首页 基于主分量分析的人脸识别

基于主分量分析的人脸识别

举报
开通vip

基于主分量分析的人脸识别福建工程学院数理系2011届毕业论文 基于主分量分析的人脸识别 目录 TOC \o "1-3" \h \z \u HYPERLINK \l "_Toc294460428" 摘要 1 HYPERLINK \l "_Toc294460429" Abstract 2 HYPERLINK \l "_Toc294460430" 1 人脸识别概述 3 HYPERLINK \l "_Toc294460431" 1.1选题背景与意义 3 HYPERLINK \l "_Toc294460432" 1.2人脸识别的研究内容 3 HYP...

基于主分量分析的人脸识别
福建 工程 路基工程安全技术交底工程项目施工成本控制工程量增项单年度零星工程技术标正投影法基本原理 学院数理系2011届毕业论文 基于主分量 分析 定性数据统计分析pdf销售业绩分析模板建筑结构震害分析销售进度分析表京东商城竞争战略分析 的人脸识别 目录 TOC \o "1-3" \h \z \u HYPERLINK \l "_Toc294460428" 摘要 1 HYPERLINK \l "_Toc294460429" Abstract 2 HYPERLINK \l "_Toc294460430" 1 人脸识别概述 3 HYPERLINK \l "_Toc294460431" 1.1选题背景与意义 3 HYPERLINK \l "_Toc294460432" 1.2人脸识别的研究内容 3 HYPERLINK \l "_Toc294460433" 1.3人脸识别的优势与难点 4 HYPERLINK \l "_Toc294460434" 1.4人脸识别的应用领域 6 HYPERLINK \l "_Toc294460435" 2 人脸识别的基本方法 7 HYPERLINK \l "_Toc294460436" 2.1人脸的图像 关于同志近三年现实表现材料材料类招标技术评分表图表与交易pdf视力表打印pdf用图表说话 pdf 示 7 HYPERLINK \l "_Toc294460437" 2.2图像预处理 7 HYPERLINK \l "_Toc294460438" 2.3人脸的检测与定位 8 HYPERLINK \l "_Toc294460439" 2.4特征提取 8 HYPERLINK \l "_Toc294460440" 2.5人脸判定 9 HYPERLINK \l "_Toc294460441" 3 PCA算法原理 9 HYPERLINK \l "_Toc294460442" 3.1 引言 9 HYPERLINK \l "_Toc294460443" 3.2主分量分析方法 10 HYPERLINK \l "_Toc294460444" 3.2.1特征选择过程 10 HYPERLINK \l "_Toc294460445" 3.2.2 特征提取过程 11 HYPERLINK \l "_Toc294460446" 3.3 PCA算法在人脸识别的实现 12 HYPERLINK \l "_Toc294460447" 3.3.1特征人脸空间的建立 12 HYPERLINK \l "_Toc294460448" 3.3.2通过特征脸空间来识别人脸 13 HYPERLINK \l "_Toc294460449" 4 实验结果及分析 15 HYPERLINK \l "_Toc294460450" 致谢 18 HYPERLINK \l "_Toc294460451" 参考文献: 19 HYPERLINK \l "_Toc294460452" 附录 20 福建工程学院本科毕业设计(论文)作者承诺保证书 本人郑重承诺:本篇论文设计(论文)的内容真实、可靠。如果存在弄虚作假、抄袭的情况,本人愿意承担全部责任。 学生签名: 年 月 日 福建工程学院本科毕业设计(论文)指导老师承诺保证书 本人郑重承诺:我已按有关规定对本篇论文设计(论文)的选题与内容进行了指导和审核,该同学的毕业设计(论文)未发现弄虚作假、抄袭的情况,本人愿意承担指导教师的相关责任。 指导老师签名: 年 月 日 基于主分量分析的人脸识别 摘要 人脸识别技术作为生物特征识别领域中一种基于生理特征的识别技术,是以通过计算机提取人脸的特征,并根据这些特征进行身份验证的一种技术。