本科毕业论文-—基于pca的人脸识别研究.doc
《本科毕业论文-—基于pca的人脸识别研究.doc》由会员分享,可在线阅读,更多相关《本科毕业论文-—基于pca的人脸识别研究.doc(48页珍藏版)》请在咨信网上搜索。
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3942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
16、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进行识别,是最主要的生物特征身份认证技术之一。在各种生物特征认证技术中,人脸识别技术的市
17、场份额仅次于指纹识别技术。人脸识别技术和其他的生物识别比起来有以下几个优点: (1)人脸识别可以在隐蔽的条件下进行,适用于安全监控; (2)数据采集方便,采集设备成本低廉。目前,普通数码相机、数码摄像机和照扫描仪等摄像设备在普通家庭的日益普及进一步增加了其可用性;(3)人脸识别具有快捷、非接触的特点,对用户友好。人脸是人们在日常生活中辨认他人的最常用的特征。利用人脸特征进行身份验证最易被人们接受; (4)存在丰富的现有数据。社会上具有各种大型的人脸数据库,如公安部门的身份证照片数据库,学校里的学生学籍数据库等等。在各种身份证明材料中,一般也会含有标准的正面人脸照片;(5)具有方便、快捷、强大的
18、事后追踪能力。普通人可以对人脸认证系统的结果进行判定,而上述其他生物特征一般只能通过专家认定。人脸识别技术作为生物识别技术的一种,以其特有的稳足性、方便性、唯一性等特点被愈来愈多地应用于除安全问题外的各种身份识别领域。因为其巨大的商业应用前景,受到越来越多的重视。近几十年以来人脸识别技术有了长足的发展,并且逐步走向实际应用阶段。可以预言,在今后的几十年内,随着人脸识别技术进一步发展,人脸识别技术将应用到更多的领域,例如视觉监控、娱乐应用、智能卡、自动身份验证、银行安全、公安系统刑侦破案的罪犯身份识别、身份证及驾驶执照等证件验证、银行及海关的监控、自动门卫系统、视频会议等。目前,各国都加大力度研
19、究生物识别技术,人脸识别这一最类似人类身份鉴别的方式得到了很多人的关注,很多重要的出入场合都在安装人脸识别系统。这些己有的以及潜在的应用领域将推动人脸识别技术不断发展。根据预计,生物特征识别技术在2009-2012年的增长率将保持30%左右,在国内这一数字会更高。整个生物识别技术市场的规模2010年将达到40亿美元左右,国内市场有可能达到40亿人民币。人脸识别作为一种新兴的生物识别技术将占据整个生物特征识别技术15%-20%左右的份额。就算以15%计算,人脸识别的市场规模也将在2010年达到6亿美元,国内达到40亿人民币左右。作为一种最直接、最自然、最容易被人接受的生物特征识别技术,人脸识别致
20、力于探索如何使机器能够自动地根据用户的人脸图像来鉴别用户的身份。 人脸识别的研究涉及模式识别、计算机视觉、人工智能、图像处理、心理学、机器人的智能化研究、医学、生理学和认知科学等,与计算机人机交互领域和基于其它生物特征的身份识别方法都有密切联系。虽然人们可以毫不费力地通过脸部图像来鉴别互相的身份,然而由于成像过程中各种影响因素的变化常常导致同一个人的人脸图像发生非常大的变化,因此建立自动系统完成识别任务是非常具有挑战性的。虽然目前国内外己经有许多实用系统问世,但是只有在非常苛刻的成像条件下,才能得到比较令人满意的识别效果。因此,人脸识别研究仍然远远没有到达完善的境地,还有非常大的发展空间。1.
21、2人脸识别的定义及主要研究内容 人脸识别(Face Recognition)是指基于己知的人脸样本库,利用图像处理和模式识别技术从静态或动态场景中,识别或验证一个或多个人脸。从广义上来说,人脸识别主要包括人脸检测、人脸表征、人脸鉴别、表情分析和物理分类五个方面。 (1)人脸检测(Face Detection):即从各种不同的场景中检测出人脸的存在并确定其位置、尺度和姿势。这一任务主要受光照、噪声、头部倾斜度以及各种遮挡的影响;(2)人脸表征(Face Representation):即确定表示检测出的人脸和数据库中的已知人脸的描述方式。通常的表示方法有几何特征(如欧氏距离、曲率、角度等)、代数
22、特征(如矩阵特征矢量)、固定特征模板、特征脸等;(3)人脸鉴别(Face Identification):即通常所说的人脸识别,就是将待识别的人脸与数据库中的己知人脸比较,得出相关信息。这一过程的核心是选择适当的人脸表示方式与匹配策略;(4)表情分析(Facial Expression Analysis):即对待识别人脸的表情进行分析,并对其分类;(5)物理分类(Physical Classification)即对待识别人脸的物理特征进行分类,得出其年龄、性别、种族等相关信息。狭义的人脸识别就是根据系统新输入的人脸,与己有的人脸数据库进行比对,来判断该人脸是否在人脸库中;如果在该人脸数据库中,
23、则给出所对应的具体的个体信息。一般来说,我们所提的人脸识别指的是狭义的人脸识别。一个典型的自动人脸识别系统如图1.1所示,分为训练和识别两个步骤,两个步骤都需要检测和定位人脸、人脸图像的预处理和特征提取和选择。其中训练一般是离线运算的,而识别是在线操作的。 图1.1人脸识别系统的基本框图(1)人脸的检测和定位,人脸检测与人脸定位是相互联系但又有所区别的两个概念。人脸检测的目的是检测输入的图像中是否含有人脸,而人脸定位是确定输入的图像中人脸位置以及大小,并将人脸从背景中分割出来。检测人脸对于简单背景的同一人的人脸图片是比较容易实现的,但当人脸的背景变得复杂,或者图片中的人脸属于多个人时,检测就会
24、变得相对困难。人脸检测与定位是一项很复杂的工作,这是由于光线、视角、表情、墨镜、遮挡物等各种因素,以及可能出现的图像噪声或干扰,即使是同一人的人脸图像也可能会产生很大的差别,这使得人脸检测与定位工作变得相当困难。作为人脸识别的基础,人脸的检测与定位是人脸识别研究的另一个重要方面。(2)人脸图像的预处理,人脸检测得到的人脸图像,如有设备条件的差异,可能存在光照、噪声、角度不好等缺陷,一般需要对图像进行几何归一化、灰度归一化及边缘检测等处理。几何归一化主要是指将人脸图像进行一定的处理变为像素大小统一且人脸关键位置一致的图片。灰度归一化则就是对人脸图像进行光照补偿,消除光照对图像的影响,进而提高识别
- 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 识别 研究
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,个别因单元格分列造成显示页码不一将协商解决,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【丰****】。
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【丰****】,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。