基于Matlab的人脸识别登录系统

摘 要：人脸识别系统以人脸识别技术为核心，是一项新兴的生物识别技术，是当今比较热门的一项安全认证技术。它涉及人脸图像采集、人脸定位、人脸识别预处理、身份确认以及身份查找等功能技术。本系统基于Matlab进行开发,可以通过摄像头实时采集视频数据，从环境中中找出人脸,并对其进行分析，以达到人脸识别的目的,并可以自由设定参照的人脸。

关键词：视频采集；人脸定位；人脸特征处理

1 引言

脸识别是一项热门的计算机技术研究领域，它属于生物特征识别技术，是对生物体（一般特指人）本身的生物特征来区分生物体个体。由于人脸具有不可复制特性、采集方便、不需要被拍者的配合而深受欢迎。人脸识别系统具有广泛的应用：人脸识别出入管理系统、人脸识别门禁考勤系统、人脸识别监控管理、人脸识别电脑安全防范、人脸识别照片搜索、人脸识别来防登记等等。

人脸识别技术的基本原理是是基于人的脸部特征，对输入的人脸图象或者视频流 . 首先判断其是否存在人脸，如果存在人脸，则进一步的给出每个脸的位置、大小和各个主要面部器官的位置信息。并依据这些信息，进一步提取每个人脸中所蕴涵的身份特征，并将其与已知的人脸进行对比，从而识别每个人脸的身份。

通过学习和查阅资料，我们总结出的人脸识别算法主要有：
(1)、基于模板匹配的方法：模板分为二维模板和三维模板，核心思想是利用人的脸部特征规律建立一个立体可调的模型框架，在定位出人的脸部位置后用模型框架定位和调整人的脸部特征部位，解决人脸识别过程中的观察角度、遮挡和表情变化等因素影响。
(2)、基于奇异值特征方法：人脸图像矩阵的奇异值特征反映了图像的本质属性，可以利用它来进行分类识别。
(3)、子空间分析法：因其具有描述性强、计算代价小、易实现及可分性好等特点，被广泛地应用于人脸特征提取，成为了当前人脸识别的主流方法之一。
(4)、其他方法：弹性匹配方法、特征脸法(基于K-L变换)、人工神经网络法、支持向量机法、基于积分图像特征法(adaboost学习)、基于概率模型法等。

由于本学期的数字图像处理教材中出现了关于K-L变换和特征脸提取的相关知识，通过自学已基本掌握，所以本程序的人脸处理部分采用基于K-L变换的特征脸算法来实现。

虽然名为人脸识别登录系统，但本程序的重点在人脸识别部分，因此关于安全加密的部分做了简化，本程序旨在更好地理解人脸识别的全过程，将所学知识用于实践。

2 程序的设计与实现

2.1 程序架构简述

根据人脸识别技术所需要的人脸图像采