人脸识别算法研究及实现

论文摘要

随着科技的不断进步,生物识别技术的发展也越来越受到人们的广泛关注。在众多生物识别技术中,人脸识别技术以其使用方便、用户接受度高、直观性突出、识别精确度高、速度快、不易仿冒、成本较低和易于推广使用等优点成为最有前途的生物别技术之一。本文首先介绍了人脸识别方法。人脸识别过程包括三部分:人脸检测与定位、人脸图像预处理、人脸识别,其中人脸识别包括人脸特征提取、训练与匹配。概述了人脸检测、人脸图像预处理、人脸识别这三部分常用的方法。接着采用了一种基于肤色的人脸检测与定位方法。使用一种自适应的彩色图像光照补偿方法对采集的图像进行光照补偿。通过对几种常用的颜色空间肤色提取方法的比较,采用了一种利用YCbCr和KL颜色空间相结合进行肤色提取的方法。然后对得到的人脸候选区域进行中值滤波,膨胀和腐蚀操作,最后确定人脸的位置。通过实验可知,此种肤色提取的方法对光线较强和光线较暗的图像都有很好的肤色提取效果。然后给出了人脸预处理方法,包含了图像剪裁、图像类型转换、图像滤波、图像灰度变换和图像尺寸归一化五个部分。本文采用的人脸图像尺寸归一化方法,通过确定人脸左右边界、双眼的位置和嘴巴的位置来剪裁图像,保证人脸特征的完整性,更有利于后续的人脸特征的提取和识别。最后,采用了一种基于PCA与小波的人脸识别方法。首先对原图像进行三次小波分解,用低频分量和平均分量来代替原始人脸图像,解决了PCA算法存在计算量大的问题。当使用PCA进行降维处理时,一个常考虑的问题就是该保留多少个特征向量。本文提出了将凯塞准则法和特征值图法应用到人脸识别方法中确定特征向量个数,经过实验,与常用的门限方法相比分别取得了较好的效果。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 课题背景及意义
• 1.1.1 生物识别技术发展的重要意义
• 1.1.2 几种生物识别技术的比较
• 1.1.3 人脸识别技术的重要作用
• 1.2 人脸识别技术的国内外研究现状
• 1.2.1 人脸识别技术的国外研究现状
• 1.2.2 人脸识别技术的国内研究现状
• 1.3 人脸识别技术的研究范围
• 1.4 本文的主要研究内容
• 第2章 人脸识别方法概述
• 2.1 引言
• 2.2 人脸检测
• 2.2.1 基于特征的人脸检测方法
• 2.2.2 基于图像的人脸检测方法
• 2.3 人脸图像预处理
• 2.3.1 滤波去噪
• 2.3.2 灰度变换
• 2.3.3 图像二值化
• 2.3.4 边缘检测
• 2.3.5 人脸图像归一化
• 2.4 人脸识别
• 2.4.1 基于几何特征的方法
• 2.4.2 基于代数特征的方法
• 2.4.3 基于弹性模板的方法
• 2.4.4 基于连接性模型的方法
• 2.5 本章小结
• 第3章 基于肤色的人脸检测和定位
• 3.1 引言
• 3.2 光照补偿
• 3.3 肤色提取
• 3.3.1 HIS颜色模型
• 3.3.2 YES颜色模型
• 3.3.3 YIQ颜色模型
• 3.3.4 YCbCr颜色模型
• 3.3.5 KL颜色模型
• 3.3.6 基于 KL和 YCbCr的肤色提取
• 3.4 去噪和填充
• 3.5 人脸区域的定位
• 3.6 实验结果分析
• 3.7 本章小结
• 第4章 人脸图像预处理
• 4.1 引言
• 4.2 人脸图像预处理方法
• 4.2.1 图像剪裁
• 4.2.2 图像类型转换
• 4.2.3 滤波去噪
• 4.2.4 图像灰度变换
• 4.2.5 人脸图像尺寸归一化
• 4.3 试验结果分析
• 4.4 本章小结
• 第5章 基于 PCA和小波变换的人脸识别方法
• 5.1 引言
• 5.2 基本原理
• 5.2.1 PCA人脸识别方法
• 5.2.2 小波变换
• 5.3 基于 PCA和小波变换的人脸识别
• 5.4 PCA方法的两种特征向量提取方法
• 5.4.1 凯塞准则法
• 5.4.2 特征值图法
• 5.5 实验结果及分析
• 5.6 本章小结
• 结论
• 参考文献
• 攻读硕士学位期间发表的论文和取得的科研成果
• 致谢