《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（83页珍藏版）》请在金锄头文库上搜索。
1、毕业设计（论文） 毕业设计（论文）设计（论文）题目：基于PCA的人脸识别算法实现毕业设计（论文）原创性声明和使用授权说明原创性声明本人郑重承诺：所呈交的毕业设计（论文），是我个人在指导教师的指导下进行的研究工作及取得的成果。尽我所知，除文中特别加以标注和致谢的地方外，不包含其他人或组织已经发表或公布过的研究成果，也不包含我为获得 及其它教育机构的学位或学历而使用过的材料。对本研究提供过帮助和做出过贡献的个人或集体，均已在文中作了明确的说明并表示了谢意。作 者 签 名： 日 期： 指导教师签名： 日期： 使用授权说明本人完全了解 大学关于收集、保存、使用毕业设计（论文）的规定，即：按照学校要求提
2、交毕业设计（论文）的印刷本和电子版本；学校有权保存毕业设计（论文）的印刷本和电子版，并提供目录检索与阅览服务；学校可以采用影印、缩印、数字化或其它复制手段保存论文；在不以赢利为目的前提下，学校可以公布论文的部分或全部内容。作者签名： 日 期： 学位论文原创性声明本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加以标注引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律后果由本人承担。作者签名： 日期： 年 月 日学位论文版权使用授权书本学位论文作者
3、完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权 大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。涉密论文按学校规定处理。作者签名：日期： 年 月 日导师签名： 日期： 年 月 日摘 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
4、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
5、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
6、is easy to lose, easy to be cracked and it has not play an identifiable role. People need a more secure and reliable identification technology. Biometric is unique, easy to lose and replication characteristics of good meet the needs of the identification. With the development of computer science and
7、 technology and biomedical makes use of biometric identification has become possible. In the field of biometric identification, face recognition 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 at
8、tention. The principal component analysis (PCA) to extract high dimensional face image of the main element, making the images are processed 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
9、 very important theory in face recognition field. This paper is in this context of writing from. In accordance with the full recognition 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
10、order to better analysis is based on the performance of the PCA face recognition system selected Essex face database. Next is the face 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
11、 the PCA for face feature extraction using singular value decomposition theorem to calculate the covariance matrix of the eigenvalues and eigenvectors, and use the Euclidean distance of the nearest neighbor classifier to the classification of human face discrimination. In the experiment, we found th
12、at a high recognition rate of the PCA-based face recognition system, but with a certain robustness, the PCA-based face recognition algorithm 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
13、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
14、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- IV -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。PCA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
