1、“.....其实就是将计算机技术应用其中，用检测到的生物行为特性以及生理特性与已经建立起来的生物数据库中的数据进行对比分析，然后对生物体的种类以及身份进行识别的技术。所谓的生物特征，具有固定性和特有性等特点，其主要包括肤色，声音，指纹，虹膜，面部等等。正是因为这些生物特性的独特性，所以生物特征识别技术在身份识别，金融安全以及警方侦缉等方面取得了广泛的应用。在这些生物特征中最为推崇的则是面部识别和眼部识别，因为其具有其他身份识别方式所不具有的方便，友好，直接等特点。而在面部识别之中，眼部识别有着比嘴巴和鼻子更为可靠的独特性，其独特性几乎不会受到面部表情和光照的变化而变化，所以具有极高的身份识别价值。正是由于眼部识别具有上述如此众多的优势......”。

2、“.....热门中的热门。本文的主要内容大致如下首先对不同种类的人脸识别方法进行个简单的比较，然后再介绍下由粗到精的人眼识别方法的实现过程。面部识别技术人脸识别技术，作为种基于生物特征的重要的身份识别技术，其早在世纪年代末期便得以兴起。在世纪之后，由于计算机技术，模式识别技术，数字图像技术，人工智能等相关科学领域的飞速发展，人脸识别技术也在发生着根本性的变化。人脸识别技术就是用计算机作为辅助，在视频动静态图片中认出人脸。般可以把情况描述成在指定的个视频动静态图片中，通过已存的人脸库确定图片中的个人或者些人。般，由于分类方法和提取特征的方法的不同，我们可以将其分为两大类个是统计方法另个是几何特征方法。早在上个世纪年代末期时，人脸识别技术主要采用的是模板匹配方法，在获得张样本图片的基础上，对其进行技术处理，获得其中所包含的些特定的几何特性......”。

3、“.....参照，最终给出身份信息。但是这种技术也是有其优缺点的，优点其在进行人脸识别过程中所需要耗费的时间短，占用存储小，沈阳理工大学学士学位论文并且在样本图片分辨率不是很高的情况下，依然能够取得很好的识别效果缺点由于几何特性的特征提取受到光照，角度，姿态，表情等众多因素的影响，所以几何特性的变化比较大，而且不是十分稳定，因此最终导致的是使用模板匹配导致人脸识别的识别率，以及识别的准确率都处于个相对比较低的水平。在进入世纪后的今天，人脸识别技术得到了长足的发展，研究它的优秀算法也是层出不穷，这其中较为典型的有如下几种基于主成分分析的特征脸法。其是种十分简单，计算迅速，并且行之有效的面部识别算法，但是其没有考虑到不同类别的可分性是其最为欠缺的地方，并且其适应能力也是十分差的，比如在亮度，姿态以及拍摄角度发生变化时，其识别效果都会大打折扣基于线性判别分析的脸部识别方法......”。

4、“.....并且吸收了其中的可取之处，在此基础上得以形成和发展的，它的理论基础是准则的线性判别分析，它的目的是要以生成的子空间最佳可分，所以我们可以认为相比法而言，特征脸法还是比较适用于脸部识别技术的脸部分析问题神经网络方法。其通过自身的学习，学到了很多人脸的特征以及潜在的规律，所以说其具有隐性，适应性强等优点。而不足之处就是，要求作为训练的样本其数量必须是有相当的规模才可以，不然识别的效果并不是很理想。支持向量机法。其是近些年才刚刚兴起的，是以统计学为基础的，新的分类方法。其原理大致如下运用核函数这工具，将待检测和分类的样本变换到设定的特征空间内，再对样本进行分类和处理。这样就使其不但可以具有很好的非线性能力，也可以避免出现类似神经网络那样过学习或者学习不足的情况。但是由于其自身是二类的分类方法，所以在进行多类分类时，必须得多个将多类分为两大类的步骤......”。

5、“.....关于上述四种算法，哪种的实际效果比较好呢那么在接下来的论文部分，将会逐对比。眼部识别技术人眼的定位方法以及检测部分，在过去的若干年了，得到了长足的发展。比如，红外照明的检测方法，在驾驶员疲劳监测系统之中得到了极大的应用。红外照明的检测方沈阳理工大学学士学位论文法就是使用了不同波段的红外线在人的视网膜上反射的位置不同这基本的生理特点，然后实现定位的。其以鲁棒性，准确性好而著称，但是其缺点也是十分明显的，它要求摄像机必须带有红外摄像功能，而且对拍摄的角度，背景，光照的要求也是十分严格的，若是在外界复杂环境之下，其识别效果会比较差。目前，研究者们主要关注的方向是识别在常规光照或者是正常光照环境下的灰度图像和彩色图像的识别效果。经过研究者们长期不懈的努力，其中主要成就有如下几种算法模板匹配法，灰度投影法，区域分割法，变换法。值得注意的是，由粗到细的定位方法，常常是应用于彩色图像中的人眼定位......”。

