，不同的人具有不同的生物特征，因而可以避免假冒和伪造等情况的发生，使得生物特征识别技术既安全有可靠。随着现代电子技术和各种硬件技术的发展，生物特征识别技术得以广泛应用。与生物特征识别技术相关的技术，如数字图像处理、计算机视觉、模式识别、传感器技术等领域也得到大量研究和飞速发展。目前，生物特征识别技术应用最广泛的是指纹识别、虹膜识别和人脸识别。 而人脸识别目前已经成为广大科研人员普遍关注的研究热点，它具有自然、直观、非接触、安全、快捷等特点。随着人脸识别技术研究的不断深入，自动人脸识别已经成为最具发展潜力的生物特征识别技术之一。近年来，人脸识别技术在安全监控、模式识别、人机交互等领域中具有广阔的应用前景，逐渐成为模式识别和人工智能领域的一个研究热点。但是，由于人脸在识别过程中受到多种因素的影响，如:复杂的人脸结构、表情的千变万化以及人脸采集的外部环境等，因此到目前为止，人脸识别依然是一个具有挑战性的研究课题。 前期基础（已学课程、掌握的工具，资料积累、软硬件条件等）大学学习期间，深入学习了DSP图像处理的相关课程及自学了面向对象的编程语言Java，熟练掌握了Eclipse 等软件的操作。通过在校园网中文数据库查阅的相关资料和老师的指导下，在基于Face+的人脸识别研究与实现的课题中，我将采用Java语言来完成课题的设计与实现。 软硬件要求：电脑一台：CPU：Pentium III 800以上 内存(RAM) 1G或以上，Windows 7系统，Eclipse要解决的问题（做什么）（1）研究人脸识别的相关算法及其原理，并分析不同算法的优缺点； （2）在常用的人脸识别算法中选择一种更优算法进行分析研究和改进； （3）采集或者在互联网上获取人脸照片，建立人脸数据库，用于后期的算法研究； （4）在Face+中，是如何用Java实现人脸识别的算法的； （5）如何对人脸进行关键点检测并尽可能的提高相似度已达到人们的需求； （6）如何检测一张照片中的人脸信息并获取相应信息； （7）深入研究Face+究竟是如何实现人脸识别。工作思路和方案（怎么做）思路： （1）了解现今已有的人脸识别的相关算法； （2）查阅相关资料，研究人脸识别的几种代表性算法的基本原理，然后根据研究成果，设计出算法并画出算法流程图； （3）根据算法流程图编写程序并调试，直至达到预期设想的效果； （4）设计出人脸识别系统的框架，并采用Java进行系统搭建完成功能，实现整个系统并对系统进行测试。 方案： （1）在西安xx大学图书馆中文数据库查找有关人脸识别技术相关的书籍、期刊、会议记录、论文等资料，在此基础上对整个人脸识别系统构建一个整体的理论框架，为接下来的研究工作做好准备。针对现有各种算法进行比较和总结，在此基础上寻求一种更优的算法，对当前人脸识别领域的发展现状有一个清晰的总体认识。 （2）根据研究情况确定设计目标以及完成毕业设计开题报告。在本课题中，要完成的是人脸识别算法研究与Java编程实现；在前期对人脸识别算法研究的基础上，针对此次课题的设计目标写出精简且系统的开题报告。 （3）运用Eclipse软件进行编程实现功能。学习Java语言，完成系统框架的搭建，并实现人脸识别功能；通过对本课题的深入研究，最终编程实现人脸识别系统。 最后，撰写合格的毕业论文并准备毕业答辩。指导教师意见签字： 2015年 3月30日西安xx大学毕业设计 (论文)成绩评定表学生姓名xx性别女学号xxx专 业班 级xx课题名称基于Face+的人脸识别研究与实现指导教师意见评分（百分制）：指导教师(签字)： 年 月 日评阅教师意见评分（百分制）： 评阅教师(签字)： 年 月 日验收小组意见评分（百分制）：验收教师(组长)(签字)： 年 月 日答辩小组意见（评分（百分制）： 答辩小组组长(签字)： 年 月 日评分比例指导教师评分20() 评阅教师评分30() 验收小组评分30() 答辩小组评分20()学生总评成绩百分制成绩等级制成绩答辩委员会意见毕业论文(设计)最终成绩(等级)： 学院答辩委员会主任(签字)： 年 月 日摘要IABSTRACTII引言11绪论11.1研究意义与背景21.2人脸识别技术的发展现状21.3主要应用31.3.1 人脸检测31.3.2 