《基于pca的人脸识别研究毕业论文设计.doc》由会员分享，可在线阅读，更多相关《基于pca的人脸识别研究毕业论文设计.doc（48页珍藏版）》请在金锄头文库上搜索。
1、内 容 摘 要生物特征识别是利用人类特有的生理或行为特征来识别个人身份的技术，它提供了一种高可靠性、高稳定性的身份鉴别途径。人脸检测和识别是目前生物特征识别中最受人们关注的一个分支，是当前图像处理、模式识别和计算机视觉领域内的一个热门研究课题，在公安部门罪犯搜索、安全部门动态监视识别、银行密码系统等许多领域有广泛的研究，本文对此进行了较为深入的研究。首先描述了人脸识别技术的研究内容、方法、应用前景，对人脸自动检测与识别技术进行了综述。并且详细介绍了人脸识别很重要的一个步骤“人脸预处理”，文中提到的人脸预处理方法都是从图像处理的角度着手的，主要目的是使人脸图像标准化，并在一定程度上消除光照的影响
2、。本文介绍了几种主要的预处理方法，如几何归一化，灰度归一化。其次，本文重点描述了人脸识别的经典方法，PCA方法。主成分分析方法(Principal Component Analysis ,PCA)，即离散K-L变换，是图像压缩中的一种最优正交变换。它用一个低维子空间来描述人脸图像，同时又能在一定程度上保存所需要的识别信息。其基本原理为:由高维图像空间经K-L变换后得到一组新的正交基，对这些正交基作一定的取舍，保留其中的一部分生成低维的人脸空间，即人脸的特征子空间，识别时将测试图像投影到此空间，得到一组投影系数，通过与各个人脸图像比较进行识别。这种方法使得压缩前后的均方误差最小，且变换后的低维空
3、间有很好的分辨能力。但在这种人脸识别技术中，二维的人脸图像矩阵必须先转化为一维的图像向量，才能进行PCA分析，而在这种转化后，造成图像向量的维数一般较高，使整个特征抽取过程所耗费的计算量相当可观。关键词人脸识别;人脸预处理;主成分分析Research on Face Recognition Based on Principal Component AnalysisAbstract Biometrics is a kind of science and technology using individual physiological or behavioral characteristics
4、to verify identity. It provides a highly reliable and robust approach to the identity recognition. Automatic face detection and recognition is one of the most attention branches of biometrics and it is also the one of the most active and challenging tasks for image processing, pattern recognition an
5、d computer vision. It is widely applied in commercial and law area, such as mug shots retrieval, real-tine video surveillance in security system and cryptography in bank and so on. The main research works and contributions are as the following. First, the research content, approach and development a
6、re emphasized. The research status is introduced. The technology of the face detection and recognition are summarized. And the paper describes face preprocessing in detail which is and important step in the face recognition. The face preprocessing methods we adopt are based on image processing techn
7、iques. The main purpose is to get the standardized facial images, and to eliminate the impact of illumination to some extent. In this paper, several key preprocessing methods are introduced, such as geometry normalization, gray-scale normalization and images binary-conversion. Principal Component An
8、alysis (PCA) face recognition methods as the foundation of the K-L transformation is the most superior in the image compression .By using PCA, the dimension of the input is reduced while the main components are maintained. The major idea of PCA is to decompose a data space into a linear combination
9、of a small collection of bases.In the face-recognition literature, the eigenvectors can be referred to as eigenfaces. The probe is identified by first projection to all gallery images. We denote a probe .A probe is comparing the projection to all gallery images, and it causes around the compression
10、the mean error to be youngest. But in the PCA-based face recognition technique, the 2D face image matrices must be previously transformed into 1 D image vectors. The resulting image vectors of faces usually lead to a high dimensional image vector space, where it is difficult to evaluate the covarian
11、ce matrix accurately due to its large size and the relatively small number of training samples. Key wordsFace recognition ；Face pretreatment；PCA目 录第一章 绪 论11.1人脸识别研究的目的意义11.2人脸识别的定义及主要研究内容31.3人脸识别方法综述61.3.1人脸识别方法分类61.3.2常用的人脸识别方法61.3.3基于几何特征的人脸识别方法71.3.4基于K-L变换的特征脸方法91.3.5神经网络方法101.3.6弹性匹配图脸部识别方法121.
