基于核化MMC的人脸识别系统毕业论文

《基于核化MMC的人脸识别系统毕业论文》由会员分享，可在线阅读，更多相关《基于核化MMC的人脸识别系统毕业论文（70页珍藏版）》请在金锄头文库上搜索。

1、 参考资料 基于核化基于核化 MMCMMC 的人脸识别系统毕业论文的人脸识别系统毕业论文 目目 录录 引引 言言 1 第第 1 1 章章 绪论绪论 2 1 1 人脸识别的研究意义 2 1 2 人脸识别的研究现状 2 1 3 人脸识别的应用 3 1 4 人脸识别的研究容 3 1 5 人脸识别存在的问题 4 1 6 本文的研究容及组织结构 5 第第 2 2 章章 人脸识别概述人脸识别概述 6 2 1 基于几何特征的人脸识别 6 2 2 基于弹性图匹配的人脸识别 6 2 3 基于神经网络的人脸识别 6 2 4 基于模板匹配的方法 7 2 5 基于隐马尔可夫方法 7 2 6 基于贝叶斯网络的人脸识别

2、7 2 7 基于核方法的人脸识别 8 2 8 本章小结 9 第第 3 3 章章 数据降维算法概述数据降维算法概述 10 3 1 线性降维算法 10 3 1 1 主成分分析 10 3 1 2 线性判别分析 11 3 2 非线性降维算法 12 3 2 1 等度映射 12 3 2 2 局部线性嵌入 13 3 2 3 拉普拉斯映射 13 3 2 4 基于核技巧的非线性降维算法 14 3 3 流行学习算法的几个线性化算法 14 3 4 本章小结 15 第第 4 4 章章 基于核方法的最大间距准则算法基于核方法的最大间距准则算法 16 4 1 引言 16 4 2 算法推导 16 4 2 1 KPCA 算法

3、 16 4 2 2 MMC 方法 18 4 2 3 KMMC 算法 20 参考资料 4 3 系统功能及实现 22 4 3 1 系统基本功能流程 22 4 3 2 系统演示说明 25 4 4 计算机仿真算法描述与实验结果 29 4 4 1 实验参数描述 29 4 4 2 算法描述 29 4 4 3 实验与实验结果 30 4 5 本章小结 34 结论与展望结论与展望 35 致致 谢谢 36 参考文献参考文献 37 附附 录录 A A 外文文献及译文外文文献及译文 38 附附 录录 B B 参考文献的题录及摘要参考文献的题录及摘要 51 附附 录录 C C 程序源代码程序源代码 55 参考资料 插图

4、清单插图清单 图 1 1 人脸自动识别系统的主要环节 4 图 3 1 欧式距离 虚线 测地线距离和最短路径距离比较 12 图 4 1 二维空间中的四个类及其边缘距离 19 图 4 2 人脸识别模块流程图 23 图 4 3 人脸检测模块流程图 24 图 4 4 系统总体流程图 25 图 4 5 系统启动画面 26 图 4 6 人脸识别功能图 1 26 图 4 7 人脸识别功能图 2 27 图 4 8 人脸识别功能图 3 27 图 4 9 人脸识别功能图 4 28 图 4 10 人脸检测功能图 1 28 图 4 11 人脸检测功能图 2 29 图 4 12 人脸库部分图像 29 图 4 13 基于

5、核最大间距准则的算法框图 30 图 4 14 主分量数对识别性能的影响 31 图 4 15 主分量数对识别时间的影响 31 图 4 15 x 5 时识别率与降维关系图 33 图 4 16 x 7 时识别率与降维关系图 34 参考资料 表格清单表格清单 表 4 1 x 5 时识别率与降维关系表 32 表 4 2 x 7 时识别率与降维关系表 33 表 4 3 KMMC KPCA 两种方法所达最佳的识别率 34 参考资料 引引 言言 人脸识别是生物特征识别技术的一种 生物特征识别是根据生物体自身特征利用 计算机进行身份识别的一种技术 常用的生物特征有 DNA 虹膜 指纹 掌纹 语音 人脸等 与其它

6、生物特征相比 人脸具有很强的自身稳定性和个体差异性 人脸识别 更为直接 友好 符合人类认知习惯 容易被人接受 因此有着广阔的应用前景 人脸识别是计算机视觉和模式识别领域中的一个难题 它涉及到信号处理 图像处 理 模式识别 神经网络 认知科学 心理学和生理学等诸多学科 在过去的十多年 中受到研究人员的广泛重视 研究也越来越深入 但是由于人脸识不同于一般的目标 识别 其难度极大 人脸识别技术还不够完善 应用工作还处于尝试阶段 人脸识别的困难行表项在 人脸结构大体相同 所不同的是一些细节上的差异 人 脸不是纯粹的刚体 具有复杂而丰富的表情 喜怒哀乐等 人脸随着年龄增长会呈现 出很大的不同 由于外界环