人脸识别查询41.3.3 人脸识别身份认证41.3.4 人脸识别比对41.4 论文内容与安排42主要人脸识别算法介绍62.1基于PCA的人脸识别算法62.1.1K-L 变换72.1.2 PCA技术92.2 基于几何特征的人脸识别方法102.3 隐马尔可夫模型方法112.4 基于神经网络的方法112.5支持向量机方法123基于Face+的人脸识别研究与实现133.1Face+简介133.1.1平台简介133.1.2Face+核心概念133.2安卓操作系统架构133.2.1安卓操作系统介绍133.2.2Android 应用程序开发研究143.2.3搭建应用程序开发环境搭建153.3Face+主要函数介绍163.3.1/detection/detect163.3.2/person/create173.3.3/train/verify173.4基于Face+的人脸识别实现183.4.1页面设计183.4.2人脸图像采集模块203.4.3数据处理模块213.4.4人脸检测模块223.4.5人脸识别模块233.5本章小结244实验结果与分析274.1实验结果274.2实验结果分析294.3本章小结295结论与展望305.1结论305.2展望30致谢32参考文献33摘要随着互联网技术的疾速成长及大数据时代的到来，信息安全问题也随之提上议程，怎么快速高效率的进行身份验证和识别，仍旧是成为人们日渐重视的问题原有的基于密码，验证码和磁卡的身份识别认证方法都存在着明显的缺陷，易遗失、易损坏、易破译等等，已经完全不能跟上时代的发展和达到人们的需求在这种时代背景下，生物识别技术也逐渐进入人们的视线 - 通过固有的生理特征或行为特征进行识别人体, 它比传统的身份认证更有效、更可靠和更安全，从而近年来得到广泛的研究和应用方今社会，生物特征识别技术应用最广泛的是对指纹、虹膜和人脸进行识别。其中最热门的被关注最多的就是人脸识别了。人脸识别听起来你会认为他已经没有什么大的突破，是比较传统的并且没有发展空间的，然而，伴着计算机的普遍推广应用，云计算能力和算法的大转折，真正的爆点已经开始，过不了几年，我相信对人脸的登陆功能及人脸的搜寻功能都将会实现于具体应用。本课题就是尝试用Face+接口联合Android完成一个人脸识别，它是在Windows中，使用Eclipse作为开发平台，实现人脸识别功能主要完成的工作：(1)通过浏览大量的资料和文献，完成基础理论准备工作，并简要介绍了人脸识别技术。 (2)Android系统的深入研究和调研，了解如何通过Android的开发。 (3)通过对Face+接口的研究，了解了如何调用Face+接口。(4)将理论和实际结合起来，并根据上面的知识点，设计并完成了基于Face+的人脸识别研究与实现。 关键字：Android；Face+；人脸识别ABSTRACTWith the advent of technology and the rapid growth of the Internet era of big data, information security also will be on the agenda, how fast and efficient authentication and identification, still become increasingly important issue. Based on the original password, authentication code and identity card authentication methods are obvious flaws, easily lost, easily damaged, easy to decipher and so on, have been completely unable to keep pace with the times and meeting people's needs. Under this background, biometric technology is gradually coming into sight - by the inherent physical