致 谢
首先要感谢我的毕业设计导师曹文明教授，他是我在人脸识别领域研究的启蒙老师。在整个毕业设计的过程中，他给了我各方面的悉心指导，他严谨求实的作风和渊博深厚的学识深深的感染了我。
感谢中科院王守觉院士在毕业设计阶段对我的课题研究工作给予的关注和支持，这给了我极大的鼓舞。
还要感谢沈珠俊同学和6-309寝室的全体成员，他们对待毕业设计的认真态度给了我很大的教育，同时也感谢他们随时随地的无私帮助。
毕业设计任务的如期完成离不开我自己的刻苦钻研和辛勤耕耘，但也离不开老师的指导和同学的帮助。这里，再次对他们表示感谢。

目 录
中文摘要 i
ABSTRACT ii
致谢 iv
目录 vi
第一章 绪论 1
1.1 人脸识别技术研究的背景和意义 1
1.2 人脸识别技术简介 2
1.2.1 人脸识别的研究范围 2
1.2.2 主要的人脸识别技术 2
1.3 人脸识别系统的构成 4
1.4 论文內容概述 4
第二章 人脸位置矫正算法 5
2.1 人脸位置矫正问题的引入 5
2.2 算法的设计思路 6
2.3 算法的基本实现步骤 6
2.4 算法参数设计和算法基本实现步骤的清晰化 6
2.4.1 垂直方差投影 6
2.4.2 水平积分投影 7
2.4.3 图像块纵向复杂度 7
2.4.4 眼睛黑斑模型 7
2.5 基于眼睛定位的人脸位置矫正算法 8
2.5.1 灰度人脸区域（人眼搜索区域）的确定 8
2.5.2 人眼位置的确定 10
2.5.2.1 搜索复杂度最大的图像块 10
2.5.2.2 利用人眼黑斑模型精确定位人眼 11
2.5.3 依据人脸图像的轴对称性矫正人脸位置 12
2.6 算法实验结果分析 13
2.7 结论 14
第三章 人脸特征提取与识别算法 15
3.1 特征提取需遵循的原则 15
3.2 主元分析算法 15
3.3 人工神经网络简介及BP神经网络训练算法的数学描述 16
3.3.1 人工神经网络及其特性介绍 16
3.3.2 BP神经网络训练算法的数学描述 17
3.4 基于神经网络的主元分析人脸识别方法 19
3.4.1 利用非线性神经网络提取主元特征 20
3.4.2 特征数据的归一化和BP神经网络识别 2
3.5 算法实验结果及分析 22
3.6 总结 22
第四章 人脸识别系统结构 23
4.1 人脸识别系统的目标 23
4. 2 本文的人脸识别系统结构 23
第五章 总结与展望 24
5.1 本文完成的工作 24
5.2 目前系统存在的不足之处 24
5.3 目前系统改进计划和今后努力方向 24
参考文献 25
附录A 毕业设计期间发表论文 26
附录B 人脸识别系统（软件）使用说明书

人脸识别算法

摘 要

人脸自动识别是模式识别领域的一项热门研究课题，有着十
分广泛的应用前景。本文对人脸位置矫正，人脸的特征提取和识别这些方面进行了研究，并提出了相应的实现算法。
人脸位置矫正作为人脸检测定位的一个环节，在计算机人脸识别中具有重要的意义。本文第二章提出了一种基于单人脸灰度图像中眼睛定位的人脸位置矫正方法，它是针对人眼灰度变化特点、人眼几何形状特征及双眼的轴对称性而设计的。实验结果表明，该方法对于双眼可见单人脸灰度图像能实现快速有效矫正，并能在矫正结果中精确给出双眼瞳孔位置。
本文第三章提出了一种基于神经网络的主元分析人脸图像识别方法。该方法利用非线性主元分析神经网络对人脸图像提取人脸特征（矢量），并在BP神经网络上实现了对人脸图像的识别。实验结果证明了该方法的有效性和稳定性。

关键词
人脸位置矫正，人脸特征提取，人脸识别，神经网络，灰度图像，图像块纵向复杂度，主元分析法，

The Design and Implementation of Algorithms for Human Face Recognition

Student: Yangbo Gu Advisor: /Dr. Wenming Cao

Department of Computer Science and Technology
College of Information Engineering
Zhejiang University of Technology

Abstract
The automatic recognition of human faces is a hot spot in the field of pattern recognition , which has a wide range of potential applications .
As the results of our in-depth research ,two algorithms are proposed : one for face pose adjustment , the other for facial feature extraction and face identification .
Face pose adjustment , as a loop of human face location, is very important in computer face /recognition. Chapter 2 of this thesis presents a new approach to automatic face pose adjustment on gray-scale static images with a single face . In a first stage , the right positions of eyes are precisely detected according to several designed parameters which well characterize the complex changes of the gray parameter in and around eyes and the geometrical shape of eyes . During the second stage , based on the location and the symmetry feature of eyes , the inclination angle is calculated and the face position is redressed . The experimentation shows that the algorithm performs very well both in terms of rate and of efficiency . What’s more , due to the precise location of eyes , the apples of the eyes are detected .
In chapter 3, a novel approach to human face image recognition based on principal component analysis and neural networks has been proposed . By using BP neural networks , human face images are successfully classified and recognized according to the output of BPNN whose input is the eigenvector extracted from the human face images via nonlinear principal component analysis of a single layer neural network . Simulation results demonstrate the effectiveness and stability of the approach .

Keywords
Face Pose Adjustment, Facial Feature Extraction , Human Face Recognition ,
Neural Networks , Gray-scale Static Image , Vertical-complexity of Image
Block, Principal Component Analysis