课题研究的主要问题

本课题主要从人脸面部特征来识别人脸，不涉及感知和心理分类方面，即采用的是基于代数特征的识别方法。

拟采用的研究手段

该方法采用的是基于代数特征的识别方法，也称为PCA。PCA人脸特征提取就是从人脸样本库中提取出一个特征矩阵，该特征矩阵的每一列都表示的是库中图像的一个特征。所以Cigenface就是把某些人脸图像转换成一个个小的特征向量集，它们构成了最初训练图像集的基本组件，识别的过程其实就是把一幅新的图像投影到Eigenface所定义的子空间。

人脸识别系统主要是由输入图像，预处理，人脸器官定位，特征提取，人脸图像识别五个部分组成。

本课题对人脸识别主要采用的是水平积分投影法。首先做的就是要对样本图像进行预处理，其中包括噪声去除、平滑处理和二值化等，然后利用二值化的图像，根据人脸的结构特征点和数学形态学的理论对人脸器官进行定位。根据Principal Component Analysis(PCA)的特征提取产生样本库，从而实现对输入图像的识别。

结论

在人脸图像识别中，主成分分析(Principal Component Analysis，PCA)是应用最广泛的一种方法，该方法被认为是人脸识别测评中的基线算法。其本质是寻找一个使得投影后数据的方差最大的投影方向，然后将其原始数据在该方向上投影。本课题主要选用的是利用人脸的水平积分投影法进行人脸的轮廓的确定。首先要对人脸图像进行二值化处理、平滑处理等，能够使得人脸与背景分隔开来，然后再利用人脸的水平积分投影法进行人脸的定位。在人脸左右位置确定之后，就可以知道这两者之间的水平距离，从而准确的确定出人脸区域的宽度，人脸区的左右坐标点位置都能得到确定。然后再利用PCA主元分析法对人脸的特征进行提取，最后做出判断。