characteristics or behavioral characteristics to identify the body, it is more effective than traditional authentication identity, more reliable and more secure, so that in recent years has been widely research and applications. REHABILITATIVE society, biometric technology is the most widely used fingerprint, iris and face recognition. One of the most popular being the most attention is the recognition. Face It sounds like you would think he has no major breakthrough, is more traditional and there is no room for development, however, accompanied by a major turning point popularized computer applications, cloud computing power and algorithms, real critical points have been start, not a few years, I believe that the function of the human face and landed face search functions will be implemented in specific applications.The issue is to try to use Android Face + interfaces to complete a joint recognition, it is in Windows, use Eclipse as a development platform, face recognition function. Main work:(1) by browsing a lot of information and documentation, completion of basic theoretical preparation work, and briefly describes the face recognition technology.Further studies and research (2) Android system, learn how to develop Android.(3) the study of Face + interface to learn how to call the Face + interface.(4) will combine theory and practice, and according to the above knowledge, was designed and completed the study and implementation of face recognition based Face +.Keywords: Android; Face +; Face Recognition 引言21世纪Internet技术得到持续、猛烈的发展，大数据时代也已到来，人脸识别已经成为科技产业的一个技术热点，愈来愈多的企业与开发者们都将目光转向了人脸识别，研究它应用它。但由于人脸识别算法的复杂度比较高，我们需要大量的时间和费用去研究他将他实现转成实际的应用。而今有很多科研组织推出了一连串的计算机视觉库，能够相当不错地处理算法上的问题，使得人脸识别算法变得简单易实现，比如Intel的OpenCV库和北京旷视的face+平台。因此，本论文将联合当下最流行的Face+来完成本课题研究。