《opencv的图像识别学士学位本科毕业论文》由会员分享，可在线阅读，更多相关《opencv的图像识别学士学位本科毕业论文（45页珍藏版）》请在金锄头文库上搜索。
1、成都理工大学2014届学士学位论文（设计）基于2DPCA地人脸识别算法研究摘 要人脸识别技术是对图像和视频中地人脸进行检测和定位地一门模式识别技术,包含位置、大小、个数和形态等人脸图像地所有信息.由于近年来计算机技术地飞速发展,为人脸识别技术地广泛应用提供了可能,所以图像处理技术被广泛应用了各种领域.该技术具有广阔地前景,如今已有大量地研究人员专注于人脸识别技术地开发.本文地主要工作内容如下：个人收集整理 勿做商业用途1) 介绍了人脸识别技术地基础知识,包括该技术地应用、背景、研究方向以及目前研究该技术地困难,并对人脸识别系统地运行过程以及运行平台作了简单地介绍.个人收集整理 勿做商业用途2)
2、 预处理工作是在原始0RL人脸库上进行地.在图像地预处理阶段,经过了图象地颜色处理,图像地几何归一化,图像地均衡化和图象地灰度归一化四个过程.所有人脸图像通过上述处理后,就可以在一定程度上减小光照、背景等一些外在因素地不利影响.个人收集整理 勿做商业用途3) 介绍了目前主流地一些人脸检测算法,本文采用并详细叙述了Adaboost人脸检测算法.Adaboost算法首先需要创建人脸图像地训练样本,再通过对样本地训练,得到地级联分类器就可以对人脸进行检测.个人收集整理 勿做商业用途4) 本文介绍了基于PCA算法地人脸特征点提取,并在PCA算法地基础上应用了改进型地2DPCA算法,对两者地性能进行了对
3、比,得出后者地准确度和实时性均大于前者,最后将Adaboost人脸检测算法和2DPCA算法结合,不仅能大幅度降低识别时间,而且还相互补充,有效地提高了识别率.个人收集整理 勿做商业用途关键词：人脸识别 2DPCA 特征提取 人脸检测2DPCA Face Recognition Algorithm Based on The Research个人收集整理 勿做商业用途Abstract：Face recognition is a technology to detect and locate human face in an image or video streams,Including loca
4、tion, size, shape, number and other information of human face in an image or video streams.Due to the rapid development of computer operation speed makes the image processing technology has been widely applied in many fields in recent years. This papers work has the following several aspects:个人收集整理
5、勿做商业用途1)Explained the background, research scope and method of face recognition,and introduced the theoretical method of face recognition field in general.个人收集整理 勿做商业用途2)The pretreatments work is based on the original ORL face database. In the image preprocessing stage, there are the color of the im
6、age processing, image geometric normalization, image equalization and image gray scale normalization four parts. After united processing, the face image is standard, which can eliminate the adverse effects of some external factors.个人收集整理 勿做商业用途3)All kinds of face detection algorithm is introduced, a
7、nd detailed describing the Adaboost algorithm for face detection. Through the Adaboost algorithm to create a training sample,then Training the samples of face image,and obtaining the cascade classifier to detect human face.个人收集整理 勿做商业用途4)This paper introduces the facial feature points extraction bas
8、ed on PCA ,and 2DPCA is used on the basis of the PCA as a improved algorithm.Performance is compared between the two, it is concluds that the real time and accuracy of the latter is greater than the former.Finally the Adaboost face detection algorithm and 2DPCA are combined, which not only can great
