基于二维局部保留投影的人脸识别系统的研究

论文摘要

人脸识别技术经过几十年的发展,已经取得了长足的进步,但实践表明一般意义上的人脸识别技术还远未成熟,要开发出真正鲁棒、实用的人脸识别应用系统还需要更为鲁棒的且性能指标更高的核心算法,核心算法的研发伴随着大量的算法实验,这是一个复杂而繁重的工作。从软件工程角度出发,开发一种灵活、快速的算法验证系统就显得尤为重要。针对上述问题,本文对改进算法效率和开发灵活、快速、的算法验证系统进行了深入研究,具体内容如下:①提出了一种改进的基于二维局部保留投影的人脸识别方法。首先使用二维主元分析法（Two dimensionality Principal-Component Analysis,2DPCA）进行降维处理,最大限度保留显著的二维信息,在降维后的特征空间里,使用二维局部保留投影方法（Two dimensionality Locality Preserving Projection,2DLPP）构建出最优投影矩阵。由于同时在行、列方向上应用了2DPCA和2DLPP方法,使得在图像的表示和识别过程中产生了较少的参数,提高了整个算法的运行效率。通过在ORL人脸库的对比实验,算法在各性能参数的综合表现具有一定的优势。②开发了一种灵活的人脸识别算法验证测试系统,从人脸识别系统的基本环节入手,将软件工程领域里较为流行的“插件式”系统结构引入到人脸识别系统中。深入研究各类算法的结构、模式特点,设计出了具有一定适应性的统一“接口”,为算法的实验验证提供了统一的平台,真正达到了算法并行开发、改进的目的。同时,该平台使人脸识别各个环节能够灵活“组装”,可以实现算法的多角度、多方位验证测试。③人脸识别系统实现了算法性能的自动测试并输出各项指标参数,实现了各算法在同等实验条件下的效率对比,从而节省了实验验证的时间,提高了工作的效率,加快了算法改进的速度。

论文目录

• 摘要
• ABSTRACT
• 1 绪论
• 1.1 生物特征识别技术
• 1.2 人脸作为生物特征识别方法的优势与劣势
• 1.2.1 人脸识别的技术优势
• 1.2.2 人脸识别的技术劣势
• 1.3 人脸识别的背景及研究意义
• 1.4 国内外研究现状
• 1.5 本文研究工作简介及组织结构
• 2 人脸识别技术预备知识
• 2.1 人脸图像的预处理
• 2.2 人脸检测
• 2.2.1 基于知识模型的方法
• 2.2.2 基于统计模型的方法
• 2.2.3 基于模板匹配的方法
• 2.3 人脸的特征提取
• 2.3.1 几何特征提取
• 2.3.2 线性子空间方法
• 2.3.3 基于核的非线性子空间分析
• 2.4 人脸识别分类
• 2.4.1 判别函数分类器
• 2.4.2 基于统计模式的分类器
• 2.4.3 神经网络分类器
• 2.5 总结
• 3 改进的基于二维局部保留投影的人脸识别方法
• 3.1 引言
• 3.2 LPP 及2DLPP 方法分析
• 3.2.1 LPP
• 3.2.2 2DLPP
• 3.3 改进的二维局部保留投影的人脸识别方法
• 3.3.1 二维主元分析投影到行方向
• 3.3.2 二维局部保留投影到列方向
• 3.3.3 本文算法的分类实现
• 3.4 实验及结果分析
• 3.5 小结
• 4 人脸识别系统设计及实现
• 4.1 系统设计思想
• 4.2 系统技术流程介绍
• 4.2.1 图像采集
• 4.2.2 人脸检测
• 4.2.3 人脸图像的预处理
• 4.2.4 人脸图像特征提取
• 4.2.5 人脸识别分类
• 4.3 功能需求分析和描述
• 4.4 系统软件设计与架构
• 4.4.1 系统软件架构介绍
• 4.4.2 “插件式”结构
• 4.5 系统实现
• 4.5.1 实验工具及平台
• 4.5.2 系统主要模块界面
• 4.6 小结
• 5 人脸识别系统运行评测分析
• 5.1 性能评测设计的若干基本原则
• 5.1.1 性能评测的三熊原则
• 5.1.2 数据集合的划分方法
• 5.1.3 按照系统任务分类
• 5.1.4 性能评测的指标
• 5.2 人脸数据库选取
• 5.3 实验设计及结果分析
• 5.4 小结
• 6 结语
• 6.1 本文工作总结
• 6.2 未来研究展望
• 致谢
• 参考文献
• 附录