基于模糊线性判别分析的人脸识别算法设计-学位论文.doc
《基于模糊线性判别分析的人脸识别算法设计-学位论文.doc》由会员分享,可在线阅读,更多相关《基于模糊线性判别分析的人脸识别算法设计-学位论文.doc(57页珍藏版)》请在咨信网上搜索。
1、沈阳航空航天大学毕业设计(论文)基于模糊线性判别分析的人脸识别算法设计学 院专 业班 级学 号姓 名指导教师负责教师摘 要人脸识别技术是生物识别技术的一种,以其直接性,唯一性,方便性等特点,在公安,海关,交通,金融,视频会议,机器人的智能化研究等方面得到了越来越广泛的应用。人脸识别技术是模式识别领域中的一个前沿课题。在过去的几十年里,研究者尝试利用计算机来模仿人类识别人脸的能力,并提出了很多人脸识别的有效算法,利用不同技术提高了人脸识别算法的平均识别率。本文着重讨论一种把特征脸和模糊线性判别分析(FLDA)算法结合起来进行人脸识别的方法。该方法利用主成分分析(PCA)方法求得训练样本的特征空间
2、,然后在此基础上计算FLDA算法的特征子空间,进一步对特征脸空间降维。经过FLDA降维后的子空间中,同一类别的样本尽可能靠近,不同类别的样本尽可能分散(即降维后同一个人的人脸图像尽可能的靠近,不同人的人脸图像尽可能的分散开)。模糊LDA方法引入了模糊技术来优化特征提取,利用隶属度信息来描述样本的分布信息,能得到一个更好的类中心位置估计。应用于Yale及ORL人脸库的实验结果表明,该算法具有较高的识别率。关键词:人脸识别;主成分分析;模糊线性判别分析;特征脸Face Recognition Algorithm based on Fuzzy linear discriminant analysis
3、AbstractFace recognition technology is a kind of Biological recognition technology. With its immediacy, uniqueness and convenience, etc. It gets more and more widely used in terms of public security, customhouse, traffic, finance, video conference, the study on robots intelligence. Face recognition
4、technology is a frontier topic in the field of pattern recognition. In the past few decades, the researchers tried to use a computer to imitate humans ability to recognize faces, and a lot of effective algorithm of face recognition was proposed, and they used different technology increased the avera
5、ge recognition rate of face recognition algorithm. This paper focuses on a face recognition method which combining with the principal component analysis and fuzzy linear discriminant analysis (FLDA) algorithm.This method obtains the characteristics space of the training sample with the principal com
6、ponent analysis(PCA) algorithm, then on the basis of this calculation, get another FLDAS feature subspace which has lower dimensions. In this FLDAs feature subspace, samples of the same category are as near as possible, different types of sample are as disperse as possible (In other words, after the
7、 dimension reduction, the same person face image are as near as possible, the different human face image are as far as possible). The fuzzy technology is used in fuzzy LDA to optimize feature extraction, it can get a better class center position estimate with using membership information to describe