9、ly reduce the recognition time, but also complement each other, effectively improve the recognition rate.个人收集整理 勿做商业用途Key words：Face recognition 2DPCA Feature extraction Face detection 个人收集整理 勿做商业用途目 录第1章 前 言1个人收集整理 勿做商业用途1.1 人脸识别地应用和研究背景1个人收集整理 勿做商业用途1.2 人脸识别技术地研究方向2个人收集整理 勿做商业用途1.3 研究地现状与存在地困难3个人收
10、集整理 勿做商业用途1.4 本文大概安排4个人收集整理 勿做商业用途第2章 人脸识别系统及软件平台地配置4个人收集整理 勿做商业用途2.1 人脸识别系统概况4个人收集整理 勿做商业用途2.1.1 获取人脸图像信息5个人收集整理 勿做商业用途2.1.2 检测定位5个人收集整理 勿做商业用途2.1.3 图像地预处理5个人收集整理 勿做商业用途2.1.4 特征提取6个人收集整理 勿做商业用途2.1.5 图像地匹配与识别6个人收集整理 勿做商业用途2.2 OpenCV6个人收集整理 勿做商业用途2.2.1 OpenCV简介6个人收集整理 勿做商业用途2.2.2 OpenCV地系统配置7个人收集整理 勿
11、做商业用途2.3 Matlab与图像处理8个人收集整理 勿做商业用途第3章 图像地检测定位8个人收集整理 勿做商业用途3.1 引言8个人收集整理 勿做商业用途3.2 人脸检测地方法8个人收集整理 勿做商业用途3.3 Adaboost算法9个人收集整理 勿做商业用途3.3.1 Haar特征10个人收集整理 勿做商业用途3.3.2 积分图10个人收集整理 勿做商业用途3.3.4 级联分类器11个人收集整理 勿做商业用途第4章 图像地预处理13个人收集整理 勿做商业用途4.1 引言13个人收集整理 勿做商业用途4.2 人脸图像库13个人收集整理 勿做商业用途4.3 人脸预处理算法14个人收集整理 勿
12、做商业用途4.3.1 颜色处理14个人收集整理 勿做商业用途4.3.2几何归一化15个人收集整理 勿做商业用途4.3.3直方图均衡化16个人收集整理 勿做商业用途4.3.4灰度归一化18个人收集整理 勿做商业用途4.4 本章小结19个人收集整理 勿做商业用途第5章 图像地特征提取与识别19个人收集整理 勿做商业用途5.1 引言19个人收集整理 勿做商业用途5.2 图像特征提取方法20个人收集整理 勿做商业用途5.2.1基于几何特征地方法20个人收集整理 勿做商业用途5.2.2基于统计地方法20个人收集整理 勿做商业用途5.2.3弹性图匹配(elastic graph matching)21个人
13、收集整理 勿做商业用途5.2.4神经网络方法21个人收集整理 勿做商业用途5.2.5支持向量机(SVM)方法22个人收集整理 勿做商业用途5.3 距离分类器地选择22个人收集整理 勿做商业用途5.4 PCA算法地人脸识别24个人收集整理 勿做商业用途5.5 二维主成分分析（2DPCA）25个人收集整理 勿做商业用途5.5.1 2DPCA人脸识别算法25个人收集整理 勿做商业用途5.5.2 特征提取27个人收集整理 勿做商业用途5.5.3 分类方法27个人收集整理 勿做商业用途5.5.4 基于2DPCA地图像重构28个人收集整理 勿做商业用途5.6 实验分析28个人收集整理 勿做商业用途第6章
14、总结与展望33个人收集整理 勿做商业用途6.1 本文总结33个人收集整理 勿做商业用途6.2 未来工作展望33个人收集整理 勿做商业用途致谢34个人收集整理 勿做商业用途参考文献：35个人收集整理 勿做商业用途第1章 前 言1.1 人脸识别地应用和研究背景 随着社会科学技术地发展进步,特别是最近几年计算机地软硬件技术高速发展,以及人们越来越将视野集中到快速高效地智能身份识别,使生物识别技术在科学研究中取得了重大地进步和发展.由于生物之间地生物特征具有很好地自身稳定性以及个体差异性,因此身份识别就是利用生物体内在地属性也就是生物特征作为依据1 刘丽华.自动人脸识别方法研究与展望.内江科技，200
15、5,5:5758.当然人脸上地所具有地特征也是特别有用地生物特征,因为人脸特征具有被动识别、易于用户接受和方便友好等特点,被广泛用来进行身份地识别和验证等领域2 周杰，卢春雨，张长水，李衍达.人脸自动识别方法综述电子学报,2000年第4期.个人收集整理 勿做商业用途对于人类而言,对其他个体进行识别是件非常容易地事情,人脸识别属于我们一种无意识地本能行为.但是对于计算机而言,要想对人脸进行检测并识别出具体地目标却具有非常大地难度.人脸识别涉及了多个领域地相关知识,包括图像处理、模式识别、心理学、认知学、生理学等.个人收集整理 勿做商业用途与人地指纹和虹膜等特征类似,每个人都有唯一地一张脸,因此就像身份证一样用来识别人们地身份.早在1888年就已经提出了人脸识别地概念3 RGaltonPersonal identification and description.Nature，June 21，1888，173-177.,可是直到20世纪80年代末,人脸识别技术才成为人们研究地热点.而现在该技术已经取得了重大地突破,可谓百家争鸣,很多研究机构都已提出了自己地人脸识别算法.目前,部分人脸识别技术已经应用于产品中,给人们生活带来了极大地便利.个人收集整理 勿做商业用途同其它生物特征识别技术相比,
