《毕业论文--基于Fisherfaces的人脸识别算法实现》由会员分享,可在线阅读,更多相关《毕业论文--基于Fisherfaces的人脸识别算法实现(29页珍藏版)》请在金锄头文库上搜索。
1、河北农业大学本科毕业论文(设计) 题目:基于Fisherfaces的人脸识别算法实现 学 院: 现代科技学院 专 业: 计算机科学与技术 学 号: 姓 名: 指导教师姓名: 指导教师职称: 讲师 二一四 年 六 月 一 日摘 要 人脸识别由于在身份认证、视觉监控以及人机接口等方面有着广泛的应用前景,从而成为目前模式识别和计算机视觉领域的一大研究热点。人脸识别涵盖了图像处理、模式识别、神经网络、计算机视觉、生理学以及数学等诸多学科,是一项非常综合的技术,它的应用正随着社会的进步与日俱增。人脸识别是生物测定学研究的内容之一, 是模式识别领域中的一个前沿课题。目前, 人脸识别逐渐成为模式识别和人工智
2、能领域的一个研究热点。但由于复杂的光照条件下, 多变的人脸表情以及姿态的变化都增加了人脸自动识别的难度, 尽管人脸识别已经取得了较大的发展, 但离实际应用仍有较大差距。作为一种经典的模式识别问题, 计算机人脸识别的成功离不开合理的特征提取和有效的分类器设计策略。在人脸识别及其他模式识别领域中,特征提取是一个非常有意义的研究方向。到目前为止,有很多相应的算法应用到人脸识别领域,其中比较著名是基于Fisher线性鉴别准则的Fisherface方法、LDA算法PCA算法。本文基于MATLAB的人脸识别环境,设计并实现了一个基于Fisherfaces的人脸识别算法实现系统,展示如何通过利用MATLAB
3、 的工具函数和多种算法实现对人脸识别的各种处理。论述了利用设计的系统实现人脸识别进行打开、操作、保存、另存、打印、退出等功能操作。关键字人脸识别;Fisherface;MATLABAbstractFace recognition has a wide range of applications due in authentication, visual surveillance , and human-machine interface, thus become a major research focus of pattern recognition and computer vision
4、. Face covers image processing, pattern recognition, neural networks, computer vision, physiology and mathematics , and many other disciplines, is a very comprehensive technology, its applications are increasing with the progress of society . Face recognition is one of the elements of biometrics res
5、earch in the field of pattern recognition is a leading subject . Currently , face recognition is becoming a hot topic in the field of pattern recognition and artificial intelligence . However, due to the complex lighting conditions , facial expressions and posture change changing face have increased
6、 the difficulty of automatic face recognition , face recognition despite great progress has been made , but there is still a large gap from practical application . As a classic pattern recognition problems , inseparable from the success of a reasonable feature extraction and face recognition classif
7、ier design effective strategies .In face recognition and other pattern recognition , the feature extraction is a very interesting research direction . So far , there are many appropriate algorithm is applied to face recognition , which is based on the more famous Fisher linear discriminant criterion
8、 Fisherface method , LDA algorithm PCA algorithm. Face Recognition Based on MATLAB environment , design and implement a face recognition algorithm based on the realization of the system Fisherfaces demonstrate how various treatments for face recognition function through tools and a variety of algori
