基于PCA的整体与局部特征融合的人脸识别方法

论文摘要

人脸识别技术是模式识别和机器视觉领域最富挑战性的研究课题之一,也是近来研究的一个热点问题。到目前为止,人们提出了很多人脸识别算法,一些已经投入到实际应用中。这些识别方法在提取人脸特征时各有优缺点,如何发挥各种方法的优点,避免缺点,是我们的目标。近些年来,数据融合技术给了人们很大的启示,本文也是从这个角度出发,提出一种新的人脸识别方法。在本文中主要对人脸识别中的特征提取进行了研究。首先,采用小波变换和Gabor小波变换算法提取人脸的整体与局部特征,其次,通过PCA对提取的整体与局部特征进行融合来实现人脸识别。并通过实验对本文算法进行了验证。本文的主要研究工作和创新点如下:1.本人通过研究人脸几个有代表性的局部特征对人脸识别的影响,得出了一个最能表达人脸信息的局部特征——眼睛+眉毛这一区域,所以本人选择了眼睛与眉毛这一局部区域作为本文识别算法中的局部区域。这不仅提高了局部特征的表征能力,还为下一步工作减少了计算量。2.根据不同特征的特点利用不同的方法提取其特征,利用小波变换和Gabor小波变换分别表达人脸的整体特征和局部纹理特征,这样提取的特征能够全面反映人脸的信息,使得人脸识别能够得到很好的识别效果。3.用PCA方法将表达人脸信息能力强的局部特征与人脸的整体特征相融合,这样既考虑了人脸的整体信息,又兼顾了局部信息,使得特征参数能尽可能的全面反映人脸。增强了人脸的分类能力。最后总结了全文,分析了目前研究工作中需要进一步完善的地方,指出今后工作的研究方向。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 引言
• 1.2 生物特征识别技术
• 1.2.1 主要生物特征识别技术比较
• 1.3 人脸识别的研究内容及应用
• 1.4 人脸识别技术综述
• 1.5 本文的研究思想和主要工作
• 第2章 人脸特征的提取算法
• 2.1 引言
• 2.2 人脸整体特征的提取算法
• 2.2.1 小波变换
• 2.2.1.1 一维小波变换
• 2.2.1.2 二维小波变换
• 2.2.1.3 小波变化提取人脸的整体特征
• 2.3 人脸局部特征的提取算法
• 2.3.2 Gabor小波
• 2.3.2.1 二维Gabor小波变换
• 2.3.2.2 人脸Gabor特征的提取
• 2.4 基于PCA的特征融合
• 2.4.1 基于特征脸的人脸识别方法
• 2.4.2 基于PCA的特征融合的人脸识别步骤
• 第3章 实验结果及讨论
• 3.1 人脸库介绍
• 3.2 试验结果
• 3.2.1 局部区域的选取
• 3.2.2 在PCA方法中“特征脸”数目确定
• 3.2.3 本文算法实验
• 3.3 结果讨论
• 第4章 总结与展望
• 4.1 总结
• 4.2 人脸识别展望
• 参考文献
• 致谢