本科毕业论文---基于pca算法的人脸识别系统设计.doc
《本科毕业论文---基于pca算法的人脸识别系统设计.doc》由会员分享,可在线阅读,更多相关《本科毕业论文---基于pca算法的人脸识别系统设计.doc(34页珍藏版)》请在咨信网上搜索。
1、本 科 毕 业 论 文基于PCA算法的人脸识别系统设计Face recognition based on PCA algorithm systemdesign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,也不包含我为获得安阳工学院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
2、权说明本人完全了解安阳工学院关于收集、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: 目 录摘要IAbstract.II引言1第一章 绪论2 1.1人脸识别的背景与发展现状2 1.2人脸识别的应用与优势2第二章 人脸图像的处理4 2.1图象的人脸定位4 2.2图象的预处理4 2.2人脸样本库图象的训练5第三章 基于PCA算法的人脸识别63.1 PCA
3、的基本思想63.2 PCA算法基本数学原理63.3 人脸识别中PCA算法的具体步骤63.4 PCA算法在人脸识别中的应用73.4 PCA人脸识别优缺点分析8第四章 人脸识别系统的实现及实验结果分析9 4.1人脸识别系统的设计9 4.2系统功能介绍9 4.2.1主菜单界面9 4.2.2训练图像9 4.2.3载入照片10 4.2.4人脸识别的功能与说明10 4.3功能实现及主要函数说明11 4.3.1保存图像和训练图像11 4.3.2人脸识别的过程12 4.5实验结果13 4.6影响人脸识别的因素13 4.6.1光照变化13 4.6.2人脸形态变化13结论15致谢16参考文献17附录18基于PCA
4、算法的人脸识别系统设计摘要:近年来,人脸识别在国内有着蓬勃的发展趋势,在很多领域都有应用。例如:家的防盗门,单位的考勤,公安系统,刑事鉴定,面对面支付,人脸解锁等。它有一个很大的发展前景,因此成为一个具有人工智能的范畴的研究热点识别方法。本次毕业论文主要应用了基于PCA算法的人脸识别。主要包括人脸图片定位的预处理、人脸的输入、PCA算法对特征脸提取、人脸识别等四大模块。本文通过MATLAB的仿真实现了基于一个PCA算法的人脸识别系统,通过对人脸的降维让一个复杂的图象用几个简单的数字表示出来,然后与人脸数据库里的图象相比较,找出最小的欧氏距离,最终输出识别图象。首先,本文提出了人脸识别近几年的发
5、展趋势,以及现状与背景,并且分析了人脸识别与其他识别方法的对比,以及人脸识别的优点跟人脸识别中的难点。然后对人脸识别的过程进行详细的说明,大致分为四个阶段,接下来研究主成分分析法(PCA)提取图象特征值的原理,以及PCA算法与其他算法的对比所展现出来的优势与劣势,对设计的人脸识别进行测试、仿真,最终获得预期的结果。本文最后总结了本次毕业设计中,自己的不足之处,以及对这次毕业设计的感悟,自己的心得体会。关键词:人脸识别;特征脸的提取;图片的灰度处理;欧式距离;阈值;Face recognition based on PCA algorithm system designAbstract:In r
6、ecent years, the development trend of face recognition in domestic has a vigorous, are used in many fields. For example: family security doors, institution of attendance, the public security system, criminal identification, face pay, face unlock, etc. It has great prospects for development, thus bec
7、ome the research focus in the recognition method with artificial intelligence category.PCA algorithm human face recognition is proposed in this paper. Mainly includes the pretreatment of face image location, a face of input, PCA algorithm for extracting feature face, face recognition and so on four
8、big modules. In this article, through MATLAB simulation implements a face recognition system based on a PCA algorithm, through the dimension reduction of face to a complex image with a few simple Numbers, and then compared with the face images in the database, find the minimum Euclidean distance, fi