9、thms using MATLAB s . Discusses the use of face recognition systems designed be open , operate , save, save , print, exit and other functions.KeywordFace recognition ; Fisherface; MATLAB目录第一章 绪论11.1 人脸识别的历史和发展11.2 MATLAB的功能介绍4第二章 人脸识别算法的介绍52.1 人脸识别算法分类52.2几种常用的算法52.2.1基于几何特征的人脸识别算法52.2.2基于特征子空间(特征脸)
10、算法5第三章PCA算法63.1 PCA降维63.1.1提取训练集图像T的平均值(平均人脸)63.1.2计算构造矩阵L73.1.3计算出协方差矩阵C并计算其特征向量(主成分脸)83.2 PCA重构图像8第四章 Fisherfaces算法94.1 Fisher线性判别分析的基本原理94.2 LDA算法人脸识别系统的应用134.2.1 导入系统训练样本集和测试样本集134.2.2 Fisher最优判别向量的计算134.2.3 将测试样本与各类训练样本投影到特征子空间154.3 分类识别164.4 实验结果分析16第五章实验部分185.1提取训练值185.2实验结果21致谢24参考文献:251第一章
11、绪论1.1 人脸识别的历史和发展人脸识别的研究历史比较悠久。高尔顿(Galton)早在1888年和1910年就分别在Nature杂志发表了两篇关于利用人脸进行身份识别的文章,对人类自身的人脸识别能力进行了分析。但当时还不可能涉及到人脸的自动识别问题。最早的AFR1的研究论文见于1965年陈(Chan)和布莱索(Bledsoe)在PanoramicResearchInc.发表的技术报告,至今已有四十年的历史。近年来,人脸识别研究得到了诸多研究人员的青睐,涌现出了诸多技术方法。尤其是1990年以来,人脸识别更得到了长足的发展。几乎所有知名的理工科大学和主要IT产业公司都有研究组在从事相关研究。人脸
12、识别是一个被广泛研究着的热门问题,大量的研究论文层出不穷,在一定程度上有泛滥成“灾”之嫌。为了更好地对人脸识别研究的历史和现状进行介绍,本文将AFR的研究历史按照研究内容、技术方法等方面的特点大体划分为三个时间阶段,如表1所示。该表格概括了人脸识别研究的发展简史及其每个历史阶段代表性的研究工作及其技术特点。下面对三个阶段的研究进展情况作简单介绍。第一阶段(1964年1990年)这一阶段人脸识别通常只是作为一个一般性的模式识别问题来研究,所采用的主要技术方案是基于人脸几何结构特征(Geometricfeaturebased)的方法。这集中体现在人们对于剪影(Profile)的研究上,人们对面部剪
13、影曲线的结构特征提取与分析方面进行了大量研究。人工神经网络也一度曾经被研究人员用于人脸识别问题中。较早从AFR研究的研究人员除了布莱索(Bledsoe)外还有戈登斯泰因(Goldstein)、哈蒙(Harmon以及金出武雄(Kanade Takeo)等。金出武雄于1973年在京都大学完成了第一篇AFR方面的博士论文,直到现在,作为卡内基-梅隆大学(CMU)机器人研究院的一名教授,仍然是人脸识别领域的活跃人物之一。他所在的研究组也是人脸识别领域的一支重要力量。总体而言,这一阶段是人脸识别研究的初级阶段,非常重要的成果不是很多,也基本没有获得实际应用。第二阶段(1991年1997年)这一阶段尽管时
14、间相对短暂,但却是人脸识别研究的高潮期,可谓硕果累累:不但诞生了若干代表性的人脸识别算法,美国军方还组织了著名的FERET人脸识别算法测试,并出现了若干商业化运作的人脸识别系统,比如最为著名的Visionics(现为Identix)的FaceIt系统。美国麻省理工学院(MIT)媒体实验室的特克(Turk)和潘特(Pentland)提出的“特征脸”方法无疑是这一时期内最负盛名的人脸识别方法。其后的很多人脸识别技术都或多或少与特征脸有关系,现在特征脸已经与归一化的协相关量方法一道成为人脸识别的性能测试基准算法。这一时期的另一个重要工作是麻省理工学院人工智能实验室的布鲁内里(Brunelli)和波奥
15、Poggio)于1992年左右做的一个对比实验,他们对比了基于结构特征的方法与基于模板匹配的方法的识别性能,并给出了一个比较确定的结论:模板匹配的方法优于基于特征的方法。这一导向性的结论与特征脸共同作用,基本中止了纯粹的基于结构特征的人脸识别方法研究,并在很大程度上促进了基于表观(Appearance-based)的线性子空间建模和基于统计模式识别技术的人脸识别方法的发展,使其逐渐成为主流的人脸识别技术。贝尔胡米尔(Belhumeur)等提出Fisherface人脸识别方法是这一时期的另一重要成果。该方法首先采用主成分分析(PrincipalComponentAnalysis,PCA,亦即特征脸)对图像表观特征进行降维。在此基础上,采用线性判别分析(LinearDiscriminantAnalysis,LDA)的方法变换降维后的主成分以期获得“尽量大的类间散度和尽量小的类内散度”。该方法目前仍然是主流的人脸识别方法之一,产生了很多不同的变种,比如零空间法、子空间判别模型、增强判别模型、