基于Matlab的人脸识别系统的研究和设计Word文档下载推荐.docx
《基于Matlab的人脸识别系统的研究和设计Word文档下载推荐.docx》由会员分享,可在线阅读,更多相关《基于Matlab的人脸识别系统的研究和设计Word文档下载推荐.docx(20页珍藏版)》请在冰豆网上搜索。
PCA;
K-L变化
Abstract
Theresearchcontentofthispaperisfacerecognitionsystem,inordertosolvetheproblemthatpeopleforgettheverificationinformationinreallife,suchastheforgettingofpassword,thelossofkey,thedemagnetizationofsmartcardandsoon.Theuniquenessandnon-reproduciblefeaturesoffacialbiometricscanwellsolvetheaboveproblems.Intheresearchanddesignprocess,PrincipalComponentAnalysis(PCA)methodandtestexperimentonMatlabsoftwaresimulationplatformwereusedtocompletetheresearchanddesign.ThePCAmethodisusedtocompressthefaceimagedata,whichgreatlyreducesthecomputationalcostintheprocessoffacerecognition.Matlabsoftwaresimulationcanbemoreintuitivetoseethefacerecognitionresults.
KEYWORD:
facerecognition;
PCA;
K-Ltransformation
1绪论
1.1引言
在当今大发展的背景下,物质生活越来越丰富,对于个人隐私安全等问题越来越成为人们关注的焦点,对个人隐私财产的保护日益迫切,如何有效的,安全的进行信息识别成为人们热议的话题。
目前存在个人隐私安全保护方式有很多,类似于指纹识别,密码识别等常见识别的方法。
传统的钥匙,数字密码或者是充磁的卡片之类的东西都会出现遗忘,丢失等问题。
一旦发生上述问题在采取补救的过程是比较繁琐的甚至是无法挽回的,例如钥匙丢了只能是换新的锁了,卡片都了只能补办等。
如果采取人脸识别的方式,可以节约成本,短期不可变安全性也得到了大大的提升。
指纹技术需要身体的接触,密码验证多数人往往会忘记密码,DNA鉴定则需要高昂的成本且耗费时间,都存在着不同程度的问题。
提取人脸图像时不用直接接触人脸器官,有毒物质或者细菌都无法侵入人体,因此,对人体是没有侵害性的。
采集图像过程中简单方便,易于被识别者接受[1]。
利用人脸识别技术的优点在于,可以更加安全,快速,有效的进行身份识别,除此之外人脸识别技术有效的解决上述这些传统技术面临的问题。
人脸识别在生活中已经广泛应用。
例如,手机的人脸识别解锁密码,支付宝移动在线支付通过刷脸进行,国家安全机关中如海关检查站、边境检查站、通商口岸、保险等都可以利用人脸识别技术,来提高办案的效率。
将人脸识别技术应用到手机,可以让手机开锁更加方便、快捷、高效。
提高人们的生活质量,让人们过的更幸福。
基于主成分分析法(PCA)的人脸识别的研究对解决生活中各种钥匙的丢失,数字密码的遗忘,智能卡身份信息的验证和智能身份的验证以及社会保险身份验证等许许多多个方面,除此之外,在其他方面也表现其强大的生命力,为通向信息更加安全更有意义。
1.2人脸识别的国内外发展现状
1.2.1国外发展现状
国外早在六七十就已经开始进行人脸识别的研究工作,法国就有学者就提出了几何结构特征法[2]。
这种方法是利用五官的特征数据信息进行简单的建模,早期的方法比较简单且识别度不高。
随着社会的发展以及研究的深入,人们对人脸识别的准确度和便捷度的要求不断提高。
主成分分析法(principalcomponentanalysis,PCA)[3],它是旨在掌握事物主要矛盾而弱化次要矛盾具有统计性质并且采用协方差进行数据的压缩的识别处理方;
在90年代,国外某部门启动了人脸识别有关研究项目[4],为后来进行的生物智能识别技术奠定了理论基础和原始实验数据基础,推动人脸识别技术从简单的初始研究阶段到复杂的改进型研究阶段的过渡。
2000年以后,人脸识别技术进入了人工提取特征阶段,提出了Gabor小波变换法[5,],它被用来提取图像特征信息。
Gabor滤波对处理因为光照变化图像与人脸表情的对比度变化具有很强的处理能力,因此该法在人脸提取的过程中已被频繁的应用[6]。
2013年左右进入人脸识别深度发展阶段。
这一阶段为深度学习。
深度学习和大数据技术的发展为正确的人脸识别发展打下基础[7],网络不断完善以及图像数据量收集能力不断变强,人脸图像数据库也随之越变越大,大数据成为提高人脸识别性能的关键。
1.2.2国内发展现状
同国外同行相比我们国家起步迟,主要是翻译国外优秀的论文进行学习研究。
早期的人脸研究主要是针对犯罪分子的身份鉴定,是由公安部门主持的相关人脸识别技术的研究课题[8]。
2006年,李武军等[9]在总结之前的学术研究成果,进行系统的分析,归纳,总结了人脸识别方法,将识别方法分为:
模型,神经网络,多分类器集成等多种基本方法。
