信息與軟件工程學院基地班課程報告模板

1、信息與軟件工程學院工程訓練研修基地班研 修 報 告研修題目： 指導老師： 序號學生姓名學號班號成績12345678910（注：若以小組進行研修，學生姓名填寫按學生對該研修課題的貢獻及工作量由高到底排列，分數按排名依次遞減。序號排位為“1”的學生成績最高，排位為“10”的學生成績最低。）指導老師評語： 指導簽字： 本小組成員任務分工情況序號姓名學號任務分工完成情況12345678910摘 要摘 要文字（宋體小四號，兩端對齊，行距固定20磅）關鍵詞： 關鍵詞1，關鍵詞2，。- III -AbstractABSTRACTText.Keywords:目 錄目錄（自動插入目錄）第一章 緒論11.1 選題

2、背景及意義11.2 國內外研究現狀11.3 主要內容與章節(jié)安排11.4 本章小結1第二章 人臉識別的需求分析32.1 環(huán)境需求32.2 功能需求32.3 性能需求32.3 本章小結3第三章 人臉識別的設計53.1 總體設計53.2 功能模塊設計53.3 本章小結5第四章 人臉識別的實現74.1 開發(fā)環(huán)境介紹74.2 主要功能模塊的實現74.3 本章小結7第五章 測試及成果展示95.1 測試環(huán)境95.2 測試用例和結果95.3 成果展示95.4 本章小結9第六章 總結與展望11參考文獻12第一章 緒論第一章 緒論（本章內容根據項目情況自行組織）1.1 選題背景及意義正文文字（宋體小四號，兩端對齊

3、，行距固定20磅，段前后距離為0行）1.2 國內外研究現狀1.3 主要內容與章節(jié)安排1.4 本章小結- 18 -第二章 *的需求分析第二章 人臉識別的需求分析2.1 環(huán)境需求2.2 功能需求2.3 性能需求2.3 本章小結第三章 *的設計第三章 人臉識別的設計3.1 總體設計3.2 功能模塊設計3.3 本章小結第四章 人臉識別的實現第四章 人臉識別的實現4.1 開發(fā)環(huán)境介紹 一、硬件環(huán)境1、硬件配置原則具有可靠性，可用性和安全性，具有完善的技術支持。能夠滿足個人學習和設計需要。2、運行本軟件硬件資源CPU： 800M及以上；內存： 128M及以上二、軟件環(huán)境1、系統(tǒng)軟件配置原則 能夠滿足該軟件

4、的可靠性，可用性和安全性的要求2、系統(tǒng)軟件配置方案 配置有持續(xù)工作能力、高穩(wěn)定性、高度可集成的開放式標準的操作系統(tǒng)，如Windows 7，Windows 8，UNIX，Linux等。 配備Matlab軟件。4.2 主要功能模塊的實現 一、創(chuàng)建數據庫在本環(huán)節(jié)中主要分為兩個階段，分別為：1. 讀入系統(tǒng)人臉數據庫。2. 同時將二維人臉灰度圖像變換為一維人臉向量矩陣一個大小為M*N的二維人臉圖像可以看成長度為MN的人臉圖像列向量。為了將二維人臉圖像變?yōu)橐詾榱邢蛄浚覀儾扇〉拇胧椋菏紫扔嬎愠鋈四槇D像的大小，然后將人臉圖像經行轉置，最后按列依次取出，取出所有灰度值形成大小為MN的一維向量，其實整個階段的

5、效果相當于將圖像的灰度值按行取出依次連接成一維圖像向量。本環(huán)節(jié)完成后將會產生由一維圖像向量組成的矩陣T。二、計算特征臉本環(huán)節(jié)主要包括三個階段，分別為：1. 對圖像矩陣T進行規(guī)范化首先計算出圖像矩陣中一維列向量的平均值m，然后對圖像矩陣的每一列都減去平均值形成規(guī)范化的圖像矩陣A。2. 計算特征臉人臉訓練圖像的協(xié)方差矩陣為，其中人臉訓練樣本為，維度為，則協(xié)方差矩陣C的維度為。這就出現問題，C的維度過高，在實際中直接計算它的特征值和特征向量非常困難。因此，本文使用奇異值分解定理來解決這個問題。奇異值分解定理：假設B為維秩為p的矩陣，則存在兩個正交矩陣和一個對角矩陣：正交矩陣為 （4.23） （4.2

6、4）其中 （4.25） （4.26）對角矩陣為 則可以得到，而且和有共同的非零特征值，和分別為和對應特征值的正交特征向量。由上述定理可以得到 （4.27）則可以由協(xié)方差矩陣，構造出矩陣，從而容易求出L的特征值和特征向量，再根據上述（4-27）式可以求得協(xié)方差C的特征值和特征向量。實際上我們并不需要協(xié)方差所有的特征值和特征向量， m個（m<M，M為特征值的數目）特征值足夠用于人臉識別。所以，實際操作中，只取L的前m個最大特征值對應的特征向量用于計算特征臉。在本環(huán)節(jié)，本文通過直接構造，來計算出L的特征值，再挑選L特征值大于100的作為C的特征值，最后通過C的特征值計算出它的特征向量，從而形成

7、特征臉。三、人臉識別人臉識別過程分為訓練和測試兩個階段。在訓練階段，主要是提取數據庫人臉圖像的特征，并形成特征庫。在測試階段，主要是提取待識別圖像的特征和計算提取的特征和特征庫中特征之間的距離測度，并輸出最小距離測度對應的人臉圖像作為結果。 具體步驟如下：1. 訓練階段將規(guī)范化的圖像矩陣A中的每一列向量投影到特征子空間，形成特征庫。2. 測試階段假設測試人臉圖像為Y，在人臉識別前，先對其進行標準化，即。把標準化后的人臉圖像向特征子空間進行投影得到向量。本文使用最近鄰法分類器歐幾里德距離14,15進行判決分類。測試圖像與每個人臉圖像間的距離為 (k=1,2,P)，并將最小距離對應的訓練圖像作為測

8、試圖像的匹配圖像?？梢钥闯觯谌四樧藨B(tài)、表情有略微變化的情況下依舊可以成功識別出正確的人臉。人臉姿態(tài)發(fā)生變化下的人臉識別結果人臉表情變化下的人臉識別結果之后我們利用ORL人臉庫和自建人臉庫分別進行了測試。在ORL人臉庫的識別過程中，我們選取了250個人，每人2張照片作為訓練樣本。并對這250個人每人選取了其中一張照片作為測試樣本，并將人臉庫中的這張圖片對應的數據置空，每個人測試后最終統(tǒng)計成功識別73個人，識別失敗177人。因為我們采用的是最近鄰法分類器歐幾里德距離進行判決分類，因此對于識別失敗的人同樣會顯示與其距離最小的照片。識別成功率：第一組：成功73 人，失敗177人 成功率：29.2%第二組：成功67 人，失敗183人 成功率：26.8%總 共：成功140人，失敗360人 成功率：28.0%4.3 本章小結本章由創(chuàng)建數據庫，計算特征臉，人臉識別三個小節(jié)構成。在創(chuàng)建數據庫小節(jié)主要講解將圖片轉化為單維矩陣建立數據庫的基本思想。在計算特征臉小節(jié)主要講解計算特征臉的數學原理和數學方法。在人臉識別小節(jié)主要講解訓練和測試兩大流程。第五章