8、 the distribution information of the sample. The experimental results on Yale and ORL face database show that this algorithm has high recognition rate.Keywords: Face Recognition; Principal Component Analysis; Fuzzy Linear Discriminate Analysis; Eigenface目 录1 绪 论11.1 人脸识别的研究背景和意义21.2 人脸识别的发展史和应用31.2.
9、1 发展历史及发展现状31.2.2 应用和分类41.3 本文的主要内容与安排52 人脸识别基础72.1 人脸库72.1.1 Yale人脸库72.1.2 ORL人脸库82.2 特征提取82.2.1 主成分分析92.2.2 线性辨别分析102.3 分类器设计133 基于子空间分析的人脸识别方法153.1 基于PCA的特征脸算法153.2 基于LDA的Fisher脸算法173.3 基于FLDA的模糊线性判别分析算法184 基于PCA和FLDA的人脸识别204.1 基于PCA+FLDA的人脸识别算法204.2 实验仿真214.2.1 Yale人脸库214.2.2 ORL人脸库244.3 小结27结 论
10、28参考文献30致 谢32附录 源程序清单33V沈阳航空航天大学毕业设计(论文)1 绪 论人脸在日常生活中发挥着重要作用,人类根据人脸进行身份识别和表情判断,完成日常的交际,人脸因此成为最重要和最自然的身份识别对象。人类有着与生俱来的自动识别人脸的能力,能在剧烈变化不确定因素影响下快速且准确的识别人脸,同时进行身份匹配和表情判断。身份识别与验证是人类日常活动中的基本活动之一。在目前的技术水平下,几乎全部的身份验证还依靠传统的物理验证方式来完成,主要包括身份证件、钥匙、密码等,但这些验证方式存在方便性、可靠性和安全性等问题,因而不能适应社会的发展和需求。因此我们需要更加方便、可靠、安全的身份验证
11、方式。而生物特征识别技术的出现很好的解决了这一问题,近年来已经逐步成为重要场所必备的安检手段。与传统的身份验证方法相比,生物特征识别技术的优势在于生物特征是人类固有的特性,可以从根本上杜绝伪造和窃取的现象,从而满足了人类对于验证方式可靠性和安全性方面的需求。由于人脸识别对识别对象没有侵犯性,所以到目前为止是一种最有好的生物特征识别技术。人脸识别系统通过视频或静态图像来自动捕获和识别人脸,在生物特征认证、监控、安检、人机交互和多媒体监督等领域有着广泛的应用前景。人脸识别技术就是通过图像采集设备捕捉人类的脸部区域,然后把捕捉到的人脸图像和人脸数据库中的图像进行匹配分析,进而完成身份识别的任务。然而
12、,开发一个能完全自动识别人脸的系统是十分困难的,实际环境中,采集人脸图像的过程会受到人脸姿态、光照条件、面部表情和脸部饰物等诸多不确定因素的影响。过去的几十年里,研究者尝试利用计算机模仿人类识别人脸能力,提出了许多人脸识别的有效算法。尽管已经取得很多进展,但到目前为止人脸识别仍然是一个难度很大的课题,识别算法只能在用户配合、条件理想、小规模的人脸库上取得较好的识别效果。人脸识别的评估报告表明多数人脸识别方法的最佳性能在人脸姿态,光照,表情和部分遮挡等因素变化时都会发生很大的退化,人脸识别因此成为图像处理,模式识别,人工智能和计算视觉等领域最活跃的研究课题之一,也是本文的主要研究探讨对象。1.1
13、 人脸识别的研究背景和意义人脸识别(Face Recognition)是一种很重要的生物特征识别技术。所谓的生物特征识别技术是指通过对人类固有的特征进行自动的身份鉴别甄选技术。现阶段技术水平可依据的生理特征一般为:手型、掌纹指纹、人脸、虹膜、耳廓、DNA等;可依据的行为特征如:字迹、步态、语音等。目前,基于这些人类特征,已有相对应的生物识别技术,比如指纹识别、人脸识别、语音识别、虹膜识别、签名识别、步态识别等。在科技、人文高速发展的现今社会中,基于传统的物理性的身份标识方法如:证件、钥匙、用户名、密码等,由于其易丢失、易遗忘、易造假、易冒充等问题,已经远不能满足人类的需求,现今的人类迫切需要一
14、种快捷、有效并且安全的身份识别、标识方法。而基于生物特征识别的身份鉴定系统与传统的物理性身份鉴定手段相比,具有唯一性、安全性、可靠性、不易丢失、不易伪造等优点,因此正在逐步取代传统的身份鉴别方法,在信息安全、金融、交通、公共安全等领域得到了广泛的应用,并且对其识别技术、识别率等要求越来越高。在各种生物特征识别技术中,人脸识别技术更具有其独特的优势,主要有以下几个方面:(1)隐蔽性强,可在一定距离之外,识别对象不知情的情况下完成识别过程,特别适用于安全监控系统。(2)非接触式操作,对识别对象没有侵犯性,可被大多数人接受,理论上来说是最友好的生物特征识别技术。(3)图像采集数据存储,成本低廉。(4
15、)用户界面简单直接,相比较于文字等信息,图片信息更容易被人理解,交互性较强。(5)通过对人脸的表情,姿态,口型等分析,能获得较其他识别技术更多更难以获得的信息。由此可见,人脸识别技术已经逐渐成为最有发展潜力的生物特征识别技术,是当前的热门研究课题之一。并已在反恐,人事档案管理,视频监控,通行识别管理,人机交互等领域得到广泛应用,成为自动身份认证领域的主要研究方向。另外,对于人脸识别技术的研究也带动了多门相关学科的相互促进和相互发展。人脸识别作为典型的图像模式分析、理解与分类计算问题,其研究面跨越了模式识别、图像处理分析与理解、计算机视觉、人工智能、认知科学、人工神经网络、神经生理学、心理学等众