随着理论知识的不断完善,人脸识别技术在2008年北京奥运会举行期间展现出强大的优势,为身份信息的检验带来很大的便利,标志我国对于人脸识别技术取得了成绩研究进入了新阶段新征程[10]。
2014年以后,随着研究的深入与国外基本同步,进入了深度学习特征阶段,把人人脸特征信息提取出来以后作为输入到网络的材料,借助计算机进行相关网络参数的训练,从而获得人脸识别的结果既遗传算法和神经系统网络的人脸识别方法[11],这两种方法的结合体能够有效的避免神经网络陷入局部极值,此种算法的人脸图像的识别效率较高,计算速度较快的特点,虽然优势非常明显,但遗传算法可能会出现过早收敛结束的不理想现象。
之后,又提出其他基本算法相融合的方法,采取优势互补,例如主成分分析法(PCA)与其他算法相结合的方法,从而提高人脸识别的准确度。
近年来,由于大数据技术的发展,对数据的分析处理的能力不断的提升,人脸识别技术利用了大数据对数据的处理能力进行两者的融合,有效的解决人脸照片的存储问题。
因为人脸识别技术和理论的成熟,使得人脸识别技术广泛的应用在手机等其他智能设备上。
例如,华为,小米等设备的人脸识别解锁功能。
1.3本文的研究内容和章节安排
本篇文章主要研究的是利用PCA思想的人脸识别方法。
将通过在MATLAB软件平台来完成整个毕业设计实验的仿真测试。
通过开始按钮把要识别的人脸图像输入到系统后能够从预存人脸库中识别出与输入人脸图像相同的照片并输出。
对本篇文章的结构大致作如下安排。
第1章引言介绍关于为什么要进行人脸识别研究以及研究它对我们日常生活产生的意义。
国内外研究人员对人脸识别的相关研究工作和方法以及从开始到现在的发展现状。
最后,阐述了在人脸识别研究过程中会被那些条件限制以及遇到怎样的难题和研究的难点。
第2章介绍了人脸识别的基本方法其中包含面部几何特征,特征脸,模板匹配等常见识别方法,以及在实验仿真测试阶段用到的人脸数据库的介绍。
最后介绍特征脸方法的优点。
第3章介绍PCA方法的基本思想以及核心思想K-L(Karhunen-Loeve)变换的原理和性质[12],奇异值分解定理和距离的计算公式。
其次介绍了PCA算法的具体的实现过程包括图像的预处理,人脸空间的建立,特征提取以及人脸识别四个比较重要的步骤。
第4章本章重点介绍了在Matlab平台上的仿真测试涉及实验设计过程和实验结果分析。
第5章本篇文章的总结和展望。
2人脸识别的相关技术
2.1人脸识别技术的难题
对于人脸识别技术研究者而言,虽然这个课题是是非常的艰难任重而道远,但是,它所具有的研究价值和实用价值是不可估量的。
目前,国内外关于课题的研究基本分为两类,第一类是由个人组成的,第二类,是由许多学者组成的科研团队。
因为应用前景广泛,参与研究的人员越来越多,因此,每年都有一定数量的论文发表。
研究人员的主要工作集中在寻找到更加安全,稳定,识别率更高,计算更加简便,快捷,实用性更强的人脸识别系统。
但是,面对许许多多现实存在的条件限制,缺乏成熟的理论支持,目前还没有兼顾的方法来实现上述所有的性能。
对于产生影响识别准确性的客观要素有许多,最具代表性的主要以下几个:
(1)人脸姿势和表情:
在一般情况采集人脸图像时被采集者事先是一无所知的,并且采集时也不会发生身体接触的情况,因此被采集人脸的表情和脸部姿势例如倾斜,俯仰都是无法完全控制的,这就给识别过程造成困难。
人脸姿态主要是包括头的倾斜,俯仰,摇动等行为动作引起的小幅度变化。
当头部姿态出现了倾斜,俯仰,摇动等干扰导致无法获得人脸面部器官所包含的所有有用的信息,这是就会出现许多关键信息采集不全。
人脸的表情比人脸的姿态更加难控制,人的面部表情跟随者心情无时无刻不在发生着变化,并且每个器官的变化都是相互独立的不受影响,用统一准确的模型去描述其变化规律是不可能实现。
(2)时间变动:
人脸的生物特征不是一尘不变的,在其他都正常的前提下,随着时间流失年龄的变大,人脸面部器官因衰老会出现皱纹等一些不同程度的的变化。
那么,对于一个人的照片就必须间隔一定的时间进行重复采集,否则将对现有的人脸库造成识别困难。
因此研究人脸随时间变化而产生变化的模型也是人脸识别算法中研究重点。
(3)遮挡物问题:
在日常生活中头发的长短会产生变化,也会因为一些特殊原因戴帽子或者眼镜等装饰品。
如果在采集人脸图像时,被采集者因为戴帽子或者头发过长挡住脸部信息,而造成采集的人脸图像特征信息不全,将对人脸的识别产生很大的影响造成识别出错率上升或者识别不出等情况的发生。
(4)数据库人脸图像的缺少:
人脸识别准确度高除了完备的理论,还需要的是所有人的人脸图像信息,仅收集完整的人脸数据库就是一项浩大的工程,因此,人脸库完整与否是人脸识别的前提,要想识别出某个人的脸部信息,应该在数据库中事先保存有这个人相关的人脸图像信息,然而在现实中我们不可能把每个人的人脸特征信息都输入到人脸数据库中,对于目前学术科研界最认可的人脸图像数据库,也只有部分的人脸图像特征信息,要想满足现实需求是不可能达到的,只能尽可能收集多的人脸图像信息。
对于像计算机这样的存储设备的要求也更高,因为存储量小的设备根本满足不了。
关于以上所提到的问题研究人员在不断地寻找相关的解决方法。
然而对于解决这些问题基本上只能从其中一个方面给出好的解决办法,而在实际条件下,大多数情况下都是要面临多个影响因素共同作用,对于研究人员,这无疑是一个巨大的挑战。
人们在不断的探索和寻找更好的人脸识别方法,相信在不久的将来会有更加理想的人脸识别方法。
2.2人脸识别的基本方法
人脸识别的方法主要有:
根据人脸面部几何生物特征,按照不同的思路建立通用的人脸识别模板匹配。