毕业设计（论文）的内容

1、人脸识别的基本原理及常见算法

2、SIFT特征提取的实现原理

3、SIFT特征提取在人脸识别上的应用

毕业设计（论文）的要求与数据

1、有技术背景介绍

2、有理论的阐述和算法的推导

3、针对具体的问题有算法的依据阐述和比较研究，有实验支持

4、在AR人脸库上完成所需工作

5、实验结果与论文一致

毕业设计（论文）应完成的工作

1、阐述人脸识别的基本原理及常见算法；

2、说明SIFT特征提取的实现原理；

3、实现SIFT特征提取在人脸识别中的应用并进行展望。

......

实验结果与分析

人脸识别是非刚性的，神情、光照、姿态、遮挡等客观存在的因素对识别的准确率有很大的干扰，为了验证本文方法对以上四种因素的鲁棒性，从人脸库中选择合适的人脸图像进行实验，实验软件为MATLAB。

实验过程如下：按照第3章中的SIFT实现原理进行SIFT特征集的提取，把每张人脸图像[22]的原始图像当作模板图像，其余图像是经过光照、神情、姿态、部分遮挡等变化得来的[4]，对这些图像进行实验。首先进行的是单张图像从创建尺度空间到生成特征描述子的实验过程（即SIFT特征提取），然后在光照、神情、姿态、遮挡等因素变化下进行匹配实验（基于SIFT特征提取的人脸识别实验）。

SIFT特征提取的实验具体分为三个步骤：尺度空间的创建、关键点的检测以及描述子的生成。

（1）高斯与DOG尺度空间生成

为了能够有效的检测到尺度空间里的极值点，首先我们必须创建合适的尺度空间。用高斯平滑滤波器对图像进行处理，也就是使用高斯核来对每层图像实现平滑操作，这时被创建的金字塔就是高斯金字塔，这个塔上的每层图像称之为高斯图像。

如图4.1是在MATLAB上进行创建高斯图像金字塔的结果图，图片是依次模糊的（尺度变化），能够看到高斯金字塔有4组octave，每组5张高斯图片。

......

本文主要对基于SIFT特征提取的人脸识别算法进行研究。本文的主要工作安排如下：

（1）了解人脸识别的研究现状和特征提取方法，掌握人脸识别的基础概念。

（2）深入了解SIFT特征提取的实现原理，掌握每一步的概念及意义。

（3）通过对在光照变化、神情变化、姿态变换、图像遮挡等情况下的单幅人脸图像进行特征提取与匹配实验，验证SIFT特征提取在面对复杂环境时的鲁棒性。

人脸识别的研究仍然具有很多的挑战，人脸识别不仅要考虑在各种人脸库中的识别效果，更需要的是能够抵抗现实复杂环境中存在的各种干扰因素，比如光照、噪声、神情、部分遮挡、尺度变化以及一定程度的仿射变换等因素的影响。基于SIFT特征提取的人脸识别方法是局部特征点提取算法中的一种，这种算法如今在人脸图像面临各种复杂因素的影响下具备很强的鲁棒性。将来人脸识别技术一定会有更多更好更有效的方法被提出来，检验一个算法的健壮性的好坏最终要的就是检测其在真实环境中的表现能力；此外3D人脸识别技术成为人脸识别发展的一个重要方向，3D可变模型可用于对人脸进行建模，摆脱二维人脸图像算法的约束，获得更加高效率高精确度的识别效果。