Face+是新一代云端视觉服务平台，功能强大，简单易实现，通用性强大，有着世界最前沿的人脸检测，及识别，和分析的实现方法。可以让广大的IT开发者能够很轻易地运用他来实现相应的视觉功能。它同时提供云端REST API和本地API（包括Android, iOS, Linux, Windows,Mac OS）供开发者使用，建立出个性化的视觉应用。当然如果你想要定制版的企业级视觉服务，Face+也可以帮你实现。因此，使用Face+，你可以很容易地建立很多你想要的视觉类多功能应用，比如，身份认证，兴趣挖掘，以及社交娱乐分享等等。在本论文中全面详细地介绍了Face+人脸识别的实现，以及人脸识别的一些主要知识点及前景状况。第1章为绪论，主要介绍人脸识别的背景和现状，及目前的应用，还有本论文的内容与安排。第2章主要介绍当前流行的人脸识别算法；第3章为安卓系统和Face+的介绍，为课题的实现做好充足的准备，同时对课题进行具体实现；第4章为实验结果及分析；第5章为结论与展望，完成对课题的总结。 页码为阿拉伯数字，引言为第一页1绪论1.1研究意义与背景集成芯片的急速发展，以及软件工程的广泛应用使得计算机在响应速度和处理信息能力上取得了巨大进步。但与人类没有办法进行有效的智能交互。所以说让计算机能和人像人一样灵活交流而不是僵硬的机器交流是科学家们共同奋斗的方向。毫无疑问，让计算机变得更加聪明的第一步就是让他具备识别的能力。有了生物特征识别技术，在计算机上的具体实现，如此，计算机就可以识别人，变得聪明。指纹识别，虹膜识别及姿态识别，人脸识别等就是目前社会上的主流生物特征识别。自从美国9.11事件之后，身份识别技术不仅广泛用于银行相关部门，电子商务相关领域及家庭安全上，而且在国防安全上也有着至关重要的应用价值。怎样运用人体的生物特征快速便捷的识别一个人的身份成为目下当今每个国家地区研究机构的重中之重。从而当务之急就是让生物特征识别快速的发展并且改进，使之更加精准快速。指纹识别是当下研究实现中最广泛的生物识别技术,目前，在识别领域，指纹识别已经占了53%的比重。同他相比，人脸识别差的太多太多，远不及他的发展。但是为什么需要人脸识别呢？这是因为指纹，掌纹，虹膜识别技术都需要当事人的配合，但人脸识别可以在无声无息中实现认证，与其他传统方式相比加倍安全，靠得住并且高效。人脸识别技术，作为一个发展前景良好的领域，近年来得到了愈来愈宽泛的关注，成为国内外各科研机构和高校的研究热门。 人脸识别技术在国外已被广泛应用在国家紧要部门和其他同样重要的相关安防部门。关于人脸识别的研究在国内展开比较晚，所以应用范围较窄，主要是集中在银行、公安、物业管理和考勤等等。人脸识别是属于生物特征识别技术，他是靠检测和比较人脸照片来实现的。因为岁数、形态、表情、光照、妆容等等原因，人脸不是一成不变的，他是千变万化的，是以使得人脸识别技术显得难以控制，大大提高了人脸识别的挑战性。 1.2人脸识别技术的发展现状当今社会，研究人脸识别技术的组织及个人很多很多，比如说美国的 MIT(Media lab)、CMU 和耶鲁大学，还有日本的少许研究机构。与国外相比，中国关于人脸识别技术的研究开展的就相比晚许多，国内研究的机构主要集中在国内著名的几所重点高效，其中就有：清华大学、哈尔滨工业大学、北京工业大学等。 人脸检测便是从人脸的原始照片中提取部分特征。人脸检测使用最早的第一个算法是基于模板匹配，子空间方法的。这种方法是相对刚性的，受环境和姿态变化的影响比较明显。这些年来，计算机技术越发成熟，与之紧密相关的技术也随之快速发展，使得人脸检测技术一直都是科研学者心中及手中的重要科研课题，比如说基于haar特征匹配的算法、以及神经网络的算法等等已经被应用到人脸检测技术上。2001 年，Viola.P 提出 了Haar-Like 方法，阐述了如何迅速精准的完成对整张照片进行人脸检测-运用 AdoBoost和 Cascade 方法。随后的几年里Voila也提出了优化Haar-Like算法的方法，这个人脸检测方法已经算是当前领域相对成熟并相对完善的方法了，识别效率高，在现实实践中已经获得了普遍宽泛的应用。