- 上一篇：单片机智能家电控制中心系统设计
- 下一篇：MATLAB列车称重监测系统设计及数据处理仿真
特征脸方法的基本思想是利用灰度均值构造新矢量，得到新的正交基，然后选取一些正交基获得正交K-L基底。若按照图像阵列排列对应特征值较大的基底，就会呈现出人脸的形状，特征脸方法^([8])由此得名。
(3) 基于连接机制的方法：弹性图匹配方法和神经网络方法属于基于连接机制的方法。弹性图匹配方法是一种基于动态链接结构的方法，动态链接结构可以没有对样本学习的过程，为了能够最大程度识别目标，提取特征时采用对平移和尺度变化具有最大鲁棒性的子波；弹性模板由一组根据特征形状的先验知识设计的可调参数定义。弹性图匹配法对表情的变化具有鲁棒性，并在一定程度上能够容忍视角的变化。另外当向人脸库中加入新的人脸时，直接加入新的模板数据即可，不需要改变已有的数据。人工神经网络的理论发展已有半个多世纪的历史。现在基于神经网络的人脸识别技术研究是一个非常热门的研究方向^([10,11])。目前应用于人脸识别的主要是BP误差反向传播神经网络，它能够根据有代表性的样本自我学习，具有自适应性和鲁棒性。神经网络处理信息时采用并行方式，可以显著地提高识别速度。
1.4 人脸识别技术所面临的问题
虽然人脸识别的研究工作取得了一定的成果，但同时也存在着很多的难题，主要有以下几个方面：
第一，人脸的外形不稳定。一方面人面部表情的变化会有很多，机器难以识别；另一方面受面部是否有附着物，如头发、胡须、口罩、墨镜等方面因素的影响，人脸的视觉图像也相差很大。
第二，所有人的人脸结构都很相似，甚至人脸器官的结构外形都很相近，不同个体之间的差别不大。利用这些特点进行人脸检测和定位是十分有利的，但是识别个体存在很大的影响。
第三，人脸识别的困难还在于不同光照条件和观察角度的影响。在获取人脸图像的过程中，如果光强、光源方向的不确定性，会使面部图像的灰度深浅不均匀，局部人脸的对比度就比较大，从而影响识别效果。
现在对人脸识别技术的研究取得了一定的成就，在肤色分割方面、三文图像识别的分析研究上也取得了一定的进展。我们可以相信在不久以后，基于人脸识别技术来实现身份识别的产品将在现实生活中随处可见。
1.5 论文结构安排
第一章，主要叙述人脸识别的形成背景，发展现状，使用价值和意义；
第二章，主要介绍用于本文人脸识别系统仿真所用到的MATLAB；
第三章，主要分析了人脸识别技术方法与理论；
第四章，主要分析了人脸图像的预处理方法；
第五章，主要分析了人脸图像的特征值提取。
第751章，主要分析了人脸图像的识别。
第七章，总结本文所作工作，展望下一步研究内容。