本文主要对人脸识别理论、图像处理的重要性及其方法进行了研究。借助OpenCV技术支持，在摄像头输入的视频流中对人脸进行定位与图像提取，在人脸图像提取过程中对人眼状态与面部水平角度进行筛选。此外，对所述提取到的人脸图像在对比度与光线亮度以及面部与竖直轴线角度上进行修正处理，从而达到提高图像质量的目的，进而提高人脸识别的精度。

本课题的研究是针对所述项目中摄像头拍摄用户面部并生成所需人脸头像图片的环节，通过对用户面部的人眼状态与面部水平倾斜角度进行预判来控制人脸图像的获取过程，并对所得图像进一步进行光照，对比度以及角度的再处理，从而取得更高质量的人脸图片。这将为项目中接下来的用户人脸头像信息与后台已有的VTM用户身份证头像信息进行对比并生成得到两者的相似度值这一环节打下良好基础，提高其的准确度。由于获取相似度值是远程银行VTM的身份认证方法的关键环节，直接关系到此认证方法的精确度与可应用性，而应用高质量的图像进行比对将很大程度上提高相似度值的获取水平，因此本课题讨论的人脸识别中的图像质量检测与校正研究对于本项目的可实施性分析与安全性都将提供参考。

论文的主要工作

本文主要是针对人脸识别中的图像质量检测及校正技术，对摄像头获取的视频流进行人脸定位与关键点对齐，通过人眼状态和面部角度在人脸图像获取过程中进行图像预处理，并对捕获人脸图像在对比度与亮度上进行提高，同时利用定位点将人脸图像进行旋转进行角度校正，从而保证所获得的人脸均为同一角度即正对前方。从而提高人脸识别中的图像质量。

本课题的实现以Visual Studio 2013为平台，OpenCV提供技术支持，结合图像对比度处理算法，最终展示处理完成的图片结果。

论文的结构如下：

第一章：绪论。介绍了人脸识别中的图像质量检测与校正课题的研究背景和图像质量检测及校正在人脸识别中的意义，并对本课题的国内外研究现状进行了概述。

第二章：关键技术分析。介绍了人脸识别的基本原理及过程和图像处理在人脸识别中的应用；并对OpenCV的使用及特点进行阐述，具体包括：OpenCV的原理和OpenCV的安装及运行配置。

第三章：系统总体设计。介绍了系统功能模块，具体包括：人脸识别定位模块、人脸图像质量检测模块和人脸图像校正模块；并对系统流程和界面设计进行了说明。

第四章：系统实现及结果分析。介绍了基于视频流的人脸识别定位方法、人脸目标检测与采样留存方法和人脸图像样本的图像处理的实现过程，并分析实验结果。

第五章：总结和展望。对论文工作的总结和课题的展望。

系统功能模块介绍

人脸识别定位模块

人脸识别至少需要一个最基本的带有人脸的图像。而人脸识别定位模块的作用即在于检测及定位这个关键的人脸目标。通过打开摄像头，对摄像头提供的视频流进行检测，识别其中是否存在人脸目标。若存在人脸目标，则对人脸目标的大小和位置标记，对人脸轮廓和面部主要器官进行特殊点对齐，同时保存特殊点和人脸面部角度信息，为其他模块的处理提供依据。

人脸图像质量检测模块

这一模块的作用发挥在人脸识别定位后，通过对视频中每一帧的人脸图像进行质量检测。通过对人脸识别定位后得到的关键点进行处理，判断人眼的状态。进而通过人眼状态以及面部角度两个因素来界定当前人脸图像是否质量过关。在对视频帧的排查过程中得到合格的人像图片，为接下来的模块提供处理对象。

人脸图像校正模块

在人脸识别的过程中，进行图像处理的主要目的就是通过对人像图片进行处理，使得到的人像图片比原图片更有利于提高图片比对的准确度。这个过程的主要工作在于尽可能的去排除影响图片对比准确度的客观影响因素，使人像图片之间进行对比时，最终得到的相似度值尽可能纯粹的受影响于两张人脸图像中的人脸本身。因此在对这一模块进行设计时，选取了人脸面部的角度，人像图片的光照亮度和对比度作为校正对象。通过对在人脸识别定位模块得.......