人脸与人体的其他生物特征一样与生俱来,它们所具有的唯一性和不易被复制的良好特性为身份鉴别提供了必要的前提;同其他生物特征识别技术相比,人脸识别技术具有操作简单、结果直观、隐蔽性好的优越性。因此,人脸识别在信息安全、刑事侦破、出入口控制等领域具有广泛的应用前景。 本文的研究内容主要包括以下几点: (1)对人脸识别研究的内容、优势与难点、应用领域等作了详细介绍。 (2) 介绍主成分分析法(PCA),并利用三阶近邻方法实现了人脸识别。 (3)给出了基于matlab环境的编程及实验结果,并对结果进行分析。 关键词: 人脸识别,主成分分析,三阶近邻,特征脸 Face recognition based on PCA Abstract As a recognition technology in the field of biometric identification ,face recognition is based on physical characteristics . It extracts facial features by computer, and according to these features to authenticate.Face ,like other body biometrics,is inherent.They provide the necessary precondition to the identity authentication since they are unique and not easily to be replicated . Compared to other biometrics, face recognition technology is simple to operation , intuitive results,good hidden and other good advantages . Therefore, face recognition has a wide range of applications in information security, criminal detection, access control and other fields. This study mainly include the following tips: (1) This article introduces the research contents of face recognition,their advantages and difficulties, and application field, etc . (2) Introduces the principal component analysis (PCA), and using three-order neighbor method realizes the face recognition . (3)Programed it based the matlab environment and provide the experiment result and analysised it. Key Words: Face Recongnition , PCA , three-order neighbor , Eigenface 1 人脸识别概述 1.1选题背景与意义 21世纪是信息技术、网络技术的世纪。随着计算机网络的高速发展,信息的安全性、隐蔽性越来越重要。网络哦信息化时代的一大特征就是身份的数字化和隐蔽化。如何有效、方便地进行身份验证和识别,已成为人们日益关心的问题,也是当今时代必须解决的关键性社会问题。身份证、工作证、智能卡、口令密码、网络登录号等传统的身份认证手段,不但使用麻烦、记忆复杂、携带不便、不易保管,而且可能被遗失、忘记,或轻易被窃取、仿造和盗用。因此,目前广泛使用的依靠证件、个人识别号码、口令等传统方法来确认个人身份的技术面临着严峻的挑战,并越来越不适应现代科技的发展和社会的进步。生物特征识别做为一种高新技术,由于其独特的属性,正在悄然担负起这一重要的使命。 