1. 研究目的与意义
人脸的自动识别是生物测定学研究的内容之一，是模式识别领域中的一个前沿课题。该课题的研究已有 30多年的历史。人脸识别正越来越成为当前模式识别和人工智能领域的一个研究热点。目前，人脸识别现已成功应用到机场口岸检查、刑侦办案系统、门禁系统等许多领域。人脸识别从广泛意义上来说有三个作用：一是提升安全性，通过人脸识别自动开启门禁，使得部分不允许进入公共区域的人无法通过其他方法混入，从而提升区域的安全性；二是提升便捷性，像人脸识别解锁、人脸识别付款等都是1秒钟不到的事情，比起普通的方法，人脸识别显然是提升了便捷性；三是提升科技性，无论是在哪一个方面，人脸识别依靠着先进科技，完成它的使命，实际上也是提升了整个社会的科技性。
2. 课题关键问题和重难点
本课题的主要内容是图像预处理，它主要从摄像头中获取人脸图像然后进行处理以便提高定位和识别的准确率，该模块主要包含光线补偿、图像灰度化、高斯平滑均衡直方图、图像对比度增强，图像预处理模块在整个系统中起着极其关键的作用图像处理的好坏直接影响著后面的定位和识别工作。人脸检测是人脸识别的一个关键环节#8226;现在人脸检测方法可归为两类：一是基于知识建模的人脸检测，能够在一定程度上用于复杂背景图像中的人脸检测，但是要想进一步提高知识模型的适应能力 ，需要综合更多的特征，这实际上设计到图像理解这一困难的问题，这是此类方法进一步发展遇到的主要障碍，二是基于统计模型的方法，该方法具有很强的适应能力和售棒性，但由于需要对所有的检测窗口进行穷举搜索计算复杂度很高，因此检测速度有待遇提高，另外“非人脸〞样本的选取仍然是一个较为困难的问题。
3. 国内外研究现状（文献综述）
人工神经网络是一门以对大脑的生理研究成果为基础，以用机器模拟大脑的某些生理与机制，实现某方面功能为日的的学科。研究神经网络，特别是神经学习的机理,对认识和促进人自身发展有特殊的意义。神经网络有许多具有非线性映射能力的神经元组成，神经元之间通过权系数连接。网络的信息分布式就存在连接系数中，使网络具有很高的容错性和鲁棒性 神经网络技术已经被有效地用到组合优化、图像处理、模式识别、自动控制等方面。基于神经网络技术的人脸识别方法是人脸识别研究领域中的一大重要分支。
2 3模式识别模式识别，就是通过计算机用数学技术方法来研究模式的自动处理和判读。这门学科使用计算机的方法实现人的模式识别能力，即对各种事物或现象进行分析、描述、判别和识别。在人脸识别中，如果是个人识别，则每一个人就是一个模式，预先存在数据库里的图像就是样本；如果是性别识别、种族识别或年龄识别，则不同的性别、种族或年龄就构成一个模式；如果是表情识别，则不同的表情就是模式。人脸识别重在讨论个人识别,人脸识别的最终目的就是利用人脸图像确定待识别的人究竟与数据库里的哪个人是同一个人,这是谁 的问题;或要判断这个人与库里的某个人是不是同一个人，这是一个“认识或不认识”的问题。
人脸检测与定位是自动人脸识别系统首先需要解决的关键问题，也即检测图像中是否有人脸存在，若有;则将其从背景中分割出来并确定其在图像中的位置。在某些可以控制拍摄条件的场合，如警察拍摄罪犯照片时将人脸限定在标尺内,此时的人脸定位由于己经具备了人脸位置的先验知识而相对比较简单;证件照(身份证、护照等）由于背景相对简单，定位也比较容易：但在通常情况的实际应用中，人脸在图像中的位置预先末能得知，人脸检测与定位将受到以下因素的制约：
4. 研究方案
开发工具选择：matlab
光线补偿：由于光线原因，所照的图像可能会存在光线不平衡的情况而造成色彩偏差，为了抵消这种整图像中存在的色彩偏差，本系统采用的解决方法是：将整个图像中的所有像素的亮度从高到低进行排列，取前5%的像素，然后线性放大，使这些像素的平均亮度达到255，实际上就是调整图片像素的RGB值。 图像灰度化：图像灰度化是将图像变成灰色，本系统中采用以下步骤来实现图像的灰度化：彩色转换成灰度、灰度比例变换灰度线性变换灰度线性截浙、灰度取反。 高斯平滑：在图像的采集过程中,由于各种因素的影响,图像中往往会出现一些不规则的随机噪声,如数据在传输、存储时发生的数据天失和损坏等;这些都会影响图像的质量，因此需要将图片进行平滑操作以此来消除噪声。但是如果平滑不当，就会使图像本身的細节如边界轮廓，线条等变的模糊不清，为了既斗滑掉嗓声又尽量保持图像细节，本系统采用高斯平滑。 均衡直方图：使用该模块的目的是通过点运算使输入转换为在每一灰度级上都有相同的像素点数的输出图像。 图像对比度增强：为了将图像的特征生步量现出来，需票进行图像的对比度增强，主要通过对图像的灰度值进行统计，对于小于Low则认为是有关的信息，则将三作为黑色处理，对于处于High以上的则认为是一些无关的信息，将它们去掉，而处于两者之间的，则进行对比度增强，将他们在总的灰度值里面的比例作为新的像素信息保存起来。 人脸检测：有基于模版，基于统计模型，基于特征三个大类。许多方法都不能简单地日为以上提到三类方法中的某一类，而是两类甚至三类方法的融合。比较流行的有主成份分析法 (PCA)，自适应性提升算法(Ada boost）等等。
求协方差短阵的特征值和特征向量，构造特征脸空间，协方差矩阵的维数为MN*MN,考虑其维数较大，计算量比较大，所以采用奇异值分解定理，通过求解ATA的特征值和特征向量来获得AAT的特征值和特征向量。求出AA的特征值入i及其正交归一化特征向量根据特征值的贡献率选取前p个最大特征向量及其对应的特征向量vi贡献率是指选取的特征值的和与占所有特征值的和比。
5. 工作计划
2022-2023-1学期第15-16周：准备开题报告，阅读并摘要与课题有关的中文资料，收集相关设计资料。
第17-18周：准备开题报告，阅读并摘要与课题有关的中文资料，收集相关设计资料。
第19周：完成英文翻译一份，进行方案论证，确定初步设计方案。
