《（毕业设计论文）《SVD与KFDA相结合人脸识别-matlab》》由会员分享，可在线阅读，更多相关《（毕业设计论文）《SVD与KFDA相结合人脸识别-matlab》（29页珍藏版）》请在金锄头文库上搜索。
1、目录目录 摘要IAbstract .II1 绪论11.1 人脸识别技术的历史发展.11.2 人脸识别的研究内容21.3 人脸识别研究的意义31.4 本文的主要研究内容和安排42. 人脸识别算法原理.52.1 奇异值方法（SVD）52.2 主分量分析（PCA）方法.62.3 Fihser 线性鉴别分析.72.4 SVD 与 KFDA 相结合人脸识别92.4.1 核 Fishe 判别分析（KFDA）102.4.2 SVD 与 KFDA 的融合113 实验结果与分析133.1 ORL 人脸库实验.133.2 CAS-PEAL 人脸库实验 .153.3 结果分析.184.总结.19参考文献20致谢22
2、附录 1.23摘要摘要目前于统计特征的线性方法在人脸识别中发展的比较成熟，但是由于人脸识别涉及光照、表情、姿态等问题，线性方法在实际应用中表现的远远不够。因此，将线性方法拓展到非线性领域以提高识别率是一个极待解决的问题。本论文主要研究了奇异值分解和核 Fisher 判别分析相结合的方法，将线性 Fisher判别算法拓展到非线性方法。既在进行非线性映射之前，首先利用奇异值分解（SVD） ，提取所得到的奇异值矩阵左上角区域的值作为 KFDA 的输入空间，再进行进行核 Fisher判别分析（KFDA） 。在 ORL 和 CAS-PEAL 标准人脸库的试验表明，与经典的线性子空间识别方法以及核 Fis
3、her 鉴别分析（KFDA） ，它具更高的识别率，识别速度也比较快。关键词： 人脸识别；奇异值分解 ；核Fisher鉴别分析AbstractFace recognition is an important branch of biologic feature identification.Because of its advantages comparing to other biologic features，considerable attention has been paid to face recognition.Due to the importance of human bein
4、g in the multimedia information，the recognition based on mans biometrics information is one of the important topics in compute rvision and patten recognition in past 20 years. Many approaches to face recognition problem have been devised，from the early geometry based methods to statistiec based meth
5、ods.A fusion of SVD and KFDA for face recognition is developed. The algorithm includes two stages :firstly ,all the train sample are projected into the matrix which come from the SVD of the standar face image.Then the left-top information of projecting coefficient matrix is extracted as the primary
6、feature.Then,used the method of KFDA extracted the finall feature which are used to recognition.ORL and CAS-PEAL database are used to test,the experimental results show the method is effective than many other method such as PCA,LDA,KFDA.Keywords: face recognition ; singular value decomposition ;Kern
7、el Fisher discriminant Analysis 1 1 绪论绪论随着社会的发展以及技术的进步，尤其是最近十年内计算机的软硬件性能的飞速提升，以及社会各方面对快速高效的自动身份验证的要求日益迫切，生物识别技术在科研领域取得了极大的重视和发展。由于生物特征是人的内在属性，具有很强的自身稳定性和个体差异性，因此是身份验证的最理想依据。在人与人的接触中，人脸所包含的视觉信息占据了重要地位，它是区分人与人之间差异的最重要特征之一。而人脸识别就是利用计算机从图像或图像序列中检测出人脸，并判断其身份。而相对于指纹、虹膜、掌纹、步态、笔迹、声纹等生物特征，利用人脸来识别具有不可比拟的优势。1.
8、11.1 人脸识别技术的历史发展人脸识别技术的历史发展人脸识别的研究已经有很长的历史，早在19世纪后期法国人Francis Calton就曾对此问题进行了研究，他用一组数字代表不同的人脸侧面特征来实现对人脸侧面图像(Profile)的识别。一直到20世纪90年代以前，典型的人脸识别技术始终是用人脸正面(Frontal side)或者侧面的特征点之间距离度量，而且早期的人脸识别多集中在对侧影图像的研究。计算机人脸识别技术是近20年才逐渐发展起来的。20世纪90年代更成为科研热点。仅1990年到1998年之间，EI可检索的相关文献就多达数千篇。Harmon等人利用与Galton类似的方法识别人脸，