人脸识别是人们日常生活中最常用的身份确认手段,也是当前最热门的模式识别研究课题之一。虽然人脸识别的准确性要低于虹膜识别和指纹识别,但是由于它是非接触的、具有非侵犯性,因而人们对这种技术没有任何的排斥心理,所以人脸识别技术是一种最友好的生物特征识别技术。 人脸识别技术作为生物特征识别领域中一种基于生理特征的识别技术,是以通过计算机提取人脸的特征,并根据这些特征进行身份验证的一种技术。人脸与人体的其他生物特征一样与生俱来,它们所具有的唯一性和不易被复制的良好特性为身份鉴别提供了必要的前提;同其他生物特征识别技术相比,人脸识别技术具有操作简单、结果直观、隐蔽性好的优越性。因此,人脸识别在信息安全、刑事侦破、出入口控制等领域具有广泛的应用前景。 1.2人脸识别的研究内容 人脸识别一般被描述为:给定一静止或动态图像,利用已有的人脸数据库来确认图像中的一个或多个人。其研究内容包括以下三个方面: (1)人脸检测。即从各种不同的背景中检测是否存在人脸,并确定其位置、大小、形状、姿态等信息的过程。它关系到后续识别工作能否正确进行,并保障最终识别结果的可靠性。这一任务主要受光照、噪声、头部倾斜度、人脸大小、表情、成像器材质量以及各种各样遮挡的影响。 (2)人脸表征。即提取人脸的特征,确定检测出的人脸和数据库中的已知人脸的描述方式。通常的表示方法包括几何特征(如欧氏距离、曲率、角度等)、代数特征(如矩阵特征矢量等)、固定特征模版、特征脸、云纹图等。 (3)人脸识别。即用将待识别的人脸与数据库中的已知人脸进行比较,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和匹配策略,系统地构造与人脸的表征方式密切相关。 首先进行人脸检测,确定图像中人脸的位置;其次通过对人脸器官进行定位与归一化,调整人脸方向,统一人脸大小,以利与数据库中的人脸比对;最后是人脸识别。人脸数据库中预先存放了已知的人脸图像或相关的特征值,识别的目的就是将待识别的图像或特征与数据库中的图像或特征进行匹配。识别的任务主要有两个:一个是人脸辨认,即确定输入图像为数据库中的哪一个人,是一对多的匹配过程;另一个是人脸证实,即验证某个人的身份是否属实,是一对一的匹配过程。识别过程完成之后输出识别结果。 1.3人脸识别的优势与难点 有多种生物识别方法可以对人的身份进行鉴别和识别,如指纹匹配、虹膜扫描、声音识别、手型、签名比对、DNA鉴定等,但这些方法的社会公众认知度比较低。与以上生物识别技术相比,通过人脸图像进行个体识别在应用方面有着很多优点: (1)它是唯一不需要使用者配合的生物识别方法,因而操作隐蔽性强,特别适合于安全防范、罪犯监控、罪犯抓捕。 (2)采用非接触式采集,没有侵犯性,容易被接受,而指纹采集、掌纹识别通常给人造成不适的感觉。 (3)事后跟踪能力强,普通人即可进行判断核实,而普通人一般不具备对于指纹、虹膜的判别能力。 (4)更符合人类的识别习惯,可交互性强,适合于改善人机界面。 (5)实现设备通用、简单,尤其是采集设备成本较低,指纹采集、虹膜图像采集仪、DNA鉴别仪等都是专用的采集设备,而且设备昂贵。 现有的人脸识别系统在用户配合、采集条件较理想的情况下可以取得令人满意的结果。但是,如果对于用户不配合、采集条件不理想(如光照恶劣、有遮挡、图像分辨率低等)的情况下,现有系统的识别率将陡然下降。因此,要将人脸识别技术应用到实际中还存在着诸多挑战性的问题需要解决。人脸检测和识别受到很多因素的影响,主要包括以下几种。 (1)复杂条件下人脸的检测和关键点定位问题 人脸的检测和关键点定位是一个人脸识别系统的前端处理环节,此环节效果好坏直接影响着人脸识别系统的识别性能。而现有的多数特征定位算法的定位精度都随着光照、姿态等外界条件变化而快速下降,因此研究复杂条件下人脸的检测和关键点定位算法是目前人脸识别研究中的当务之急。 (2)光照变化问题 光照问题是机器视觉中存在已久的问题,在人脸识别中的表现尤为明显,如图1.1所示。 图 1.1 (3)姿态问题 与光照问题类似,姿态问题也是目前人脸识别研究中需要解决的一个技术难题,如下图1.2所示。当发生俯仰或者左右侧面比较厉害的情况下,人脸识别算法的识别率也将会急剧下降。 