人脸识别技术的研究在近几年得到了高度重视,已经成为图像分析和理解中最成功的应用之一。但是,这些研究成果离这一问题的彻底解决还有很大的距离。因此,这一课题依然是当前研究的热点问题之一。 文章研究了基于肤色模型的人脸检测方法,提出了一种基于肤色特征和眼睛位置的人脸定位方法,该方法利用差分图像方法得到一幅有人存在的图像,依据人的肤色信息,在YCrCb空间进行肤色映射生成二值图像,然后根据人脸的形状特征确定人脸所在位置,最后确定出人眼位置,根据人眼的位置准确定位出人脸的上下左右边界,从而得到人脸的准确定位。 同时文章研究了基于特征脸、奇异值分解理论、小波理论、BP神经网络理论及HMM(隐马尔可夫模型)相结合的人脸识别方法,提出了一种改进的基于奇异值分解的人脸识别方法,该识别方法用一个采样窗对图像从上到下进行重叠采样,对得到的所有矩阵求奇异值,进行降维压缩,取每个矩阵最大的k个奇异值作为每一个采样窗的特征,得到一组向量,用这组向量作为人脸图像的特征进行识别。实验证明该识别方法具有较高的识别率。 最后文章实现了一个基于人脸识别技术的考勤系统的原型。该系统采用了改进的奇异值分解和最小距离分类器相结合的识别方法。首先基于差分图像和肤色信息检测出人脸,其次使用改进的奇异值分解方法提取面部特征,最后运用最小距离分类器进行识别。为了提高系统对光照条件的鲁棒性,系统在人脸检测环节采用了光照补偿的方案,依据人脸模型,通过眼睛的精确定位,定位出人脸,提高了定位准确度;在识别环节引入了图像的灰度标准化处理,降低了灰度变化的影响。 文章分为七个部分,第一部分简要介绍国内外相关课题的研究现状、相关理论、主要研究方法;第二部分简要介绍人脸检测技术相关的理论基础及本文中采用的人脸检测与定位算法;第三部分简要介绍了基于主成分分析的人脸识别算法的理论基础及算法实现;第四部分简要介绍了基于BP神经网络的人脸识别算法的理论基础及算法实现;第五部分简要介绍了隐马尔可夫模型;第六部分提出了一种改进的基于奇异值分解的人脸识别方法;最后,给出了一个基于人脸识别技术的考勤系统解决方案。