图3-4  本软件初始界面..23
图3-5  本软件运行后界面24
图3-6  系统时序图25
图4-1  程序主界面26
图4-2  选择测试图像界面27
图4-3  选择训练集界面..27
图4-4  选择完毕界面.28
图4-5  人脸识别已完成界面.29
图4-6  reconfaces文件夹下的特征脸..29
 1  引言
在如今的世界里，信息变得尤为重要，但信息也最容易滋生安全问题。我们如果想要安全地使用信息，就必须先声明自己的身份，只有被授予了权限的人才可以使用，这就使得我们要先在访问系统中加上身份认证系统。随着技术的发展，生物识别技术[1][2]扮演着越来越重要的角色。
生物特征包括指纹，人脸，虹膜，视网膜，掌纹，声音，签字等等。近年来，人脸识别得到了整个行业相当多的关注[3][4]，因为它是社会最接受且可靠的。人脸识别是一种相当灵活的生物识别方法，人们可以在毫无察觉的情况下被扫描并检测，而且整个装置的成本也很低。人脸识别在监控，医学等领域被广泛应用。
1.1  人脸识别简介
人脸识别是人类在日常生活中经常做的毫不费力的一项基本活动。随着功能强大和低成本的桌面嵌入式计算系统的广泛使用，数字图像的自动处理得到了长远的发展，其中个生物认证，监控，人机交互以及多媒体管理等做出了巨大贡献。人脸自动化识别的研究和发展也就自然而然产生了。
相对于指纹，虹膜等其他生物特征识别方式而言，人脸识别具有几大优势：除了是自然的和非侵入的，人脸识别的最重要的优势是，它可以在一定距离和在一个隐蔽的方式被捕获。Hietmeyer提出了751个生物属性，都通过机器可读旅行文档（MRTD）[5]进行评估，其中人脸特征得到了最高分，该系统中的评价因子包括注册，重建，公众认知和机器需求等。随着图像采集设备（监控摄像头，手机摄像头）的快速发展，以及网上大量的可用的面部图像，人脸识别作为一项主要的生物识别技术已经变得日益重要，安全性的要求也日趋提高。
世界上第一个人脸识别系统是由Kanade在1973年他的博士学位论文工作中开发出来的[6]。人脸识别的发展遇到一段休眠期直到Sirovich和Kirby用KL变换和PCA算法在低文度人脸表示上取得成果[7][8]。随后Matthew Turk和Alex Pentland又在振兴人脸识别的研究上取得了开创性的进展，也就是著名的特征脸方法[9]。在人脸识别研究上其它重要的里程碑有：Fisherface方法[10][11]，它基于线性判别分析（LDA）比PCA更进一步来获得更高的精确度；使用局部滤波器的例如Gabor jets[12][13]来提供更有效的面部特征；还有为实时人脸检测设计的基于级联分类架构的AdaBoost算法。
自从特征脸方法被提出，人脸识别技术得到了长足的进步。在受约束的情况下，例如在可控的光照，姿势，对峙，面部装束及表情下，自动人脸识别可以超越人类的识别性能，特别是当数据库包含大量的人脸信息时。然而，当人脸图像是在不受约束的环境下采集时，自动人脸识别仍面临诸多挑战。
1.1.1  人脸识别的类别
作为生物特征识别系统，人脸识别无外乎在两种模式下工作：（1）面部认证（2）面部识别。面部认证涉及一对一匹配，即把被查询的人脸图像与一个登记过的身份确认的人脸图像进行对比。使用电子护照自助办理出入境手续是人脸认证的典型应用。
面部识别涉及一对多匹配，即把被查询的人脸图像与数据库中多个与其身份有关联的人脸图像进行对比。在某些识别应用中，我们只需要找到最相似的脸。通过监控录像的监视以及指认的要求就不仅仅是最相似了。置信度阈值规定，所有这些面孔的相似度得分要高于阈值的报告。 使用JAVA开发人脸识别软件设计(2):http://www.751com.cn/jisuanji/lunwen_19331.html