摘 要：生物识别技术使用了人体本身的生物特性作为鉴别方式，与传统的身份鉴别方法是完全不同的。由于它具有相对更高的安全性，可靠性和有效性，受到越来越多的人们的关注。本文介绍了多种人脸识别方法，基于对人脸识别方法优缺点的分析比较，提出了一种基于主成份分析（Principal Component Analysis,PCA）的人脸识别方法。通过PCA算法对人脸图像进行特征提取，再利用最邻近距离分析法对特征向量进行分类识别。利用剑桥ORL的人脸数据库的数据进行实验仿真，仿真结果验证了本算法是有效的。95094

毕业论文关键词：人脸识别，特征脸，K-L变换，主成分分析。

Abstract: Biological recognition technology uses biological characteristics of the human body as a way to identify, which is completely different from the traditional identification methods。  It has drawn more and more people's attention because of the relatively higher level of security, reliability and validity。 This paper introduces a variety of face recognition methods。 Based on the analysis and comparison of the advantages and disadvantages of face recognition method, a face recognition method based on principal component analysis is proposed。 The feature extraction of the face image is carried out by PCA algorithm, and the nearest neighbor distance analysis is used to classify the feature vector。 Using the data of Cambridge ORL's face database, the simulation results show that the algorithm is effective。

Key words: Face recognition， Eigenface， K-L Translation,  Principle Component Analysis 

目  录

1  前言 4

2  人脸识别技术 5

2。1  人脸识别技术研究内容 5

2。2  人脸识别技术的发展趋势 5

3  人脸识别的Matlab实现方法与理论 6

3。1  Matlab简介 6

3。2  基于Matlab人脸图像预处理 7

3。3  主成分分析法(PCA) 7

3。3。1  主成分分析法的基本思想 7

3。3。2  K-L变换 7

3。3。3  奇异值分解定理 8

4  人脸识别的PCA算法 9

4。1  特征脸空间 9

4。2  人脸图像的特征提取 9

4。3  人脸识别 10

5  利用MATLAB进行系统仿真 10

5。2  预存人脸向量库 12

5。3  特征脸空间 13

5。4  待识别人脸数据库 17

5。5  输入待识别人脸图像 17

5。6  人脸识别 18

5。6  显示人脸识别结果 19

结  论 20

参 考 文 献 21

致  谢 22

附  录 23

1  前言

当今，智能和科技逐渐融入人们的生活。如何确保信息安全已成为非常重要的事，一般的身份鉴别方式已无法满足要求。目前，人体的生物特征识别技术，由于其具有高效率，稳定性，快捷性和独特性的特点，逐渐成为一个热门的领域。生物识别技术主要是基于一些人类独有的如指纹，虹膜，人脸等特性来识别身份信息。因此避免了传统鉴定方法的缺点。