6、“.....然后将人脸从复杂的背景之中找出来，再将人脸部分的图像转换成灰度图像，加以使用模板匹配，几何特征，边缘检测，积分投影等技术，使进行眼睛定位的结果更加的精确，可靠。此种方法对图片中很多细节都具有良好的适应性，这些细节主要都包括尺度变化，人脸角度，背景等等，所以其在多人人眼检测和定位方面会有较大的优势。有些文献上的精确定位人眼则是通过采用变换的方式，第步先用以积分投影的方式，能够找到眼睛所在的大致位置第二步用算子的方法，将图像的边缘信息检测出来，然后再加以使用变换方法，找到两只眼睛所在的准确位置。像相同位置的像素值也是分布的。我们设在人脸区域第Ă，位置的像素值是，„那些人脸图像的是标准比例系数„由此得出正面人脸模板的表达式根据统计学，如果在人脸区域第个位置，有些像素值，趋于正态分布，其中是像素，的平均值，是方差是正态分布......”。

7、“.....如果抽样的人脸图像都是在同间距下拍摄的，相对应的人脸尺寸是致的，标准的比例像素就等于那么，大众人脸模板，也就变成了正面的平均全脸模板的构建在人脸与相机间距相同，鸟瞰图的拍摄角度是的情况下，张人脸图像被取样，包含正面的，左侧倾斜和左侧倾斜。每种角度的图像都是张。其中张中的人戴帽子，张没有戴帽子。被抽样的图像如图所示。正面左侧倾斜左侧倾斜图各个角度的人脸图像在图像中，正面人脸包括特征器管像眼睛，耳朵，鼻子，部分脸颊等等，如图所示。这些图像的分布特征可以作为检测人脸存在的根据。所以人的眼睛，耳朵，鼻子，嘴巴和部分脸颊都被选作可以构建整张正面人脸模板的主要区域，如图所示。这种方法可以排除异常区域和非人类特有物的影响，比如帽子，胡须等。沈阳理工大学学士学位论文图人脸特有器官的模型手动取样张人脸图像。每张图像都是像素。做为个比较性的实验，模板不仅要匹配正面图像，还要匹配侧面图像......”。

8、“.....构建整张正面人脸模板如图所示。通过张正面人脸模板，正面的平均全脸模板就可以被构建出来。图正面全脸的平均模板的构建平均的半脸模板的构建正面的平均全脸模板可以被看做大径相同的左脸模板和有脸模板的结合体。所以正面的全脸模板可以被中心对称轴分成左脸模板和右脸模板。所以，半边脸模板的构建如图所示。此外，平均半脸模板可以根据平均全脸模板的原理来构建。这样可以减低在全脸模板中密集度的对称冗余的问题。方法如图所示。沈阳理工大学学士学位论文图构建半脸模板的模型图半脸平均模板的构建在张完美的人脸模板中，左脸和右脸的密集度是对称的，也就是说，两半边脸是相似的对。事实上，在张人脸图像中左脸和右脸存在些差异，两半边脸的器官密集度的分布也不是完全对称的，所以相似性就降低了。就拿左半边脸为例，当利用平均的半脸模板搜索人脸图像时，左半边脸会先被识别出来，如图所示。图中实线框内是被检测出的左脸......”。

9、“.....被检测到的可能是右半边脸的位置如图所示，这些位置由虚线框标记出来。图被检测出来的可能是半边脸的位置判别函数在实验中，图像中半边脸被检测出来是运用了模板匹配的方法。此方法的基本原理解释如下。被选择的平均半脸模板在被检测的图像上到处搜索。接着，计算模板与被检测到的半边脸的相似度。如果在些位置，相似度方程的值大于阈值，那么我们就认为这班别脸的图像相似于平均半脸模板。沈阳理工大学学士学位论文相似度是指图像上局部区域的统计值。些不同的子块影像的图像相似度值也许与其他的样，尽管如此，它们还是属于不同的字块图像。在实验中，与半脸模板匹配的子块图像所在位置的相似度值应该被保留，而那些未匹配的值应该被剔除。此方法具体可以描述如下假设半脸模板的长度是，宽是，如图四所示。那么全脸模板的长度就是，宽是。假设被检测的图像的长度是，宽是，当模板为放在，时，子块图像在图像中相对应的位置为......”。