学士学位论文基于pca的人脸识别算法研究Word下载.docx
《学士学位论文基于pca的人脸识别算法研究Word下载.docx》由会员分享，可在线阅读，更多相关《学士学位论文基于pca的人脸识别算法研究Word下载.docx（59页珍藏版）》请在冰豆网上搜索。
3.外语类（）；
4.艺术类（）。
题目类型
1.毕业设计（√）2.论文（）
题目来源
科研课题（√）生产实际（）自选题目（）
主
要
内
容
人脸识别是人脸识别系统中一个非常重要的研究方向。
PCA算法是主成分分析法，通过此算法可将问题的关键信息保留并反映出来。
本课题设计基于PCA的人脸识别算法，设计一种简单，快速，有效的人脸识别方案，并基于Matlab进行仿真实验，分析算法性能。
基
本
求
[1]通过查阅相应书籍和资料，掌握算法的基本理论。
比较并分析不同算法的性能。
[2]设计一种基于PCA算法的人脸识别方案。
[3]利用Matlab实现设计方案。
[4]分析算法在提高人脸识别准确性方面的性能。
[5]研究内容有实际应用价值，
参
考
资
料
[1]现代图像处理技术及Matlab实现张兆礼编著人民邮电出版社2001
[2]人脸图像特征抽取与维数研究[D]金忠南京理工大学出版社1999
[3]模式识别（第二版）边肇棋，张学工著清华大学出版社2000
[4]中国期刊网上的相关文章
周次
1—4周
5—8周
9—12周
13—16周
17—18周
应
完
成
的
收集资料
熟悉课题内容
确定设计思路
熟悉程序设计语言，
确定算法的实现方案
编写程序实现设计方案
上机调试并进行优化
实验结果整理和总结，
撰写论文
课题总结
答辩
指导教师：
职称：
副教授2016年6月6日
注：
周次完成内容请指导老师根据课题内容自主合理安排。
摘要
社会的进步和科技的发展使人们急需一种可靠、简便、快捷的身份识别技术。
近些年来人脸识别由于其具有非接触的识别方式、快速的识别过程和稳定的识别系统等优点受到了人们广泛的关注。
本文基于MATLAB，设计并实现了一种基于主成分分析法-PCA算法的人脸识别系统。
本文主要研究了基于PCA的特征脸识别的方法，利用PCA中的霍特林变换和奇异值分解定理得到人脸分布的主要成分，即特征向量（特征脸），构造出特征脸空间。
将训练库中的人脸图像和待识别的人脸图像分别投影到该空间上，基于几何距离最小的原则作为匹配的识别图像输出。
采用ORL人脸数据库进行模拟，借用MATLAB工具仿真实现了该人脸识别系统，实验结果表明该系统能够在人脸表情变化，姿势变化，有无遮挡物等情况下达到较高的识别率。
所以基于PCA的人脸识别算法的实现研究是有一定意义的。
关键词人脸识别；
PCA；
特征脸；
MATLAB
Abstract
Withthesocialprogressandtechnologicaldevelopmentsothatpeopleneedareliable、simple、quickidentificationtechnology.Inrecentyears,facerecognitionbecauseofitsrecognitionprocessofoncontactdetectionmethod,fastandstablehasattractedwidespreadconcern.Inthispaper,basedonMATLAB,thedesignandimplementationofafacerecognitionsystembasedonprincipalcomponentanalysis.
ThispapermainlystudiedtheEngenfaceoffacerecognitionbasedonPCAmethod,usingtheK-Ltheoremandsingularvaluedecompositiontheoremtogetthemaincomponentsofthefacedistribution,thefeaturevector（eigenface）.thenconstructthefacespace.Projectingthetraininginthelibraryfaceimageandidentifyfaceimageontothefacespacerespectively.ThematchingimageoutputbasedontheprincipleminimumgeometricdistanceUsingtheORLfacedatabaseandMATLABsimulationtoolstorealizethehumanfacerecognitionsystem.Theexperimentalresultsshowthatthesystemcanchangesinfacialexpression,posturechange,thepresenceofobstructionssunchascases,toachievehighrecognitionrate.SotherealizationofthealgorithmoffacerecognitionbasedonPCAresearchhasacertainsignificance.
Keywordsfacerecognition;
principalcomponentanalysis;
eigenface;
MATLAB
目录
摘要I
AbstractII
第1章绪论1
1.1选题背景及意义1
1.2国内外研究现状2
1.2.1国外研究现状2
1.2.2国内研究现状3
1.3人脸识别技术的研究内容与技术难点3
1.3.1人脸识别技术研究内容3
1.3.2人脸识别技术研究难点3
1.4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5
2.1系统概述5
2.2人脸识别主要技术5
2.2.1二维人脸识别算法介绍5
2.2.2三维人脸识别算法介绍6
2.3常用的人脸图像库6
2.4人脸的特征提取7
2.4.1几何特征提取法7
2.4.2代数特征提取法8
2.5本章小结10
第3章基于PCA的人脸识别算法11
3.1引言11
3.2K-L变换11
3.2.1K-L变换原理11
3.2.2K-L变换性质12
3.3SVD定理14
3.4距离的计算15
3.5基于PCA的人脸识别16
3.5.1人脸的表示16
3.5.2特征脸空间的构造16
3.5.3特征提取17
3.5.4人脸识别18
3.6MATLAB仿真实现18
3.7结果分析24
3.8本章小结26
第4章与基于Fisherface方法的特征提取原理对比27
4.1PCA方法的优缺点27
4.2基于Fisherface法的人脸特征提取理论介绍27
4.3FisherFace方法的优缺点28
4.4两种方案的理论对比29
4.5本章小结30
结论31
参考文献32
致谢34
附录135
附录242
附录346
附录455
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的学者首先在检测样本是否为人脸时应用了聚类分析的方法，利用MLP网络作为分类器，以测试样本和人脸样本子集的距离差为度量原则进行分类。
Raphael则利用多层神经网络，通过CGM及MLP实现了迅速和精准的人脸检测，
升级会员 