7、境的影响 例如眼镜 光照条件 成像角度 以及成像距 离等因素的影响 使得同一个人的人脸图像在不同的条件下呈现出很大的差异 目前 尚没有很好的描述人脸的三维模型 诸多因素使得人脸识别成为计算机视觉领域一个 富有挑战性的课题 论文对目前比较流行的降维算法进行了介绍 主要从两方面出发 1 线性化算法 比如 PCA 2 非线性化算法 主要是基于核技巧的算法 比如 KPCA 在这些基础上 学习和研究了基于核化最大间距准则算法 并通过实验仿真验证了算法的正确性和有 效性 实验表明比经典算法 PCA KPCA 和 MMC 有更高的识别率 参考资料 第第 1 章章 绪论绪论 1 1 人脸识别的研究意义人脸识别

8、的研究意义 近几年来 随着计算机网络技术的高速发展和信息化进程的日益加快 信息安全 和公共安全越来越显示出其前所未有的重要性 成为了许多信息系统要首先考虑的问 题 人脸识别作为一种非接触 隐蔽性较好的生物特征识别技术而受到极大的关注 在公安部门 海关部门 视频会议 小区和银行监控等领域有着很高的应用价值 并 且人脸识别是一项复杂的工作 涉及到模式识别 图像处理 计算机视觉 认知学等 领域 因此对人脸识别的研究有助于其它领域的发展 具有重要的学术价值 1 2 人脸识别的研究现状人脸识别的研究现状 人脸识别最早可以追溯到十九世纪八十年代年 但人脸识别的真正研究起始于 1 二十世纪六十年代末 Ble

9、dsoe 等人以人脸特征点的间距 比率等参数为特征 建 2 成了一个半自动化的人脸识别系统 但因受到技术条件限制发展缓慢 从二十世纪六 十年代末至今 人脸识别算法技术的发展大体可以分为如下四个阶段 1 基于简单背景的人脸识别阶段 这是人脸识别研究的初级阶段 它从二十世纪 六十年代开始 通常利用人脸器官的局部特征来描述人脸 但是由于人脸器官没有显 著的边缘且比较易受到表情的影响 因此它仅限于正面人脸 变形很小 的识别 2 基于多姿态 表情的人脸识别阶段 这是人脸识别研究的发展阶段 它从二十世 纪七十年代开始末 但到九十年代年代初才被人们真正关注并进行专门研究 并得到 较快发展 3 动态跟踪人脸识

10、别阶段 这是人脸识别研究的实用化阶段 从二十世纪九十年 代末开始 特别是 9 11 事件促进了动态人脸跟踪技术的快速发展 同时也促进了 其他生物特征识别技术的发展 4 三维人脸识别阶段 为了获得更多的特征信息 直接就利用二维人脸图像来合 成三维人脸模型进行识别 也成为该领域的一个主要研究方向 现有研究将两维图像 重构三维图像 这也是一个研究方向 当前 虽然人脸识别技术的应用还没有能够做到 普及 但是不能否认的是 它 已经在开始影响着我们的生活 近几年来 国外学者对人脸识别技术做了大量研究 在国际上 主要有北美的一 些研究机构 一些欧洲国家 日本等 著名的研究机构有美国 MIT 的多媒体实验室

11、人工智能实验室 CMU 的人机交互机构 微软研究远 英国剑桥大学的工程学院等 综合有关文献 目前的人脸识别方法主要集中在以下几个方面 基于几何特征的人脸 识别 基于子空间的人脸识别 基于弹性图匹配的人脸识别 基于神经网络方面的人 脸识别 基于模板匹配方面的人脸识别方法 基于隐马尔可夫方面的人脸识别方法以 及基于贝叶斯网路的人脸识别算法 国的研究者关于人脸自动识别的研究始于 20 世纪八十年代 主要的研究单位有 理工大学 清华大学 工业大学 香港理工大学 中科院计算所 中科院自动化所 中科大等 并都取得了一定的成果 参考资料 1 3 人脸识别的应用人脸识别的应用 随着人脸识别技术的发展以及人脸识