图 1.2 (4)表情问题 同一种表情在不同的人面部上有不同的表现形式,而且同一个人的不同表情也没有明显的界限,所以计算机很难用统一的 标准 excel标准偏差excel标准偏差函数exl标准差函数国标检验抽样标准表免费下载红头文件格式标准下载 来精确的划分个各种表情。因此,如何有效地识别带有表情的图像,从而极大地提高人脸识别的准确率,推动人脸识别的发展,是一个非常重要的渠道。 图 1.3 (5)遮挡问题 对于非配合情况下的人脸图像采集,遮挡问题是一个非常是一个非常严重的问题,如图1.4所示。 图 1.4 (6)年龄变化问题 随着年龄的变化,面部外观也会变化,对于不同的年龄段,人脸识别算法的识别率也不同。 (7)低质量照片问题。 1.4人脸识别的应用领域 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。 人脸识别技术可应用于以下方面: 1.在安全防范领域中的应用 社会上有许多重要的部门,如军事、金融、保密等部门都需要对出入人员进行身份识别,以防止信息泄漏和不法现象的发生。使用该技术可以方便地进行身份识别,而不使被识别者感到不舒服。 2.在犯罪刑侦领域中的应用 在刑侦工作中,对罪犯的抓捕是至关重要的一环。应用人脸识别技术可以依据犯罪嫌疑人的人脸图像对机场、车站、港口等重要交通场所进行监控,从而大大促进了罪犯抓捕工作的开展。 3.在公共事业领域中的应用。 在现代社会,许多领域都需要对人进行身份验证。如银行、保险、交通等公共事业部门。采用传统的密码、IC卡等手段和技术对人进行身份验证具有安全性差、易遗失、易伪造等缺点。而采用人脸识别技术进行身份验证则能够很好地克服传统身份验证手段和技术的缺点。 此外,人脸识别的研究还具有重要的理论研究价值。由于人脸模式的特殊性,人脸识别的研究涉及图像处理、模式识别、计算机视觉、神经网络、认知科学、生理学、心理学等多个学科领域,因此对人脸识别的深入研究能够推动这些基础研究的发展。 2 人脸识别的基本方法 Chellappa给出的人脸识别定义是,给出静态或者视频图像,将其中的一个或多个人脸和存储于数据库中的人脸相比较,确定出图像或视频中各个脸的身份。一般要在输入之前对图像进行预处理,若有人脸存在,则将其从背景中分割出来。一般来说,一个完整的人脸识别系统包括。图像输入、人脸检测/定位、预处理、特征提取、分类器5部分。 2.1人脸的图像表示 计算机处理的图像是以数字形式表示的。如果仅从识别的角度出发,我们希望数字图像能够尽可能地保留原图像的信息,但在实践中,由于场合的不同,输入图像保留的信息是不一样的。灰度图像失去了颜色信息;二维图像则失去了深度等三维信息;红外图像仅和热辐射有关,分辨率太低;Sketch图像则失去了纹理信息;上述几种图像都没有运动信息。除了图像形态,输入设备也不尽相同,有的图像是由CCD摄像头拍摄的,有的则是照片扫描或报纸扫描,还有可能是在web上下载的压缩图像,等等。由于应用环境的不同,所得图像的性质也是不同的,这实际上会影响到以后提取的特征也有所不同。本论文主要是在二维灰度(2D intensity)静态图像上进行人脸识别的研究。 2.2图像预处理 一般情况下,系统获取的原始图像由于受到各种条件的限制和随机干扰,往往不能直接使用,必须在图像处理的早期阶段对它进行灰度校正、噪声过滤等图像预处理。图像增强就是有选择性地突出图像中用户感兴趣的特征。图像增强技术主要有两种:空间域法和频率域法。空间域法主要是在空间域内对图像像素进行直接运算;频率域法就是在图像的某种变换域,对图像的变换值进行运算,即先对图像进行傅里叶变换,再对图像的频谱进行某种计算,最后将计算后的图像逆变换到空间域。 常用的人脸图像预处理方法有:人脸图像的灰度化、人脸图像的二值化、人脸图像的几何校正、直方图修正、人脸图像的滤波、图像锐化,像素平均法等。 2.3人脸的检测与定位 人脸检测是指在任何人脸识别系统中从输入信息中确定所有存在的人脸的位置、大小、姿态的过程。检测图像中是否有人脸,若有,将其从背景中分割出来,并确定其在图像中的位置。在某些可以控制拍摄条件的场合,如警察拍罪犯照片时将人脸限定在标尺内,此时人脸的定位很简单。证件照背景简单,定位也比较容易。在另一些情况下,人脸在图像中的位置是未知的,比如在复杂背景下拍摄的照片,这时人脸的检测与定位将受以下因素的影响: (1)人脸在图像中的位置、角度和不固定尺度以及光照的影响; (2)发型、眼镜、胡须以及人脸的表情变化等; (3)图像中的噪声。 