最近五年来已经有愈来愈多的学者对关于人脸检测和人脸表情检测技术的算法做了深入的钻研，并且获得了一定的研究成果，然而在现实实践中却存在着许许多多的技术困难，还亟需解决处理。相对于单张图像的人脸检测，影响检测结果的因素是比较多的，图像尺寸、光照条件和表情等不确定因素，因此在往后的研究实现中，人脸检测依旧是热点话题，不会被时代淘汰走下坡路。人脸识别技术在中国起步很晚，比国外要晚上好几年，但随着不断完善和改进的人脸识别算法和日益增长的市场需求,还有独特的脸部识别，已经有不少商业人脸识别系统研发投入到到市场。比如清华大学苏光大教授负责的人脸识别系统，当然还有一些产品也比较成熟：上海银晨人脸识别考勤系统、北京时代杰诚门禁管理系统等。尽管人脸识别技术的发展是更好的，已经获得了学术界的广泛关注，但关于人脸识别技术在实际应用中存在的问题，和实际应用方法，却还需要愈来愈多的学者对其进行更深入的研究，使之愈发成熟。1.3主要应用1.3.1 人脸检测人脸检测，简单说来，便是看图像是否清晰明了，是否能精确快速的被处理分析得到数据。当下，许多城市地区开始逐步施行网络工程进行城市监控、银行监控，造成大量的监控数据需要进行处理。所以，当下亟需解决的问题就是如何快速精准的查询这些监控数据并加之处理。为此现状，市面上已经开发出了一套综合应用系统用以处理银行大联网高速图像搜索系统产生的大量的视频监控数据的问题。该系统主要是由前端采集模块，图像处理模块，数据管理查询模块来组成的。1.3.2 人脸识别查询人脸识别查询是建立在从已建立的人脸数据库中搜索与人脸图像相似度较高的人脸图片比对的基础上进行人脸识别的。人脸识别大多都是用在与安保密切相关的部门及行业，比如出入境时进行的护照比对、对罪犯的身份验证、以及公民的身份是否合法。人脸识别查询的大致操作步骤是首先建一个人脸数据库，通过在客户端或者web浏览器上打开人脸照片，使之与库中的人脸图片进行相似度比较，并将与之相似度较高的人脸图片输出，这样就完成了人脸识别查询。其实，简单看人脸识别，他就是一个人脸相似度的对比。1.3.3 人脸识别身份认证人脸识别身份认证主要是对那些参加的活动私密性重要性比较苛刻的人来进行的。而今相对成功的应用主要是大型活动身份认证，比如实名制票证系统认证。使用这种系统的目的就是安全系数高。此系统一般是要利用射频识别来实现的。这个方法的主旨其实就是一对一比对，从速度或认证的准确度上看，他已经是相当成熟的技术，在上述的场合广泛使用。越来越多的关注，已经被投于人脸识别身份验证之上，并有许多的组织也已开始应用此技术。1.3.4 人脸识别比对“人脸识别比对，目前主要是被用于门禁管理系统。比如说银行金库、军队弹药库等重要地方的进出口掌控对该种场地的人身经济安全都有着不可估量的作用。它通常是一个组合的多种识别方法，它是由多种识别控制完成进出口控制。该项产品和技术已成功地应用于许多银行金库。在门禁控制系统的另一个值得关注的是，接口标准的统一。而今市场上大部分的控制器接口都是韦根接口，然则因为它没有遵循一贯的接口格式，导致我们遇到了一些限制，在控制器的选择，所以这就必须靠生产这类产品的企业厂家的通力合作，一同制定统一的行业标准，使行业应用标准一致，生产的产品适用性颇高，如此才会促进整个行业的良性成长与发展。”(6)1.4 论文内容与安排本文的目标为实现基于Face+的人脸识别研究与实现。该课题使用Eclipse 开发环境实现，利用 Face+接口和安卓操作系统实现人脸识别。本文全部包括五章内容，内容大概分为如下所示： 第一章 介绍人脸识别技术的现状与背景，并简单介绍了人脸识别的主要应用；其后对本文的内容进行了具体介绍。 第二章 简要说明人脸识别的主流方法，并阐述了基于PCA的人脸识别算法。 第三章 首先对Face+平台进行了简单介绍，其次介绍了安卓操作系统，并且简要说明了Face+的重要接口，最后重点说明了基于Face+的人脸识别的实现。 第四章 说明实验结果，并且对实验结果进行分析。第五章 对本文进行总结概括，并展望人脸识别技术将来的发展。 2主要人脸识别算法介绍人脸识别是利用获取得到的待检测图像中的人脸特征，与人脸样本库中的人脸来对比，识别和确认待检测图像中人物的身份。 表 2-1 列出了人脸识别中主要的方法，本节将目前主流的方法进行详细介绍。 