12、3.7隐马尔可夫模型的识别方法131.3.8基于FISHER线性判别式的方法131.3.9基于小波包的识别方法141.4人脸识别的应用141.5人脸识别问题中的难点及发展方向151.5.1人脸识别问题中的难点151.5.2人脸识别的发展方向17第二章人脸图像预处理182.1引言182.2人脸图像库简介182.3人脸图像的预处理算法192.3.1图像的几何归一化192.3.2图像的直方图均衡化202.4本章小结23第三章 基于PCA的人脸识别方法233.1引言233.2 PCA人脸识别方法原理233.2.1特征提取的概念243.2.2离散K-L变换的原理243.2.3特征值的选择263.2.4距
13、离函数的选取与分类判别273.3经典的PCA人脸识别283.3.1特征脸算法283.3.2经典PCA人脸识别方法的实现过程293.3.3训练过程303.3.4识别过程32第四章 实验过程显示及分析334.1 引言334.2 实验过程33致 谢37参考文献38附录39II第一章 绪 论1.1人脸识别研究的目的意义随着信息技术及网络的高速发展，人们的生活及身份日益数字化，信息的安全性和隐蔽性越来越受到人们的重视，身份识别与认证技术也因此得到了较快的发展。而人脸识别作为图像处理在这些领域最成功的应用之一，最近几年来成为广大学者的研究热点，越来越受到关注。人类社会的发展进入到21世纪的今天，社会的发展
14、促进了人的流动，进而也增加了社会的不稳定性，这就使得安全方面的需求成为当今社会尤为重要的问题。不论是享受各项服务如网上冲浪、还是居家、办公等都涉及到安全，以往这些行为基本上是通过符号密码来进行安全保护，但是随着服务数量的不断增加，密码越来越多以致无法全部记住，而且密码有时也会被他人所窃取，各种密码被破解的概率越来越高。可见在现代社会中，身份识别己经成为人们日常生活中经常遇到的一个基本问题。人们几乎时时刻刻都需要鉴别别人的身份和证明自己的身份，以获得对特定资源的使用权或者制权，同时防止这些权限被他人随意的取得。传统的身份识别方法主要基于身份标识物(如证件、卡片)和身份标识知识(如用户名、密码)来
15、识别身份，这在很长一段时期是非常可靠和方便的识别方法，得到了广泛的应用。但是，随着网络、通信、交通等技的飞速发展，人们活动的现实空间和虚拟空间不断扩大，需要身份认证的场合也变得无不在。密码遗失、资料被盗的时间不断发生，传统的安全技术已暴露出重大的缺陷，就会给个人乃至整个社会带来重大的甚至难以弥补的损失。面临这样的情况，人们对身份识别的安全性、可靠性、准确和实用性提出了更高的要求，必须寻求身份识别的新途径。于是，近年来人类生物特征越来越广泛地应用于身份识别，而且生物特征可以更好的进行安全控制，世界各国政府都在大力推进生物识别技术的发展及应用。所谓生物特征认证就是利用人的生理或行为特征对个人身份进行识别或是认证的技术，与传统的身份认证技术不同，基于生物特征的身份认证技术，以人体本身所固有的生理特征或行为特征作为识别媒介，运用图像处理和模式识别等技术，实现身份鉴别或验证。相对传统的身份认证方法而言，生物特征认证技术具有不会因当事人遗忘或他人窃取和伪造而进行错误判定，比传统的身份认证方法更加安全方便、特征唯一、不易伪造、不可窃取。生物特征可分为生理特征和行为特征两大类，人脸、指纹、掌纹、虹膜、视网膜等属于生理特征，语音、步态、笔迹等属于行为特征，生理特征相对行为特征而言更为稳定。人脸识别技术基于生理特征
