段的方法。以测光外观为基础的方法通常是作为大量的训练数据用在不同的方位和不同光照条件下收集不同的眼睛数据。然后构建个眼睛检测的分类或回归模型。本特征分析已经在眼睛检测中得到应用。扩展特征脸技术的面部特征，产生特征值，特征脸，以及描述和编码。等人提出了使用距离矢量场检测眼睛和嘴的方法。近日，和提出使用颜色信息和小波起提供个新的有效的支持向量机眼检测方法。态变化等四种变化,同时还在距离,背景上加以区分,可以有效的对人脸识别算法进行评价与测试。人脸库人连数据库是有赢过剑桥大学在早起创立的人脸数据库。人脸库中主要包含了人的共张人脸图片。人脸数据库中人脸图片的外部条件变化不是特别明显,主要适用于人脸算法在较为理想外部条件下的测试工作。还有其它很多人脸库,如欧洲的以及多模型人脸数据库日本数据库等,具体参考。不同的人脸数据库,图像的质量和内容也是不同的,为了客观的全面的测试人脸识别算法的性能,考虑不同因素对识别方法的影响,本文在和两个标准人脸库上分别进行人脸识别实验。第三节实验环境,步驟及参数设置实验环境本文实验是在机上进行，系统为，中央处理器为，内存。本文代码是基于中的语言所写，使用的编译环境为。本文实验主要在人脸库以及人脸库进行，其中人脸库的变换比较小，比较适合反映在稳定外部条件下的算法性能，而人脸库则是包含显著光照变化以及姿态变化，所以比较适合测试在实际应用状态下的人脸识别算法性能。图运行结果以及运行消费总时间二实验方法实验包括了和人脸库，每个实验均采用了最小距离法作为分类器。大量的实验显示，所提出的方法在的情况下，得到的结果最为满意。同时，指出方法用于人脸识别时能够得到最好的效果。所以本文所有的实验结果都同时和,进行对比。第四节实验基于人脸库的实验人脸库中包含了十个人的人脸图像，每个人都有张在不同光照下拍摄的正面图像，我们在此将这些图像按照不同的光源角度分为五个部分，到，从开始光照条件逐渐减弱。然后实验分成个子实验，实验用当作训练样本，实验以当作训练样本，实验以每个人光照比较好的张图片当作训练样本。图作为实验中的部分训练样本表在人脸库中对和进行实验的对比,,图作为实验中的部分训练样本表在人脸库中对和进行实验的对比,,图作为实验中的训练样本表在人脸库中对和进行实验的对比,,二基于人脸库的实验我们抽取了人脸库中个人,每人张阁片共张图片，采用了张训练图片张测试图片张训练图片，张测试图片这两组来进行了实验,测试次数为次。图第组实验中编号志愿者的训练样本表人脸库张训练图片，张测试图片方法识别率,,图第二组实验中编号志愿者的训练样本表人脸库张训练图片，张测试图片方法识别率,,第五节结果与分析传统的方法只考虑了局部像素点与周边邻近像素点之间灰度值的大小关系，而忽略掉了对比度值。这些丢弃的对比度值却往往蕴含着大量的纹理特征，也是表示物体表面细节特征的重要组成部分。针对这个缺点，提出了种方法，在进行光照归化操作后，将人脸图像的光照情况控制在定范围内，然后将局部像素与周围像素之间的对比度值映射到个对比度层次，从而增加局部纹理特征的描述能力。另外，还通过统计映射的方法降低了的特征维度。实验数据充分验证了提出的方法的有效性。第五章总结与致谢年月，我开始了我的毕业论文工作，经过长时间的写作到现在论文基本完成。论文的写作是个长期的过程，需要不断的进行精心的修改，不断地去研究各方面的文献，认真总结。历经了这么久的努力，终于完成了毕业论文。在这次毕业论文的写作的过程中，我拥有了无数难忘的感动和收获。月初，在与导师的交流讨论中我的题目定了下来，是基于改进的人脸识别算法研究，当开题报告定下来之后，我便立刻在网上着手资料的收集工作中，当时面对众多网络资料库的文章真是有些不知所措，不知如何下手。我将这困难告诉了指导老师，在老师的细心的指导下，终于使我了解了应该怎么样利用网上的浩瀚的资源找到自己需要的关于人脸识别方面的资源，找了大概篇左右相关的论文，认真的阅读，总结笔记，为自己的论文打好基础。主要是为了发现过去那些论文之中的观点，然后避免有重复的观点出现。在搜集资料后，我在电脑中都进行分类的整理，然后针对自己不同部分的写作内容进行归纳和总结。尽量使我的资料和论文的内容符合，这有利于论文的撰写。然后及时拿给老师进行沟通，听取老师的意见后再进行相关的修改。老师的意见总是很宝贵的，可以很好的指出我的资料收集的不足以及需要什么样的资料来完善文章。月初，资料已经查找完毕了，程序也已经调试完毕，我开始着手论文初稿的写作。初稿的写作显得逻辑结构有点不清晰，总是想到什么相关的问题就去写，而没有很好的分出清晰的层次，让文章显得有点凌乱，这样的文章必然是不符合要求的，但毕竟是初稿，在老师的指导下还要进行反复的修改。