表2-1 人脸识别方法2.1基于PCA的人脸识别算法在二十世纪九十年代初，由 Turk 和 Pentland提出的比较简单且有效的一种人脸识别方法，就是尽人皆知的特征脸方法。“他是基于主成分分析(Principal Component Analysis ,PCA )的人脸识别技术，因此也常常称为 PCA”（14）。 对于每一个人脸样本图像依照从左到右，从上到下的每个像素点的灰度值构成一个高维向量，PCA 的主要思想是在原始人脸空间中经过 K-L 变换后，由原来的高维向量转换为低维向量子空间，提取一套包含离散程度最大的特征向量来表示原始样本，相应的特征向量，就为主特征向量。由于该分量拥有人脸相像的外形，被称作“特征脸”。“在对待检测人脸图片进行识别时，将待检测人脸投影到这组特征向量组成的子空间上，通过比较待检测图像的投影位置与已知人脸样本的投影位置，从而完成人脸识别”(18)。 特征脸方法经过 K-L 变换后由原来的高维度的向量转换为低维度的向量子空间，达到很好的降维效果，简单有效，因其运算复杂度低是以识别速度较快，同时易于实现，“识别率虽高，但却存在一些缺陷，当光线照射不一致时、人脸的方位也不是固定不变的时候，识别率就会快速降低，同时当训练样本数目的增加时，计算复杂度也相应的增加”（14）。 接下来本文将详细介绍 PCA 算法。2.1.1K-L 变换 K-L 变换（Kauhunen-Loeve 变换）是一种经常使用的正交变换，具体的变换过程如下所示： 设有 n 维随机变量 (2-1)其中为加权系数，为基向量，X 还可以使用另一个比较直观的表达式来表示： (2-2)其中，,基向量通常为正交向量，而正交向量可以通过一个表达式表示：(2-3) 因为由多个正交向量组成，所以它是一个正交的矩阵，用表达式表示为：(2-4)将公式 2-2 的两边都向左乘以，得到 (2-5)通过正交向量表示即为：(2-6)正交向量集合的取值直接决定向量集合的各个向量之间是否互相不相关，因此设(2-7)将公式 2-2 代入公式 2-7 中，得到 (2-8)令 (2-9)换成另一种表达方式即为：，那么 (2-10)右乘(2-10),F得： (2-11)是正交矩阵，因此(2-11)可简化为： (2-12)那么能够得到： (2-13)可见，对于这个特征向量来讲，R 是其对应的特征值，并且R是的自相关实对称矩阵，因此，不同的特征向量之间应该要正交。 由此可见，求取 K-L系数的步骤如下所示： 1) 对于向量 X，首先应该求取它的自相关矩阵 ， K-L的产生矩阵也可以是数据的协方差矩阵，其中为均值向量。 2) 在这一部分需要求出特征值和特征向量，而矩阵。 3) 系数。 “整个变换过程是在原来的向量空间的基础上将其进行变换，使得原来向量之间的相关性发生了改变，使得一些带有较少信息的向量被去掉，因此达到降低向量空间维度的目的”（19）。 2.1.2 PCA技术PCA 技术是将人脸的特征空间降维的技术，构造新的人脸特征空间时，需要在原来的人脸中求一组正交的向量，而新的人脸特征空间就是由这组正交向量中的部分组成的。这些重要部分组成了特征脸，因其保留了人脸的形状，因此能够表征人脸的基本信息。具体的人脸识别步骤如下所示： 步骤一：将人脸数据库输入到算法中。 在这一部分需要将人脸数据库中的数据进行归一化，并将数据库中的人脸数据分成训练集和测试集用于后续的人脸识别，将的人脸空间转换成的形式进行表示。 步骤二：进行 K-L变换，得到相应的产生矩阵。 生成矩阵可以使用训练集的整体散落矩阵，可以写为：，除此之外也是一种表示方式。 其中，是均值，M 是训练集的个数，而是第 i 个样本。在求取本征值和本征向量的过程中，为了减少运算量，将使用 SVD 定理来进行降维。 步骤三：对图像的本征值和本征向量进行运算。 SVD 定理：设 X 为一个随机矩阵，且矩阵维数为，那么在这个基础上得到： 正交矩阵：，其中正交矩阵：，其中对角阵：，其中以上三个式子满足下式：那么我们能够得到：能 够 通 过 一 种 方 式 来 表 达 ：，其中，那么可以得到矩阵：那么本征向量能够从推断出来：，其中。 由于维数较小，因此计算量也随之变小。本征值降序排列，可表示为：，那么对应的本征值可以表示为，相应的可以称作特征脸，所有的特征脸又可以叫做特征脸空间。