9、nally the output image.First, this paper puts forward the development trend of face recognition in recent years, as well as the present situation and background, and analyzes the face recognition compared with other identification method, and the advantages of face recognition with the difficulties
10、in face recognition. And detail the process of face recognition, roughly divided into four stages, and the next research principal component analysis (PCA) to extract the principle of image characteristic value, and PCA algorithm compared with other algorithm show the advantages and disadvantages, t
11、est, simulation for the design of face recognition. Eventually get the expected result. Finally, the paper summarizes the graduation design, their own shortcomings, and the feeling of the graduation design, for your own comments.Key Words: Face recognition; Characteristics of the extraction of face;
12、 Image grayscale processing; Euclidean distance; The threshold value; 引 言 在当今的时代,科技飞速的发展,越来越多的安全问题困扰着大家。随着我国经济的快速发展,国内人群的流动性增强,社会安全的不稳定性也随之增高,因此安全问题成为21世纪人们广泛关注的问题。当前社会,很多地方都涉及到安全问题,上网娱乐、银行业务、网上购物、家庭防盗门等许多日常活动都跟密码息息相关,随着服务数量的增加,密码也随之增多,导致不能准确的记忆。伴随着科技的提高,密码也越来越越不安全,越来越容易被破译,密码安全系数越来越低。给人们的日常生活带来很多的安
13、全隐患。因此这些年,很多国家都投入大量资金、精力来研究生物识别系统,与其他原始人类的识别技术相比,生物识别技术具有更高的安全性,操作更方便。另外人类本身就有很多生物特性,比如面目特征、DNA、指纹、虹膜、声音等。根据人类这些特征,然后再与计算机技术相结合,进而发展成为更多的关于人类生物特征的人体身份辨别技术。第一章 绪论1.1人脸识别的背景与发展现状在当前社会,人脸识别系统在很多领域都有应用,人脸支付、人脸解锁、公安的破案、查缉布控。我国也对人脸识别系统做了很深的研究。中国已经掌握了当前热点研究领域的人脸识别核心技术。北京,一个公司设计的人脸识别系统在2002,相机通过处理人脸图像的特征消除影
14、响,然后提取图像的识别。通常需要正面人脸识别使用,还需要对人脸图像识别往往采取不同时,使用摄像头将是不同的,所以本系统人脸识别是特别有价值的。要鉴别的人脸图像是不同时期拍摄的,使用的照相机不一样。该系统可以接受的时间间隔较长的照片,而且识别率高,2300正面图片,财政部的图片,使用1-7年,除了要查询的照片之间的差别比较大,第一率可以达到50%,20张照片是包含在输出的概率相同的照片输入图像高达70%。该项技术在国内外都处于领先水平。让计算机具有识别人脸特征平且能识别出身份就是人脸识别的目的。通过面部特征来设计基于人脸检测的复杂场景的重要标识,是依靠图象理解、模式识别和计算机视觉,统计和其他技
15、术来完成得。 人脸识别的理论发展趋势大概可以划分为三个阶段:第一个阶段,主要以贝迪永、艾伦和帕克为代表,研究的是人脸识别需要用到的的脸部特征。贝迪永将一个简单的语句跟庞大数据库中的某一张脸关联起来,同时结合指纹分析技术,一个很强的识别系统就此产生。第二个阶段,是人机交互式识别阶段。标志性的成果有:莱斯克、格莱斯顿和哈蒙采用几何参数来表示人脸图像。第三个阶段,时间是进入20世纪90年代,因为高性能计算机的产生,使之人脸识别系统能够更加完美的工作与应用,所以,人脸识别的研究又掀起一股热潮,人脸识别系统完成机器自动识别的新领域。1.2人脸识别的应用与优势 人脸图像识别不仅具备庞大的表面价值和挑战性外
