基于主成分分析的人脸识别算法研究

论文摘要

人脸识别技术是计算机应用技术的一个重要内容,是模式识别、人工智能的重点研究课题之一。人脸识别的难点主要在于,人的表情丰富,同时随着年龄的增长,面部整体情况会发生一定的变化,在发型、眼镜以及一些装饰物的遮挡下、不同角度是光照下,会使得一些特征得到不同程度增强和淡化,给人脸识别的难度带来了极大的挑战。本文根据统计学原理,将多元统计分析中的主成分分析算法引入到人脸识别中来,从统计模式识别的角度出发来研究人脸图像的特征提取问题,利用主成分分析算法得到一个矩阵,将人脸识别中的高维数据空间向低维空间做线性变化,这个矩阵可以通过求取协方差矩阵的特征向量获得,而不需要参数,大大简化了计算。本文以英国ORL人脸数据库为基础进行了实验分析。ORL人脸数据库是目前使用最广泛的标准数据库,它包含有大量的比较结果。该数据库包括了不同时段的、背景为黑色的人脸表情和细节均有变化的400幅灰度图像组成。实验结果表明,该算法的识别正确率较高且识别速度有所提升,识别正确率在90%以上。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 课题背景
• 1.2 人脸识别应用的发展趋势
• 1.3 国内外研究现状
• 1.4 本课题研究难点及创新点
• 1.5 论文工作安排
• 第二章 主成分分析理论
• 2.1 主成分分析理论特点
• 2.2 主成分分析的基本思想与理论
• 2.2.1 主成分分析的思想
• 2.2.2 主成分分析的理论
• 2.2.3 主成分分析的基本概念及意义
• 2.2.4 主成分分析的算法
• 2.2.5 样本主成分的导出
• 2.3 本章小结
• 第三章 人脸图像识别算法
• 3.1 特征脸的计算
• 3.2 基于特征脸的人脸识别
• 3.3 其他人脸识别算法
• 3.3.1 基于几何特征的人脸识别方法
• 3.3.2 基于相关匹配的人脸识别方法
• 3.3.3 基于统计的人脸识别方法
• 3.3.4 基于子空间人脸识别方法
• 3.3.5 基于三维模型的人脸识别方法
• 3.3.6 弹性图匹配的人脸识别方法
• 3.3.7 几种混合的人脸识别方法
• 3.5 本章小结
• 第四章 人脸识别算法仿真
• 4.1 人脸数据库
• 4.2 人脸识别步骤
• 4.2.1 人脸图像预处理
• 4.2.2 读入人脸库
• 4.2.3 识别方法
• 4.2.4 计算特征值和特征向量
• 4.3 结果与分析
• 4.4 本章小结
• 第五章 总结
• 附录
• 参考文献
• 致谢
• 攻读硕士期间发表的论文