本课题目标是要设计一个智能安防人脸识别系统。系统可以进行图像获取及检测，实时实现被测人的身份验证，故系统应该具备基于视频流的人脸图像实时获取、实时检测的功能。为此研究了识别过程中用到的主要算法，进行了验证。

本文主要利用图像灰度化、图像几何归一化、直方图均衡化方法对视频图像进行预处理。通过对人脸检测中Haar特征以及Adaboost算法的应用研究，结合了人脸分类器以及人眼分类器的使用来进行人脸检测，降低误检率。本文提出了一种基于LBP算子和主成份分析算法相结合的人脸图像识别算法，利用LBP算子提取人脸纹理特征的高性能以及主成份分析算法降维以及识别，能有效降低高维数据的特性，提高识别率。实验表明，与其它算法比较，此算法能够对人脸图像进行良好的分类识别。在系统设计方面，利用 Visual C++ 6.0 开发平台和 OpenCV （OpenCV Source Computer Vision Library，开源的计算机视觉库）设计了智能安防人脸系统软件，此软件进一步验证了算法的有效性。

本文所做的工作实在Visual C++6.0平台上导入OpenCV视觉库，利用其已优化的函数对视频流中图像进行分析，根据现有较成熟的算法来检测识别人脸，开发出能够完成智能识别功能的应用系统，通过对参数的调整，可应用于办公室等正常室内环境下的安防、智能监控等。

本文所做的主要工作

本文在查阅了大量参考文献，研究参考国内外视频监控系统功能特点以及人脸识别算法的基础上，对监控系统中人脸目标的检测、识别等问题的算法理论及效果进行了研究和实验。

a)在图像预处理方面，主要是对采集到的图像进行各种处理，实现了图像灰度化、图像几何归一化、直方图均衡等图像处理技术。

b)在人脸检测部分，主要任务是判断给定的图像中是否存在人脸，如果存在，则进一步确定人脸的位置、大小和数量。主要工作是学习并掌握了基于积分图的Adboost人脸检测算法。利用OpenCV已经训练好的人脸分类器以及人眼分类器相结合进行人脸检测。

c)人脸识别部分，包括特征提取以及识别。特征提取主要任务是对经过预处理后的人脸图像进行分析，从中提取用于识别操作的特征。识别的主要任务是将待检测的人脸与系统已经建立的人脸数据库进行比较，找出最相似的人脸，从而识别出待检测人脸的身份。本文主要工作是着重研究了LBP算法和PCA算法相结合的人脸识别算法。利用LBP算子提取人脸纹理特征的高性能以及PCA算法，有效降低高维数据的特性，得到人脸特征数据的本质几何结构。最后将降维后的数据作为分类器的输入进行人脸分类识别。实验结果表明：与同类算法比较，此算法能够对人脸图像进行良好的分类识别

d)利用OpenCV的开源代码，以VC++6.0为平台，开发了一个人脸识别系统，并对需求分析及算法进行实验分析，检测了系统的性能。

本文章节安排

本文总共分为五章节，安排如下：

第一章首先简要讨论人脸识别技术的研究背景及意义，以及回顾了人脸识别在视频监控系统的应用范围、发展概况和国内外研究现状。然后提出了本文的研究内容及本论文的结构安排。

第二章介绍了本文所采用的图像处理方法：图像灰度化、图像几何归一化、直方图均衡方法。 

第三章主要介绍矩形特征与积分图像，提供快速人脸检测的特征计算，以及对 Adaboost人脸检测算法进行了研究，级联多个分类器，实现了人脸的快速检测。

第四章是人脸识别算法的研究，主要介绍了LBP算子和PCA算法相结合实现人脸识别。

第五章是系统设计与实现，先介绍了系统设计所需软硬件以及系统功能，然后通过上几节研究的算法，开发出系统框架结构，并给出了系统运行的主要界面

最后全面总结了本文的研究成果以及存在的明显不足，为后续研究工作指出了可能的方向。

第五章先介绍了系统设计开发需要实现的功能，给出了系统设计框图。第二节介绍了OpenCV开源计算机视觉库的一些情况，包括OpenCV能实现的功能，OpenCV所包含的模块等。接着给出了本文所设计的人脸识别软件的开发设计目标以及设计流程和软件界面的设计。然后对软件程序设计中的几个主要的设计模块进行介绍。