生物特征识别技术课程论文模板

《生物特征识别技术课程论文模板》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、瞬裔理工営院《生物特征识别技术〉〉研究生课程论文题目:基于PCA的人脸识别算法研究姓名向灿群学号2015112011院别信息与通信丁程班级信息XY15-1指导教师袁帅完成时间2016年6力5日姓名向灿群学号2015112011院别信息与通信丁程班级信息XY15-1指导教师袁帅完成时间2016年6力5日1.引言人脸识别，是基于人的脸部特征信息进行身份识别的一种生物识别技术⑴。用摄像机或摄像头采集含有人脸的图像或视频流，并口动的在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部的一系列的相关技术，通常也叫做人像识

2、别、面部识别。人脸识别是一项研究比较热门的计算机技术，它属丁•生物特征识别技术中的一种,是对生物体(一般指人)木身的生物特征來区分生物个体。人脸识别技术一般包括两个部分：(1)人脸检测通常计算机采集到的原始图像是十分复杂的，其中包含了许多非人脸部分的信息,因此，从原始图像屮检测到人脸位置至关重要。下面是口前比较常用的人脸检测方法。1.模板匹配法⑵首先设计一个或数个标准人脸的模板，然后计算测试采集的样木与标准模板Z间的匹配程度。具有操作简单匹配正确率高的特点，但在复杂环境或大样木情况下不适用。2.人脸规则法由于

3、人脸具有一定的结构分部特征，所谓人脸规则的方法即提取这些特征生成相应的规则以判断测试样品是否包含人脸。3.样品学习法这种方法即采用模式识别屮的神经网络学习算法，将样品小的人脸与非人脸样品放入神经网络中训练，产生人脸分类器。文献［3］中使用的神经网络人脸识别，在训练样木足够的情况下，具有相当好的分类效果，并且具有一定的鲁棒性，其缺点是当网络结构设置不合理的情况下可能出现过拟合的情况，并H随着网络规模的增大，网络训练负担越大。4•肤色模型法这种方法是依据面貌肤色在色彩空间屮分布相对集屮的规律来进行检测。在参考文献

4、

5、4

6、中，使用了肤色模型法，具有精确的识别效果。5.特征了脸法⑸这种方法是将所有的面像集合视为一个面像子空间，并基于检测样品与其在子空间的投影之间的距离判断是否存在面像。(2)人脸识别人脸识别即对检测到的人脸进行身份确认。通常检测到的人脸具有不同的面部表情、面部姿态、光照等，人脸识别需耍消除这些浅层因素的干扰，正确的从人脸库中识别出人脸所代表的身份。目前主要采用特征向量和面纹模板两种识别方法：1.特征向量法⑹该方法是先确定眼虹膜、鼻翼、嘴角等面像五官轮廓的大小、位置、距离等属性，然后再计算岀它们的几何特征量，

7、而这些特征量形成一描述该面像的特征向量。2•面纹模板法⑺该方法是在库屮存储若干标准面像模板或面像器官模板，在进行对比吋，将采用面像所有象素与库中所有模板采用归一化相关量度量进行匹配。此外，还有采用模式识别的口相关网络或特征与模板相结合使用。木文采用的人脸识别算法是主成分分析法，主成分分析法主要作用是将高维的人脸特征投影到最具区分力的低维特征上（主成分），然后在低维特征上对人脸进行识别。1.系统方案设计本设计主要分为两个部分，第一部分对原始图像预处理，得到与模板相同的人脸图像。第二部分为人脸识别，根据待识别人脸

8、图像在PCA特征脸上的投影值来识别人脸身份。具体过程如图2.1。图2.1人脸识别流程图其中，灰度图二值化，去噪、特征提取、人脸定位均为人脸图像预处理过程，即从原始图像中提取出人脸，以便完成Z后的人脸识别。本文人脸识别采用的是主成分分析法⑻，将高维的人脸图像降到低维的空间，再根据低维空间所展现的特征识别出待检验的人脸。3•人脸图像预处理3.1图像的二值化⑼在图像二值化前先采用加权灰度化方法对原始图像进行灰度化处理，再用口适应二值化算法获得原始图像的二值化图像，结果图3.1：图3.1人脸二值化由图可知，经过这些操

9、作后，图像基木能够将人脸器官区分开來，如眼睛、鼻了、嘴巴等。接下来的操作就是提取这些器官所在的具体位置，并通过这些位置所提供的信息将整个人脸提取出来。3.2去噪皿除了我们所需要的人脸器官之外，其它部分的图像均可视为噪声，如何去除这些噪声，保留有用信息是这节所耍完成的内容。根据形态学以及人脸本身特点，我们先对图像进行腐蚀与膨胀处理，然后调用4bwareaopen等操作，去除了图像中的较大与较小的块，最终留下了人脸器官所在位置图像，如图3.2。图3.2去噪3.3人脸定位本节将特征提取与人脸定位一起来完成。首先，我

10、们根据普通人脸的氏宽设定了一个矩形窗，再根据前面所提取的人脸器官位置确定人脸的中心区域，最后结合中心区域以及矩形窗大小來确定人脸位置，如图3.4即为最后提取的人脸。图3.3人脸提取4•基于PCA的算法设计4.1PCA算法原理PCA算法即主成分分析法，是一种常用的线性降维方式。PCA由于具冇降维和特征提取的性质广泛应用于人脸识别上。PCA方法的基本原理是：利用K・L变换抽取人脸的主要成分，构成特征脸空