《基于PCA的人脸识别算法实现毕业论文》由会员分享，可在线阅读，更多相关《基于PCA的人脸识别算法实现毕业论文（72页珍藏版）》请在金锄头文库上搜索。
1、 毕业设计（论文）设计（论文）题目：基于PCA的人脸识别算法实现摘 要随着科技的发展，人类社会的进步，传统身份识别由于容易遗失，容易被破解已不能起到身份识别作用。人们需要更加安全可靠的身份识别技术。而生物特征的独一无二，不易丢失和被复制的特性很好满足了身份识别的需要。同时随着计算机科学技术和生物医学的发展使得利用生物特征识别成为了可能。在生物特征识别领域，由于人脸识别的操作快速简单，结果直观，准确可靠，不需要人的配合等优点已成为人们关注的焦点。主成分分析（PCA）通过提取高维度的人脸图像的主元，使得图像在低维度空间中被处理来降低了图像处理的难度。由于其有效的解决了图像空间维数过高的问题，已经成
2、为人脸识别领域非常重要的理论。本文研究的就是基于PCA的人脸识别算法的实现。本文按照完整人脸识别流程来分析基于PCA的人脸识别算法实现的性能。首先使用常用的人脸图像的获取方法获取人脸图像。本文为了更好的分析基于PCA人脸识别系统的性能选用了Essex人脸数据库。接下来是人脸图像预处理方法。由于Essex人脸图像质量较好，而且已经做过相应的预处理，所以本文试验中只使用灰度处理。接着使用PCA提取人脸特征，使用奇异值分解定理计算协方差矩阵的特征值和特征向量以及使用最近邻法分类器欧几里得距离来进行人脸判别分类。在实验中我们发现基于PCA的人脸识别系统的识别率很高，而且具有一定鲁棒性，所以基于PCA的
3、人脸识别算法的实现的研究还是有意义。【关键词】人脸识别 PCA算法 奇异值分解定理 欧几里得距离ABSTRACTWith the development of science and technology, the progress of human society, the traditional identification is easy to lose, easy to be cracked and it has not play an identifiable role. People need a more secure and reliable identification te
4、chnology. Biometric is unique, easy to lose and replication characteristics of good meet the needs of the identification. With the development of computer science and technology and biomedical makes use of biometric identification has become possible. In the field of biometric identification, face r
5、ecognition with the advantages of operation is fast and simple, the results are intuitive, accurate and reliable,do not need co-ordination, has become the focus of attention. The principal component analysis (PCA) to extract high dimensional face image of the main element, making the images are proc
6、essed in low-dimensional space and it reduces the difficulty of image processing. PCA solves effectively the problem of high dimension image space and it has become a very important theory in face recognition field. This paper is in this context of writing from. In accordance with the full recogniti
7、on process to analyze the performance of PCA-based face recognition algorithm. The first to use the method of access to commonly used face images for face images. In order to better analysis is based on the performance of the PCA face recognition system selected Essex face database. Next is the face
8、 image preprocessing methods. Essex face image quality is better, and have done the appropriate pretreatment, using only gray-scale processing of this trial. Then use the PCA for face feature extraction using singular value decomposition theorem to calculate the covariance matrix of the eigenvalues