16、多的学科领域,并为这些学科领域创造新方法、验证新理论和解释新现象提供了良好的应用平台。人脸识别技术的相关研究可以极大地促进这些相关学科领域的发展、创新和成熟,同时这些学科领域的成熟也反过来促进人脸识别技术中问题的解决和技术的革新。1.2 人脸识别的发展史和应用1.2.1 发展历史及发展现状人们从事人脸识别技术的研究历史比较悠久。最早在1888年,Calton在Nature上发表了一篇关于利用人脸进行身份鉴别的文章,对人类自身对面孔的识别能力进行了分析。人脸识别技术的研究从最开始需要人工干预、识别方法匮乏、识别率低下逐步发展到现在的自动化识别程度较高、识别方法算法丰富、识别率较高阶段,大致经过了
17、三个发展阶段:第一阶段为非自动识别阶段,以Bertillon,Allen和Parke为代表,主要研究如何提取人脸特征。1893年,Bertillon用一个简单的语句与数据库中的某张人脸相连接,同时结合指纹分析,提供了一个完整的身份识别系统。Allen为待识别人脸提供了一种逼真的摹写方法。Parke则用计算机实现了这一方法,生成出质量较高的人脸灰度图模型。这一阶段的工作模式特点是需要人工干预,识别过程完全依赖操作人员。第二阶段为人机交互阶段。1972年,Goldstion,Harmon等尝试利用几何特征表示人脸图像,他们用21维特征向量表征人脸的面部特征,并设计出基于这种表征方法的识别系统。Ka
18、ya和Kobaysshi则采用统计学方法,利用欧氏距离来表示人脸的面部特征,如嘴唇和鼻子间距,鼻子高度,两眼间距离等。T.Kanad(M.Nagao)设计了一个有一定知识导引的半自动回溯识别系统,利用积分投影法从单张图像上提取计算出一组人脸特征参数,然后利用模式分类技术与标准人脸图像相匹配,相较于之前的识别系统,Kanad的系统实现了快速、实时地处理,这是一个很大的进步。Baron将人脸图像灰度归一化,再用四个掩模表示人脸,然后分别计算这四个掩模与数据库中每幅标准图像相互掩模之间的相互关系数,以此作为判别依据。这一阶段工作模式的特点是需要利用操作员的先验知识,仍然不能算作是一种完全自动的识别系
19、统。第三阶段是真正的自动识别阶段。上个世纪90年代起,计算机、数字图象处理、模式识别等技术的发展和人类社会对人脸图像自动识别系统的迫切需求推动了人脸识别技术的突破,多种基于计算机的全自动人脸识别系统开始问世。1996年,美国军方组织了一个人脸自动识别系统大赛,勒克菲勒大学的FaceIt系统获得冠军。在这之后,美国LAU公司研制出一个人脸图像自动识别系统,这个系统是一个以正常人眼辨别其他人脸的原理,基于生物测量学、人像复原技术而开发的装置,利用人脸的12-42个特征点,对人群中待寻找的人进行定量定性的识别,并已应用在机场、车站等公共场所和重点控制地区。现今,随着社会需求的提高,人脸识别引起了各个
20、科研机构的重点关注,并将研究成果转化为实用产品。比如Vision nics公司的Face It人脸识别系统,Microsoft公司的TrueFace系统,和Zn Boc hum Gmbh公司的ZN-Face系统等。国际上很多公司和研究机构如德国Cognitec S ystem GmbH、美国Identix Inc、Viisage及Neven Vision、韩国三星、日本东芝、麻省理工学院、密西根州立大学、卡耐基梅隆大学、耶鲁大学、新泽西理工学院、休斯敦大学等正在对人脸自动识别技术做更加深入的研究。国内对人脸自动识别技术的研究起始于上世纪80年代,相对起步较晚,但清华大学、北京大学、复旦大学、哈
21、尔滨工业大学、北京科技大学、中科院自动化所、中科院计算所等研究单位的研究已经取得了可喜成果,以清华大学智能图文信息处理研究室研制的TH-ID人脸识别系统为代表,该系统的测试结果位于国际领先水平。1.2.2 应用和分类随着人脸识别技术的不断发展和应用领域的拓宽,人脸识别技术在多个领域的发展前景已经逐渐越来越广泛。反过来也正是越来越多领域对人脸识别技术的应用和需求愈加增长,大力推动了人脸识别技术的发展速度。归纳起来,人脸识别技术的应用主要分为以下几类:人脸验证:人脸验证是一种身份验证手段,指利用人脸识别技术来验证某个人是否确实是他(她)所声称的那个人。具体来说大多应用在机场、海关或一些保密部门及出
22、入口控制等场所用以替代或辅助证件验证来甄别出入人员的身份、证件等的真实性。人脸辨别:人脸辨别主要是应用人脸识别技术来辨别未知身份人员的真实身份。大多应用在公共安全领域:如公安系统中对嫌疑犯、被害人等的身份进行鉴定;银行、公司等公共场合发生非法分子闯入或异常状况时先通过视频监控采集人脸图像,再利用人脸识别技术与数据库进行对比,确定闯入者身份。视频监视:在视频监视系统中,人脸识别系统的任务目标是在人群中筛选出特定目标并实行跟踪监控,这是一个典型的动态匹配过程。主要应用于国家安全、公安布防以及机场、海关等反恐监控系统中。视频监视系统采集的人脸经过相关处理后与数据库对比,若发现目标人物或危险个体则发出
- 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:
- 基于 模糊 线性 判别分析 识别 算法 设计 学位 论文
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【胜****】。
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【胜****】,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。