9、他采用9个基准点表征侧影在此基准点上导出一组特征，如基准点之间的距离和角度，由基准点形成的三角区域的面积等，然后利用特征之间的归一化欧式距离进行识别。其后期的工作又增加了两个基准点和一些新的特征，而且人脸侧影轮廓曲线可从侧影图像中的自动抽取得到。Kaufman和Breeding也设计了一个对人脸侧影进行识别的系统，他们采用基于特征的方法，其中特征为极坐标形式的自然相关函数的系数。同时对动量不变性特征也进行了实验。Baylou等人选择了10个特征点对人脸侧影进行识别。由于侧影识别对获取图像的约束较多，人们逐渐转向对正面人脸的识别研究最早的半自动正面人脸识别系统由Bledsoe于20世纪60年代提
10、出。在该人脸识别系统中，首先由操作员定出面部特征点并将其位置输入计算机，这些特征点之间的距离，采用最近邻原则或者其他分类规则即可识别出待识别的人脸。由于特征提取是由人来完成的，该系统对人脸的旋转，倾斜等变太敏感。Kelly对Bledsoe的系统进行了改进。他采用了一种从上到下的分法从图像中自动抽取头部和身体的轮廓，然后应用一些启发式的方法搜索眼鼻子和嘴的位置。在这个人脸识别系统中主要用到的距离测度包括:头的宽两眼之间，头顶和眼睛之间，眼睛和鼻子之间，鼻子与嘴之间的距离。Kaya和Kobayashi采用统计的识别方法，用欧式距离来表征人脸特征，用人脸的著特征组成特征向量，包括内眼宽度，外眼宽度，
11、鼻子宽度，嘴的宽度，处脸的宽度，鼻子与眼睛中间处脸的宽度，下唇与下巴之间的距离，上唇子的距离以及嘴唇的高度，然后根据这些特征值及其估计建立分类器，对特征根据其统计行为确定一个变化闭值，根据图像特征向量之间的绝对范行分类。Buhr采用32个原始特征和12个辅助特征进行识别，其中原始特个距离特征4个坐标差分特征，4个三角形面积特征，2个距离比例特征以个特殊特征(两眼的面积)，然后利用线性判决树决定最佳匹配。其他采用非欧离表征人脸特征的还有:Campbell用最小二乘法实现最佳匹配，Ricca用聚术进行最佳匹配等。Kanade设计了一个高速的且有一定知识引导的识别系统，他创造性地积分投影法从单幅图像
12、上计算出一组人脸几何特征参数，再利用模式匹配与标准人脸相比较。Kanade的特征点定位工作有两个阶段，首先利用粗分差分图像的积分投影确定眼睛鼻子和嘴的大致位置，然后再高分辨率图像人脸分为左眼，右眼，鼻子和嘴四个区域，从中抽取16个脸部特征组成特量。为消除尺度变化的影响，在识别前还对得到的特征向量进行了归一化处相比之下，Baron所做的工作较少为人知道，他先将图像灰度归一化，再四个掩模(眼，鼻子，嘴以及眉毛以下的整个脸部)表示人脸，然后分别计算出这掩模与数据库中的每幅标准图像的相应掩模之间的互相关系函数，以此作为总的来说，早期的人脸识别方法都需要某些先验知识，仍然摆脱不了干预。20世纪70年代中
13、期，经典的模式分类方法都是采用正面图像或者侧脸图像中那些可计算的，比较精确的属性来识别人脸。80年代，人脸识别的研究基本上处于休眠状态。20世纪90年代以来随着高速度高性能的计算机的出现，人脸识别方法有了重大突破，进入了真正的计算机自动识别阶段，人脸识别的研究也得到了前所未有的重视。国外有很多大学在此方面取得了很大进展，研究设计的领域很广，其中有从感知和心里学角度探索人类识别人脸机理的，如美国Texas at Dallas大学的Abdi和Toole小组，主要研究人类感知人脸的规律，如漫画效应，性别识别和人脸识别的关系，种族效应等。由Stirling大学的Bruce教授和Glasgow大学的Bu
14、rton教授合作领导的小组，主要研究人类大脑在人脸认识中的作用，并在此基础上建立了人脸认识的两个功能模型，他们对熟悉和陌生的人脸的识别规律以及图像序列的人脸识别规律也进行了研究。也有从视觉机理的角度进行研究的，如英国Aberdeen大学的Craw小组，主要研究人脸视觉表征方法，他们对空间频率在人脸识别中的作用也进行了分析，荷兰Groningen大学的Petkov小组，主要研究人类视觉系统的神经生理学机理并在此基础上发展了并行模式识别方法。更多的学者则从事利用输入图像进行计算机人脸识别的研究工作。1.21.2 人脸识别的研究内容人脸识别的研究内容简单地说，人脸识别就是给定一个静止的或者动态图像，
15、利用己有的人脸数据库来确认图像中的一个或者多个人。它主要的研究内容包括一下5个方面6:(1)人脸检测 (Face Deteetion)如何从各种不同的背景中检测出人脸的存在并确定其位置。这一部分主要受到光照、噪声、头部倾斜度以及各种遮挡的影响。(2) 人脸表征 (Faee Representation)确定表示检测出的人脸和数据库中的已知人脸的描述方式。通常的表示方法包括几何特征(如:欧式距离，曲率，角度等)，代数特征(如矩阵特征矢量)固定特征模板，特征脸等。(3) 人脸鉴别 (Faee Identifieation)这一部分也就是通常所说的人脸识别，将待识别的人脸和数据库中的已知人脸相比较，
16、得出相关信息，最终确定待识别的人脸是数据库中的哪个人。这里最主要的是选择合适的人脸表示方式和匹配策略。(4) 表情分析 (Facial ExPression Analysis)对待识别的人脸的表情进行分析，并对其加以分类。(5) 物理分类 (physical Classification)对待识别人脸的物理特征进行分类，得出其年龄、性别、种族等相关信息。到目前为止，大部分的研究工作主要集中在人脸检测与定位、特征提取以及分类识别这几部分，而且很多问题尚待解决，表情分析和物理分类的研究现在还处在初步阶段，相对比较少。因此，通常所说的人脸识别系统，包括人脸检测与定位、特征提取、分类识别这几个部分，不包括表情分析和物理分类这两部分值得一提的是近年来表情分析和物理分类越来越受到研究人员的重视。1.31.3 人脸识别研究的意义人脸识别研究的意义人脸识别技术具有广泛的应用前景，在国家安全、军事安全和公共安全领域，智能门禁、智能视频监控、公安布控、海关身份验证、司机驾驶执照验证等有典型的应用;在民事和经济领域，各类银行卡、金融卡、信用卡、储蓄卡的持卡人的身份验证，社会保险人的身