16、,它也有许多隐藏的应用,比如不用连接目标就可以获得样板图像来进行身份鉴别。与其它的认证手段相比,人脸识别具有操作方便,识别效率高等优点。通过上面的分析。我们可以预测出人脸图像识别在未来会有非常开阔的应用前景,如表1.1中所列举就是已经完成或正在完善的应用。表1.1 人脸识别的应用 应用优点存在的问题信用卡摄像可控必须创造一个丰富的数据库照片匹配潜在的巨大图像库图像质量不统一互联网应用信息视频价值高存在不实的问题银行储蓄安全监控效果好图像质量差人群监测图像实时性图像质量低人脸识别和另外的生物识别比较起来有如下几个优势:(1)人为的行为配合对于其他生物特性识别方法不可或缺,但是人脸识别却可以没有。
17、(2)在视频监控中,人脸识别可以实现远距离视频识别(3)当前,每个人的身份证都有清晰的人脸照片,在这个人脸资源库中。我们能够使用这个库来更直观、更简易的核对该人的身份。(4)人脸识别技术在特征输入方面比较简易,包含的信息丰富。同时人脸系统特别友好,利用面也广。人脸识别技术由于其便利性,唯一性,稳定性,被越来越多的应用于各种标识方法。人脸识别系统分为四大模块:采集和人脸图像预处理,图像特征提取,人脸识别,识别结果输出。如表4.1所示。表4.1 人脸识别系统一般框架人脸识别过程识别结果的输出图像特征提取采集和人脸图像预处理 第二章 人脸图像的处理2.1图象的人脸定位如果用一张背景各异的图象直接进行
18、识别,会有太多不需要识别的干扰因素,比如光度、背景。都会让识别的结果受到很大的影响,因此必须对图片进行预处理,首先第一步就是图象的人脸定位。本次毕业设计借助的是FACESAVE对图象进行人脸定位。如图2.1所示图2.1 图象的人脸定位2.2图象的预处理在人脸识别当中,图片的灰度处理对PCA算法提取特征值有很重要的作用,图象的灰度是进行图像识别与处理的基础。一般人脸识别都是首先把图像灰度化,图象的灰度化可以更好的提取图象特征值,每个图象都有像素值。如果识别像素过大,会导致训练速度慢、内存不足,从而影响识别效果,所以识别前需要对图象进行归一化,因为PCA算法需要输入的维度要一致。这里我把像素都归为
19、28*23。 利用MALTALAB软件的图象处理,对图象进行归一化处理。 2.2人脸样本库图象的训练人脸图象的训练分为三个步骤:1、人脸样本的采集,可以直接下载国外人脸识别科研样本,也可以自己拍照,对图象进行人脸定位,像素的统一规划。2、人脸样本库的建立,人脸数据库是基于PCA的人脸识别技术,人脸数据库的完善程度极大的影响着人脸识别的效果。但是对于本设计来说,数据库里的图象像素必须统一,并且过多的增加人脸数据库的数据数量,会增大训练计算过程,可能会导致内存的应用不足。此次设计一共用了7个文件夹,每个文件夹5张训练图象。如图2.2所示。 图2.2人脸样本库的建立 3、样本图象的训练,利用MATL
20、AB对训练程序运行,对人脸样本库的照片数据进行训练并储存。生成的trainresult.mat文件,用于目标的检测。 第三章 基于PCA算法的人脸识别3.1 PCA的基本思想PCA:就是我们通常说的主成分分析法,它可以把确定一个事物的特征提取出来,舍去没有特点的特征值,提取事物的本质因素,从而使复杂的问题简化。PCA算法的基本思路就是把一个高维的图象降低成一个低纬图象,多矩阵降为一列的矩阵,从而使运算简单,主要过程就是算出投影矩阵与提取特征值。3.2 PCA算法基本数学原理一个矩阵的维数很高,如何选择一个标准正交基,让投影矩阵的正交基上可以代表矩阵的最大程度。这是PAC要解决的问题。如果A是一
21、个n行k列的矩阵,计算矩阵A的协方差矩阵C,C的表达方式如下: 上式中u=E(x),都是每列向量的期望值,这里指每列向量的平均值。协方差矩阵中的每个元素是表示的随机向量X的不同分量之间的协方差,如元素Cij表示的就是随机变量Xi, Xj的协方差。协方差反映变量间的相关性,如果协方差是小,然后两个变量之间的相关系数很小。尽管协方差矩阵的计算比较简单,但可以得出一个变换矩阵,完全相关的数据,那就是找到一组数据的最佳紧凑的方式来表达。接着求出协方差矩阵C的特征值,我们选取前q(qk)个最大的特征值,然后求出这q个特征值对应的特征向量。由于特征值较大,表示矩阵在对应特征向量上的“信号”越强,或者说在特
22、征向量方向上有更多的特征。这q个特征向量组合成一个q*k的矩阵,就是我们要求的特征矩阵。投影矩阵的特征矩阵可以通过一个新的NQ.获得。我们使用这个n*q的投影矩阵“代表”样本矩阵A(n*k),从而实现了降维。3.3 人脸识别中PCA算法的具体步骤 1将mn的训练图象重新排列为m*n维的列向量,例如像矩阵为 ,则排列后的列向量为。计算均值向量,然后每个图象矩阵都减去均值向量。得到一个新矩阵 2对新矩阵进行协方差运算,得到一个N*N的方阵,然后求出方阵的特征值与特征向量,一般有N个特征值和N个特征向量,对特征值进行从大到小的排练。 3选取第2步所得的15个最大特征值对应的特征向量组成投影矩阵A,将
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 本科毕业 论文 基于 pca 算法 识别 系统 设计
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【可****】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【可****】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。