总段的方法。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，有可能的纹理单元数。结果如表所示表功能测试结果表编号测试说明期望结果实际结果成功失败测试设置更改个人信息是否成功个人信息成功保存到数据库数据库中可以找到更新了的个人信息成功测试下载任务书开题报告是否成功电脑上面能看到相应的任务书和开题报告能够找到成功测试与导师通过留言本进行交流能否成功导师能看到留言，并能回复学生和期望样成功测试教师是否可以出毕业选题将新添加的毕业设计选题提交给数据库，并且在网站上学生可以浏览到相应的选题数据库中能找到新添加的出题记录，并显示在相应的网页上面成功测试查看学生选题是否成功能看到学生的选题情况能和期望样成功测试查看毕业设计的相关公告和新闻能看到和期望样成功测试能否发布新闻发布相关新闻，并能显示在系统上与期望样成功测试能否查看学生的毕业成绩能看到学生的毕业成绩学生通过登陆系统，能看到自己的毕业成绩成功测试结论作者对此系统的功能性能，以及可用性均进行了测试，通过对测试结果的分析总结得出此系统的功能基本满足用户需求，性能基本达到需求，具有可用性和友好性。但是测试用例有定的局限性，测试环境和实际运行环境也存在着定的差异，所以不能完全地准确地测试出系统存在的问题，还需要在后期的维护过程中，对系统暴露出来的问题进行纠正和更新。对于测试代码的编写也显得过于单调笨拙，测试结果虽然正确，但对于些空条件的查询并没能很好地予于控制，会显示数据库相应表中所有信息。结论虽然系统还有很多不足之处，如程序中处理和输入控制不够全面，可能导致输入无效引发。但在整个开发过程中学到了很多的知识，增强了动手能力，积累了解决各种难题的经验。同时也发现了自己的许多不足之处，有待在将来的工作中进步的学习和完善，掌握和运用更多的知识。参考文献谭征，孙红霞项目管理在系统中的应用青岛远洋船员学院学报，年期张立富，吴宇红，陆夏美人事管理系统黑龙江水专学报，年期麻胜远人事管理系统设计当代经理人，年期金鉴禄，孟宪宝人事管理系统的研究与实现长春工业大学学报自然科学版，年期许华英人事管理信息系统的开发与应用汽车科技，年期欧丹，王增武基于体系结构的人事管理系统四川冶金，年期陈海泉人事管理系统简介广东气象，年期王熹计算机人事管理系统及界面设计西北水力发电，年期朱莉，阳桑，金双平企业人事管理系统的设计与实现电所示。管理员教师学生登陆毕业设计管理系统学生模块教师模块管理员模块图系统顶层业务流程图学生模块的业务流程图如图所示。学生登陆毕业设计管理系统学生信息修改个人信息查看公告下载任务书开题报告查看导师情况查看毕设题目选题与导师交流提交毕设查看分数毕业成绩公告新闻任务书开题报告导师简介毕业题目留言本毕业设计信息图学生模块业务流程图教师模块业务流程图管理员登陆毕业设计管理系统学生信息删除学生信息管理公告审核毕设题目查看学生毕设成绩删除教师信息教师信息毕设相关公告毕业题目毕设成绩图教师模块业务流程图管理员模块业务流程图管理员登陆毕业设计管理系统学生信息删除学生信息管理公告审核毕设题目查看学生毕设成绩删除教师信息教师信总段的方法。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