9、and eigenvectors, and use the Euclidean distance of the nearest neighbor classifier to the classification of human face discrimination. In the experiment, we found that a high recognition rate of the PCA-based face recognition system, but with a certain robustness, the PCA-based face recognition alg
10、orithm to achieve meaningful.【Key words】face recognition PCA algorithm SVD Euclidean distance目 录前 言1第一章 人脸识别系统概述2第一节 人脸识别的研究概况2第二节 人脸识别的发展趋势3一、多数据融合与方法综合4二、动态跟踪人脸识别系统4三、基于小波神经网络的人脸识别4四、三维人脸识别4五、适应各种复杂背景的人脸分割技术4六、全自动人脸识别技术4第三节 人脸识别技术的主要难点4一、复杂条件下人脸的检测和关键点定位5二、光照问题5三、资态问题5四、表情问题5五、遮挡问题5第四节 人脸识别流程5一、人脸
11、图像采集6二、预处理6三、特征提取6第五节 本章小结7第二章 人脸图像的获取9第一节 人脸图像获取9第二节 人脸分割9第三节 人脸数据库10第四节 本章小结11第三章 人脸图像的预处理12第一节 人脸图像格式12一、JPEG格式12二、JPEG2000格式12三、BMP格式13四、GIF格式13五、PNG格式13第二节 人脸图像常用预处理方法14一、灰度变化14二、二值化15三、直方图均衡15四、图像滤波15五、图像锐化17六、图像归一化18第三节 本章小结19第四章 人脸识别20第一节 主成分分析基本理论20一、什么是主成分分析？20二、例子20三、基变换21四、方差23五、PCA求解：特征
12、根分解27六、PCA的假设28七、总结：28八、在计算机视觉领域的应用30第二节 基于PCA人脸识别算法的实现31一、创建数据库32二、计算特征脸32三、人脸识别34第三节 本章小结36结 论37致 谢38参考文献39附 录40一、英文原文40二、英文翻译53三、源程序64- I -前 言随着社会和科技的发展，社会步伐的加快，人们对高效可靠的身份识别需求日益强烈。各种技术在科研和实际中都受到了很大的重视和发展。由于生物特征内在的稳定性和唯一性使其成为了作为身份识别的理想依据。人脸特征作为典型的生物特征外，还有隐蔽性好，易于被用户接受，不需要人的配合等优点。现已成为了身份识别领域研究的热点。PC
13、A算法通过降低维度，提取主元素，减少了数据冗余，解决了图像纬度太高无法处理或处理很慢的特点，同时保持了原始图像的绝大部分信息。在人脸识别领域，很多先进的识别算法都是在其基础上的改进。所以研究基于PCA的人脸识别算法实现具有重要的理论和使用价值。本文主要介绍基于PCA的人脸识别算法的实现，除第一章外，其余内容按照人脸识别的流程可分为人脸图像获取，人脸图像预处理，人脸特征提取和特征匹配四个部分。具体安排如下:第一章主要介绍人脸识别的研究现状，人脸识别技术的主要难点及人脸识别流程。第二章主要介绍常用的人脸图像获取方法和人脸图像数据库。第三章主要介绍常用的人脸图像预处理方法。第四章主要介绍PCA算法，
14、SVD定理，如何通过PCA和SVD提取人脸特征及如何使用最近邻法分类器欧几里得距离来进行判别分类。第一章 人脸识别系统概述第一节 人脸识别的研究概况人脸识别的研究起源比较早，Galton 在1888年和1910年就已在Nature杂志发表两篇关于如何使用人脸进行身份识别的论文。在他的文章，他使用一组数字表示相异的人脸侧面特征，同时还对人类本身的人脸识别能进行了研究分析。自动人脸的研究历史相对比较短，到现在不过五十多年的时间。不过1990年以来，才得到了长足的进步。现在，已变成计算机视觉领域的一个焦点，很多著名的大学和IT公司都有研究组在从事这发面的研究。对于人脸识别的研究历史可分为三个阶段：第
15、一阶段（1964-1990）这个阶段主要采取的技术是基于人脸几何结构的。研究的重点主要在剪影上。研究人员做了大量关于如何提取面部剪影曲线的结构特征的研究。这个阶段属于人脸识别的初级阶段，突出的研究成果不多，也没有获得的实际应用。第二阶段（1991-1997）这个阶段虽然时间相对较短，但是硕果累累，出现了若干具有代表性的算法和几个商业化的人脸识别系统，如Identix（原为Visionics）公司的FaceIt系统。这个时期最具盛名的人脸识别方法是MIT媒体实验室的Turk和Pentland提出的的“特征脸”方法。后来很多人脸识别技术都与特征脸有关，现在特征脸已与归一化的协相关量方法一起成为了人脸识别性能测试的基准算法。这个时期的主要成果有：1992年左右，Brunelli和Poggio做了一个基于结构特征的方法和基于模板匹配的方法性能对比的实
