基于pca的人脸识别算法研究论文

《基于pca的人脸识别算法研究论文》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、基于PCA的人脸识别算法研究毕业论文目录摘要IAbstractII第1章绪论11.1选题背景及意义11.2国内外研究现状21.2.1国外研究现状21.2.2国内研究现状31.3人脸识别技术的研究内容与技术难点31.3.1人脸识别技术研究内容31.3.2人脸识别技术研究难点31.4本文研究内容与结构安排4第2章人脸识别相关技术介绍52.1系统概述52.2人脸识别主要技术52.2.1二维人脸识别算法介绍52.2.2三维人脸识别算法介绍62.3常用的人脸图像库62.4人脸的特征提取72.4.1几何特征提取法72.4.2代数特征提取法82.5本章小结10第3章基于PCA的人脸识别算法1

2、13.1引言113.2K-L变换113.2.1K-L变换原理113.2.2K-L变换性质12I3.3SVD定理143.4距离的计算153.5基于PCA的人脸识别163.5.1人脸的表示163.5.2特征脸空间的构造163.5.3特征提取173.5.4人脸识别183.6MATLAB仿真实现183.7结果分析243.8本章小结26第4章与基于Fisherface方法的特征提取原理对比274.1PCA方法的优缺点274.2基于Fisherface法的人脸特征提取理论介绍274.3FisherFace方法的优缺点284.4两种方案的理论对比294.5本章小结30结论31参考文献32致谢

3、34附录135附录242附录346附录455I第1章绪论第1章绪论1.1选题背景及意义当今时代社会高速发展，技术不断进步。自动化，智能化及科技化已是日常生活的常态。信息的安全的重要性也日益凸显，普通的身份识别已经无法保证信息的安全性。再加上计算机软件及硬件的性能在近几年内飞速的提升，人体的生物识别技术因其高效、稳定、快速、唯一的特性得到了相当大的重视和发展。生物识别技术利用的主要是人体的特有特征，例如指纹，人脸，虹膜等。而人脸作为区分人与人差异的重要特征，得到了国内外研究学者的青睐。所谓人脸识别指从用计算机从图像或者图像的序列中检测到人的脸部，对其进行身份判别。人脸识别的优势具

4、体体现在以下几个方面[1]。(1)操作具有隐秘性质，适用在监控，安全，公安等行业领域。(2)采集时非直接接触人体，容易接受没有侵犯性。(3)快速便捷，具有实时的追踪能力。(4)符合人类的识别习惯，以人为本，而且互动强。(5)图像采集的方式灵活，硬件设备（摄像头）的成本比较低。正是这些优势给人脸识别技术带来了广泛的应用前景，在国家安全领域，各种各样的门禁系统，视频系统、监控系统、公安布控、身份验证等都是典型的应用；在经济和民生领域中，各类存值卡，银行卡，信用卡等持有人的身份验证等具有很高的应用价值；在娱乐领域有智能玩具，虚拟游戏玩家等有趣的应用。均可将其归为以下四大类。(1)刑警

5、侦查破案。事先将犯罪分子的各种信息包括人脸图片入库存储，将得到的嫌疑犯的照片利用人脸识别技术识别后，从数据库中找出最为相似的照片，进行比对，对破案有着很大的辅助作用。(2)证件识别验证。居民身份证，护照等证件都有照片，现在还多是人工验证，如果利用人脸识别技术就能实现此类工作的自动化，智能化。银行金融部门等的身份验证，可通过拍摄照片后与后台人脸数据库进行比对，无须密码进行交易。(3)出入口控制。该项应用涉及到的范围很广，可以是办公楼宇，小区住宅的入口检查，或某些安全部门的入口检查。目前比较常用的是保安人员再三核查证件。这样效率低下，也不够人性化。在一些安全级别较高的地方，可以67

6、第1章绪论使用人脸识别，加证件识别。(4)视频监控。现在几乎所有的办公大楼，商场，娱乐场所等公共场合都设有24小时监控视频，在对这些视频图像后期集中分析与处理时，就要利用人脸的检测和识别技术。1.2国内外研究现状1.2.1国外研究现状人脸识别技术的重要性在不断凸显，很多专家学者都参与到人脸识别的研究大潮中。目前国外有以下几种研究方法[2]：(1)模板匹配，包括变形和固定模版两种方式。早期系统中固定模版使用较多，但是由于人脸的特点具有很强的变化性，找到一些标准的模板来描述人脸的共同特点非常困难。变形模版与固定模版原理相通，只是变形模版还包括一部分变动的元素。这些变动元素通常通过手

7、工和系统自动构造来表示。(2)示例学习，本方法的主要原理是在已给的示例中总结出一般性的原则。且要求其能够在判别过程中接受所有正例并可以排斥所有的反例。人脸识别中同理，也需要产生某种规则，要求其可以接受人脸而排斥非人脸，在判别中，在训练样本的阶段时要用到大量的且高纬度的数据，从而提高判别的精确率。但是这同时会给后续的算法设计增添难度。需要考虑到如何判别是不是人脸和对数据维度的降低。(3)神经网络，该方法其实同样是基于样本学习。到现在为止，神经网络的方法取得如下成果[3]：MIT的学者首先在检测