12、别技术应用围空间的不断拓宽 人脸识别技 术在各个领域上的应用空间己经越来越广泛 归纳起来 人脸识别技术的应用大体上 可以分为以下几类 1 证件验证 在许多场合 证件验证是检验某个人身份的一种常用手段 而 驾驶执照以及其 他很多证件上都有照片 那么这项工作就可以交给机器完成 用以实现自动化智能管 理 2 刑侦破案 公安部门通常在档案系统中存储有嫌疑犯的照片 可以从数据库里迅速查找确认 这就大大提高了刑侦破案的准确性和效率 3 视频监视 在许多银行 公司 公共场所等处都装有视频监视系统 当出现异常的时候需要 对采集到的图像进行具体分析 就要用到人脸的检测 跟踪和识别技术 4 入口控制 入口控制的围

13、比较广泛 它可能是设在需要的地方进行安全检查 也可能是计算 机系统或情报系统的入口控制 5 另外 人脸识别在医学 人机交互系统等方面也具有巨大的应用前景 以上所说的应用基本又可以分为两类 静态 非视频 匹配和动态 视频 匹配 嫌疑 犯查找是静态匹配中的最常见的应用 很显然 在嫌疑犯照片的拍摄过程中 一般来 说可以控制照相的背景 光照的条件 摄像机的分辨率以及摄像机与被拍照人之间的 距离 角度等等 获得到多幅人脸正面图像和侧面图像 在这些条件约束下来获取图 像 可简化人脸分割和识别算法 公众场合监控也就是典型的动态匹配应用 通过摄 像机得到的视频图像质量一般都比较差 同时背景也比较杂乱 分割人脸

14、也就相当困 难 但是可以利用运动图像分析来分割运动者的人脸 也可以利用现有的人脸模型 在部分上重建人脸图像 在某种程度上会比静态匹配更方便容易解决 这方面应用的 难点是需要实时处理 1 4 人脸识别的研究容人脸识别的研究容 人脸识别的研究容从广义上来讲大致上包括以下五个方面的容 1 人脸检测 要从各种不同的场景中检测出人脸的存在并确定其位置 这一任务 主要受到光照 噪声 面部倾斜度以及各种各样遮挡等方面的影响 2 人脸表征 通过采取某种表示方式表示检测出的人脸和数据库中的已知人脸 通常的表示法主要有几何特征 如欧氏距离 曲率 角度 代数特征 如矩阵特征矢量 固定特征模板 统计特征等 3 人脸鉴

15、别 通过将待识别的人脸与数据库中的己知人脸比较 得出比对信息 此过程通常也被称为人脸识别 4 表情识别 通过对待识别人脸的表情或姿态信息进行分析 并对其加以归类 5 生理分类 通过分析待识别人脸的生理特征 得出其年龄 性别等相关信息 图像从来源上来说分类包括静态图像和动态图像 单帧和多帧 以及受控背景和非受 控背景等 同时人脸识别的技术难度 很大程度上就是取决于用于识别的图像来源和 参考资料 质量 一般来说 多帧 受控背景图像的识别要比单帧 非受控背景图像更容易得到 一个比较好的识别结果 而进入实际应用的人脸识别系统如 银行的 ATM 自动提款机 各种证件的检验以及车场 仓库的管理等都上属于受

16、控背景的一类 所以确切的来讲 人脸识别至少要包括两个方面的任务 复杂背景下人脸的定位和分割 以及人脸的鉴 别 一个狭义的人脸自动识别系统通常包括三个主要技术环节 如图 1 1 所示 人脸检测与定位特征提取和选择 分类器设计 分类决策 对比 图 1 1 人脸自动识别系统的主要技术环节 首先是人脸的检测以及定位 即检测图像中有没有人脸 并确定其在图像中的位 置 普通证件照片上的头部占据了照片中央的大部分地方 定位也较容易 但是在另 一些情况下 人脸在图像中的位置是事先未知的 因此检测和定位存在一些困难 然后是特征提取 特征提取之前一般需要进行预处理 比如对图像进行去噪工作 对图像进行增等等 使得对后续的工作有利 然后利用有效手段 提取出有效特征 最后一步就是决策分类 在人脸数据库里预先存放了己知的人脸图像或有关的特 征值 决策分类的目的就是将待识别的图像或特征与库中的进行匹配 根据所输入图 像的性质 可将人脸识别分为静态图像的人脸识别和动态图像序列的人脸识别两大类 前者主要是用静态图像 同时对这些图像进行识别 后者则是用摄像机的时间图像序 列来进行识别 1 5 人脸识别存在的问题人脸识别存