特征脸空间中，大的特征属性值可以表示为人脸整体轮廓以及附近环境，而小的值用来表述细节特征，所以人脸的低频部分主要由主分量表示，而高频部分由小分量表示。 步骤四：将训练集合和测试集合映射到特征空间中。将所有人脸图像统一映射到特征子空间，图像都会各自对应每一个空间坐标，并具有自己的坐标系数的坐标，这组系数代表相应的人脸图像。在正常情况下，一个特定的人脸图像，可以通过多个特征脸的加权组合得到，用于最终的人脸识别。通过 K-L变换产生的系数，即为：。 原始图像能够根据相应的矩阵以及系数转变成新的图像，即：新的图像拥有自己的参数信噪比：步骤五：对待识别样本进行分类。 通过分类器将待识别进行分类，分类方法可以是贝叶斯算法，SVM 算法、最近邻算法等等。2.2 基于几何特征的人脸识别方法 基于几何特征的人脸识别方法是最早、最传统的人脸识别方法之一。人脸中包含上额、眼睛、鼻子、嘴和下额等主要的人脸组成部分，正是因为这些组成部分的形状、大小以及个部分的相互之间的几何关系的差别，使得世界上人与人之间脸部的不同。利用眼睛、鼻子、嘴等局部特征和各个特征之间的几何关系对人脸进行识别就是基于几何特征的识别方法。该方法本质上是利用角度、曲率以及欧式距离等作为识别依据。 目前，在比较常见的基于几何特征的人脸识别方法主要有以下两种： “基于几何特征曲率进行分类识别的方法是依据人脸器官的轮廓弧线的曲率进行分类的。首先按照面部各器官眼睛、鼻子、嘴的轮廓曲线的曲率等建立分类数据库，在进行人脸检测时，计算出待检测的轮廓曲线的曲率不同的器官，通过相关算法与分类库中的人脸的轮廓曲线曲率进行匹配，完成人脸识别。基于几何特征曲率进行分类识别是一个对高图像质量的效果非常理想的分类与识别方法但对人脸图像的图像质量较差、各种器官轮廓提取效果的差，继而人脸识别结果到不到理想效果。”(12) “基于面部几何特征的识别方法是根据人脸的器官的特征构造人脸的特征矢量”(13)，根据不同的特征矢量建立分类库，在人脸识别时，计算待检测人脸的特征矢量，通过相关算法与分类库中的人脸的特征矢量进行相似度匹配完成人脸识别。基于几何特征的人脸识别方法简单并且容易理解，但这种方法是一种基于人脸的先验知识的非自动识别过程，同时，当人脸处于复杂背景下，被障碍物遮挡，面部表情和姿态的变化对系统识别率具有相当高的影响，且鲁棒性很差。2.3 隐马尔可夫模型方法 基于隐马尔可夫模型的方法早期被应用于声音识别上，并取得了很好的效果，之后被 Nefian 和 Hayes引人到人脸识别领域中，近年来，愈来愈多的人对该方法进行研究，并取得一定的效果。隐马尔可夫模型(Hidden Markov Model)是一种常见的识别模型，具有较高的研究价值。 马尔可夫在二十世纪初提出了基于数学分析方法研究自然过程的马尔可夫链，这种体系结构严谨而且丰富，经过在工程中应用，表现出良好的应用价值。该模型是基于统计模型基础的一种模式识别方法，通过扫描样本图像提取的特征作为参数建立模型，模型参数具有相当稳定的特性，对表情、形态具有很好的鲁棒性。因为每个人脸上都有其自身的特点，相同的脸在光线照射不一样时拍摄出来的图像是不尽相同的，但各个器官的位置比例是固定的，并且与其他人这些部位的分布及各个部位的连接关系都是不同的。正是因为人脸的这种特性，对样本图像进行区域扫描，将个部分的特征作为参数建立隐马尔可夫模型进行表示。“隐马尔可夫模型照顾到了各个器官的不同特征以及相互关联，也不需要对人脸图像进行复杂的特征提取，能够相当不错的表示人脸模型，对形态、表情和外界环境的变化不敏感，鲁棒性也是相当好的，同时具有很高的识别率，但隐马尔可夫模型唯一的缺陷是存储空间必须较大，复杂度较高。” （11）2.4 基于神经网络的方法 神经网络，从名字可以看出，该方法通过对人脑的结构和工作机理的模拟，使用大量的连接构建类似人脑的计算模型的复杂性来解决识别问题的处理单元。 “但该方法最早应用于人脸识别领域中是在二十世纪末 Kohonen 提出的基于自组织映射神经网络的人脸识别系统，随后越来越频繁的应用于人脸识别。”（14）“现在广泛使用的人脸识别系统中常用的基于神经网络主要包括BP（Back Pr