写作毕业论文是我们每个大学生必须经历的段过程，也是我们毕业前的段宝贵的回忆。当我们看到自己的努力有收获的时候，总是会有那么点点自豪和激动。任何事情都是这样子，需要我们脚踏实地的去做，步个脚印的完成，认真严谨，有了好的态度才能做好件事情，开始都觉得毕业论文是个很困难的任务，大家都难免会有点畏惧之情，但是经过长时间的努力和积累，经过不断地查找资料后总结，我们都很好的按老师的要求完成了毕业论文的写面。其次，我们提出了个新的特征像素提取方法，用在相对偏阈值方法。新方法有助于与其他特征像素提取方法相比提高了眼检测性能。第三，方法由于引入了特征的像素以及参数，表现出了出了优越表达能力和灵活性的方法。最后，在与国家的最先进的些方法相比，我们的方法所能达到的眼科中心的定位精度最高。关键词特征局部二进制模式局部二进制模式人眼检测距离矢量相对偏差阈值的简介何为局部二元模式方法，该方法通过比较中心与其邻居像素得到限定灰度不变纹理的描述值，是个受欢迎的纹理分析的方法。在纹理分析较早阶段，提出纹理单元和纹理谱的概念。的三个值表示中心像素和其邻居之间的三个可能的关系个像素的纹理单元由八个元素组成，其对应于八个相邻的邻域具有三个可能的值表示小于，等于，或大于。其结果是，有可能的纹理单元总数。个区域的纹理频谱由的纹理单元在区域直方图定义。然而，由大量可能的纹理单元，构成了计算的障碍。为了减少计算负担，和等人。提出了适用于两个关系的方法小于或等于或大于是由两个可能的值表示或的方法，从而减少了纹理单元的总数从至，这可以通过八个二进制数来表示。纹理单元两者关系的版本被命名为局部二元模式或。该方法在许多模式识别任务中得到应用。虽然我们从的表现中想到了我们两个问题。首先，只比较有其自己的邻居像素个像素。我们相信，更多的信息可以披露，如果我们能在像素与其他街区邻居素进行比较。但是比较随意的像素与任何其他街区可能无法提供有用的信息。我们的第个问题是如何定位的像素和邻域比较之后将提供有用的信息。第二，编码大约局部纹理与功能，如边缘，峰和谷的关系的信息很少。我们的第二个问题是如何设计的纹理描述符编码局部纹理与特征的关系的详细信息。这两个问题促使我们这项研究。我们的研究的目的是要找到个新的纹理描述符，它可以解决两个问题。所以我们提出了种基于纹理特征的新的局部二进制模式特征方法。他特性是由满足特定应用的要求的任何特征广泛定义，如边缘的强度峰或谷，在小波特征，颜色特征以及与相对偏阈值功能的。是本文的贡献如下这个新的方法是通过编码局部特征信息。与原来的只有比较的像素与在其自己的邻居的像素相反，可以在其自己的邻域，以及在其他领域比较像素。所述概括其可以被认为是个特例的。该预计比执行纹理的描述和模式识别方法更好。由于编码方法基于纹理特征特征信息所以的性能取决于特征点的提取。为了提高性能，我们提出了个新的特征像素提取方法，具有相对偏阈值方法。对于对人眼检测的应用，使用深挖数据库，实验结果表明本方法显著于方法提高了两个眼的检测率和眼中心定位精度方面与其它特征像素提取方法相比新特征像素提取方法有助于提高眼睛检测性能由于引入特征的像素以及其参数所述，方法显示出优越表达能力和灵活性符合的技术方法状态相比，方法实现眼中心定位精度最高。背景近年来，该方法已在许多模式识别任务上面进行应用，如人脸检测与识别，场景和图像纹理分类应用。原始的的许多扩展算法已经提出了各种方法以提高性能。等提出了基于纹理特征用于人脸识别面部图像表示。面部图像被分成特征分布被提取并连接起来形成个增强特性矢量，作为脸部描述符几个区域。和提出了种高阶局部图案描述，局部导数模式人脸识别。和提出了量化的本地模式，其使用对照表基于矢量量化编码较大或较深的模式的推广。和介绍了局部三元模式，人脸识别。和提出，融合局部特征，全局频率的功能，以及颜色特征对于提高人脸识别的性能的方法。巴纳吉等提出了新颖的彩色描述场景和图像纹理分类。眼睛检测，是人脸特征点检测的个例子，在自动面部识别系统发挥着个重要的角色。眼睛有些独特的几何和光度特性，这为他们提供本地化的重要和可靠的信息。尽管大量的研究已经进行了些进展报道，眼睛检测仍然是个挑战性的研究课题，闭眼，照明变化，眼睛大小和方向等的困难因素是三种主要类型眼睛的检测方法是基于模板的有特色的基于特征的和光度的外观为基础的方法。提出了种变形模板的面部特征，其中个是将眼睛被参数化描述。具体地说，能量函数被首先定义为在图像中的边缘，峰和谷链接到模板的属性。模板然后与图像动态交互，通过改变其参数值以最小化能量函数，并通过这样做变形本身为最合适的。的方法，但是，不仅费时费力，而且极其依赖于模板的初始位置。如果模