基于核化MMC的人脸识别系统毕业论文.doc

《基于核化MMC的人脸识别系统毕业论文.doc》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、安徽工程大学毕业设计（论文）基于核化MMC的人脸识别系统毕业论文目录引言1第1章绪论21.1人脸识别的研究意义21.2人脸识别的研究现状21.3人脸识别的应用31.4人脸识别的研究内容31.5人脸识别存在的问题41.6本文的研究内容及组织结构5第2章人脸识别概述62.1基于几何特征的人脸识别62.2基于弹性图匹配的人脸识别62.3基于神经网络的人脸识别62.4基于模板匹配的方法72.5基于隐马尔可夫方法72.6基于贝叶斯网络的人脸识别72.7基于核方法的人脸识别82.8本章小结9第3章数据降维算法概述103.1线性降维算法103.1.1主成分分析103.1.2线性判别分析1

2、13.2非线性降维算法123.2.1等度映射123.2.2局部线性嵌入133.2.3拉普拉斯映射133.2.4基于核技巧的非线性降维算法143.3流行学习算法的几个线性化算法143.4本章小结15第4章基于核方法的最大间距准则算法164.1引言164.2算法推导164.2.1KPCA算法164.2.2MMC方法18III安徽工程大学毕业设计（论文）4.2.3KMMC算法204.3系统功能及实现224.3.1系统基本功能流程224.3.2系统演示说明254.4计算机仿真算法描述与实验结果294.4.1实验参数描述294.4.2算法描述294.4.3实验与实验结果304.5本章

3、小结34结论与展望35致谢36参考文献37附录A外文文献及译文38附录B参考文献的题录及摘要51附录C程序源代码55III安徽工程大学毕业设计（论文）插图清单图1-1人脸自动识别系统的主要环节4图3-1欧式距离（虚线），测地线距离和最短路径距离比较12图4-1二维空间中的四个类及其边缘距离19图4-2人脸识别模块流程图23图4-3人脸检测模块流程图24图4-4系统总体流程图25图4-5系统启动画面26图4-6人脸识别功能图126图4-7人脸识别功能图227图4-8人脸识别功能图327图4-9人脸识别功能图428图4-10人脸检测功能图128图4-11人脸检测功能图229图4

4、-12人脸库部分图像29图4-13基于核最大间距准则的算法框图30图4-14主分量数对识别性能的影响31图4-15主分量数对识别时间的影响31图4-15x=5时识别率与降维关系图33图4-16x=7时识别率与降维关系图34III安徽工程大学毕业设计（论文）表格清单表4-1x=5时识别率与降维关系表32表4-2x=7时识别率与降维关系表33表4-3KMMC，KPCA两种方法所达最佳的识别率34III安徽工程大学毕业设计（论文）引言人脸识别是生物特征识别技术的一种，生物特征识别是根据生物体自身特征利用计算机进行身份识别的一种技术。常用的生物特征有，DNA、虹膜、指纹、掌纹、语音

5、、人脸等。与其它生物特征相比，人脸具有很强的自身稳定性和个体差异性，人脸识别更为直接、友好、符合人类认知习惯、容易被人接受，因此有着广阔的应用前景。人脸识别是计算机视觉和模式识别领域中的一个难题，它涉及到信号处理、图像处理、模式识别、神经网络、认知科学、心理学和生理学等诸多学科，在过去的十多年中受到研究人员的广泛重视，研究也越来越深入，但是由于人脸识不同于一般的目标识别，其难度极大，人脸识别技术还不够完善，应用工作还处于尝试阶段。人脸识别的困难行表项在：人脸结构大体相同，所不同的是一些细节上的差异；人脸不是纯粹的刚体，具有复杂而丰富的表情（喜怒哀乐等）；人脸随着年龄增长会呈

6、现出很大的不同；由于外界环境的影响，例如眼镜、光照条件、成像角度、以及成像距离等因素的影响，使得同一个人的人脸图像在不同的条件下呈现出很大的差异。目前尚没有很好的描述人脸的三维模型。诸多因素使得人脸识别成为计算机视觉领域一个富有挑战性的课题。论文对目前比较流行的降维算法进行了介绍，主要从两方面出发：1）线性化算法、比如PCA;2）非线性化算法，主要是基于核技巧的算法，比如KPCA。在这些基础上，学习和研究了基于核化最大间距准则算法，并通过实验仿真验证了算法的正确性和有效性，实验表明比经典算法PCA、KPCA和MMC有更高的识别率。。-37-安徽工程大学毕业设计（论文）第1章

7、绪论1.1人脸识别的研究意义近几年来，随着计算机网络技术的高速发展和信息化进程的日益加快，信息安全和公共安全越来越显示出其前所未有的重要性，成为了许多信息系统要首先考虑的问题。人脸识别作为一种非接触、隐蔽性较好的生物特征识别技术而受到极大的关注。在公安部门、海关部门、视频会议、小区和银行监控等领域有着很高的应用价值。并且人脸识别是一项复杂的工作，涉及到模式识别、图像处理、计算机视觉、认知学等领域，因此对人脸识别的研究有助于其它领域的发展，具有重要的学术价值。1.2人脸识别的研究现状人脸识别最早可以追溯到十九世纪八十