基于Matlab实现人脸识别系统+GUI操作界面毕业设计（源码+图片数据集+课题介绍）.rar

一、引言 这个高速发展的时代，一切事物都将与“快”相联系。人脸识别技术的发展成熟保证了人们的信息安全，二维码的飞速发展成为了现如今信息传递的新媒介。“慢”就会被淘汰，因此减少现如今人脸识别过程的时间仍是目前研究的一个课题。本文将现今两项比较前沿的领域——人脸识别和二维码，融合在一起，以达到快速识别人脸信息的目的。 其中，人脸识别技术的优点在于：①图像采集方式灵活、方便，通过手机、相机等设备就能完成；②图像的采集过程简单；③人脸图像信息易于处理；④人脸面部特征易于提取和识别。QR 二维码的优点在于：①QR码的可存储信息量大；②技术简单便于实现。将这两项前沿技术相结合，有望为人脸识别技术未来的发展提供一个新的思路。 二、人脸图像信息处理 2.1 主成分分析PCA 主成分分析（Principal Component Analysis）是一种应用非常广泛的基础数学分析方法。其内在思想是K-L变换或者霍特林变换，通过分析变量找出一组最优正交基，使得变换后的变量与原来变量之间的均方误差最小。通过K-L变换后，将原来的自变量变换成另一组变量，变换后的变量便是“主成分”。从“主成分”中提取一部分重要成分作为新的自变量，最后用最小二乘法对选取主成分后的模型参数进行估计。 PCA 原理[1]是将一个高维向量通过一个特征变换矩阵将变换后的变量投影到一个低维向量空间中形成一个低维向量，并且几乎不损失主要信息。本文的人脸识别过程中，将每一个特征脸处理成了一个特征脸。 本文运用PCA 算法将ORL人脸库的数据信息进行降维处理，得到的特征脸信息再与QR二维码技术结合，设计出基于主成分分析的人脸二维码识别系统。 2.2 PCA人脸压缩与重构算法分析 本文的训练集以及测试集采用的是 ORL 人脸库。基于 ORL 人脸库的信息多样和标准灰度图像的优点，我们将直接对选取的人脸样本集进行训练。从ORL人脸库中选取380张人脸图像，每张图像的像素为112×92，为了方便数据处理我们将每张图像放缩成像素为 64 × 64 的图像。 图 1 所示的图像为放缩后的图像，可以看出经过放缩后的图像仍然可以完全识别，而且没有损失主要的特征信息。