人脸检测的基本思想是用统计或知识的方法对人脸建模,比较所有可能的待检测区域与人脸模型的匹配程度,从而得到可能存在人脸的区域。其方法大致可分为基于统计和基于知识两类。前者将图像看作一个高维向量,从而将人脸检测问题转化为高维空间中分布信号的检测问题;后者则利用对人脸的认知知识建立若干规则,从而将人脸检测问题转化为假设/验证问题。 2.4特征提取 从原始图像将人脸区域检测、定位并分割出来后,接下来的关键工作就是人脸表征。由于原始图像的维数非常高,直接对原始图像进行处理将加大算法的复杂度,并且会受到计算机硬件性能的制约;另基于原始图像的描述并不能直接反映对象的本质,并且还受图像形成的角度、光照等因素的影响,因此,人脸表征成为人脸识别的主要难点所在,也是影响人脸识别准确率的关键技术环节。人脸表征,也称人脸特征提取,它是对人脸进行特征建模的过程,目的是提取出原高维人脸模式的低维特征,以用于后续的分类任务。人脸表征是人脸识别中的核心步骤,直接影响识别精度。 目前人脸表征的方法归纳起来分为两大类:一种是基于知识的表征方法;另外一种是基于代数特征或统计学习的表征方法。基于统计学习方法提取的特征又被称为代数特征,由于代数特征较易提取并且具有较高的识别精度,因此提取代数特征的统计方法成为目前人脸特征提取的主流方法。 2.5人脸判定 人脸判定是人脸识别的一个关键部分,主要是对检测出的人脸图像判定其与谁的脸最相似,或者判断待识别人脸是不是某个已知人脸。人脸判定过程主要分为两个阶段:训练阶段和测试阶段。在训练阶段,首先从样本图像中提取特征,然后存储特征形成特征库;在测试阶段,首先提取待判定人脸样本图像的特征,然后用训练好的分类器对待判定人脸图像特征和特征库中的特征进行匹配,最后输出判定结果。如图2.1所示 图 2.1 人脸判定常见的方法有:面部几何特征法、模板匹配法、神经网络法、隐马尔科夫模型法、支持向量机法、特征脸法、奇异值分解法、贝叶斯分类法和等灰度线法等。 3 PCA算法原理 3.1 引言 主成分分析(Principle Component Analysis)是应用最广泛的一种特征提取方法之一,它是一种统计学方法,在信号处理、模式识别、数字图像处理等领域已经得到了广泛的应用。它通过对原始数据的加工处理,简化问题处理的难度并提高数据信息的信噪比,以改善抗干扰能力。PCA的核心思想是利用较少数量的特征对样本进行描述以达到降低特征空间维数的目的。 3.2主分量分析方法 主分量分析是在统计学中分析数据的一种有效方法,其目的是在数据空间中找到一组向量尽可能解释数据的方差,通过一个特殊的矩阵,将原有的高维数据投影为较低维的数据空间,并且保留了数据主要信息,以便能更方便地处理数据信息。 主分量分析也可以看作是一种特征选择和特征提取的过程,其主要目标是在大的输入空间中寻找合适的特征向量,并在所有的特征中提取主要特征。特征选择是指从数据空间变换到特征空间的过程。在理论上,特征空间和数据空间的维数是一样的。但是,当变换后的特征中的有效的几个能够包含原有变量的主要信息时,就可以考虑减少特征的个数而提取主要的特征,即降低特征空间的维数(简称降维)。在降维中,假设一个m维的向量X,希望压缩到l维,l
本文档为【基于主分量分析的人脸识别】,请使用软件OFFICE或WPS软件打开。作品中的文字与图均可以修改和编辑, 图片更改请在作品中右键图片并更换,文字修改请直接点击文字进行修改,也可以新增和删除文档中的内容。
该文档来自用户分享,如有侵权行为请发邮件ishare@vip.sina.com联系网站客服,我们会及时删除。
[版权声明] 本站所有资料为用户分享产生,若发现您的权利被侵害,请联系客服邮件isharekefu@iask.cn,我们尽快处理。
本作品所展示的图片、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..)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。
下载需要: 免费 已有0 人下载
最新资料
资料动态
专题动态
is_480731
暂无简介~
格式:doc
大小:3MB
软件:Word
页数:26
分类:工学
上传时间:2011-08-03
浏览量:35