人脸识别技术研究

论文摘要

作为人工智能的一个重要应用，人脸的机器自动识别是一项极具挑战性的课题。目前，人脸识别及其应用已经渗透到多个学科，并在信号处理、智能控制、模式识别、机器视觉等领域取得了丰硕的成果。人脸识别不仅是科学家的兴趣所在，还受到各国政府和军队等权力部门的密切关注，世界上许多国家和地区的政府及工业界都十分关注并积极投资人脸识别的研究，其进展不仅促进科学和技术的进步，还会对各国的国力产生一定的影响。 本文针对人脸识别亟需解决的4个问题进行了研究，包括人脸图像的预处理，提取最优的人脸特征，最优分类器的设计，将人工神经网络应用于人脸识别，本文的创造性研究成果主要有： (1)提出了基于模主元分析法(Modular Principal Component Analysis)和权值向量夹角余弦值(Angle Between Image Vector)的人脸识别算法，这种算法简便，易于在工程上实现，试验结果表明其性能明显优于目前常用的基于特征脸的人脸识别算法。 (2)将独立元分析法用于人脸的特征提取，并且引入了模的分块技术，提出了基于模独立元分析法(Modular Independent Component Analysis)的人脸识别算法。试验结果表明，这种算法的执行时间较快，性能非常理想。

论文目录

• 摘 要
• ABSTRACT
• 第一章 绪论
• 1.1 引言
• 1.2 机器学习
• 1.3 生物特征识别技术概述
• 1.4 人脸识别技术
• 1.4.1 人脸识别的问题描述
• 1.4.2 人脸识别系统的组成
• 1.4.3 人脸识别的发展历史和发展现状
• 1.4.4 人脸识别的研究难点
• 1.5 本文所做工作
• 1.6 本章总结
• 第二章 特征提取
• 2.1 引言
• 2.2 图像的向量表示
• 2.3 线性子空间分析
• 2.4 主元分析法（PCA）算法理论
• 2.5 独立元分析法（ICA）算法理论
• 2.6 线性判别式分析（LDA）理论
• 2.7 非线性分析理论（Kernel PCA）
• 2.8 本章总结
• 第三章 分类器的设计
• 3.1 引言
• 3.2 基于欧几里德范数的人脸识别
• 3.3 人工神经网络
• 3.4 人工神经网络的发展历史
• 3.5 人工神经网络简介
• 3.6 传统前馈神经网络
• 3.6.1 传统前馈网络（BP网络）的拓扑结构
• 3.6.2 BP网络的学习算法
• 3.7 径向基函数网络
• 3.7.1 径向基函数网络的结构
• 3.7.2 径向基函数网络的学习算法
• 3.8 双权值神经网络
• 3.9 本章总结
• 第四章 基于模PCA的人脸识别
• 4.1 引言
• 4.2 对基于欧基里德范数的人脸识别方法的回顾
• 4.2.1 人脸特征提取
• 4.2.2 分类识别
• 4.3 基于模PCA的人脸识别
• 4.3.1 人脸特征提取
• 4.3.2 基于权值向量夹角余弦值的分类识别
• 4.4 人脸数据库
• 4.5 实验结果
• 4.6 本章总结
• 第五章 基于模ICA的人脸识别
• 5.1 引言
• 5.2 模ICA
• 5.2.1 ICA
• 5.2.2 模ICA
• 5.3 基于权值向量夹角余弦值的分类识别
• 5.4 人脸数据库
• 5.5 实验结果
• 5.6 本章总结
• 第六章 基于双权值神经网络的 P以人脸图像识别
• 6.1 人脸特征提取
• 6.1.1 主元分析法（PCA）算法理论
• 6.1.2 利用非线性双权值神经网络提取主元
• 6.2 特征数据的归一化和双权值神经网络识别
• 6.3 实验结果及分析
• 6.4 本章总结
• 第七章 回顾与总结
• 7.1 论文的重点及创新工作
• 7.2 未来工作展望
• 参考文献
• 附录
• 1. ORL人脸数据库
• 2. Yale人脸数据库
• 致谢
• 攻读学位期间发表的学术论文