民族面部特征提取及其识别算法研究

论文摘要

我国是一个统一的多民族国家,研究和分析各民族面部特征是一项极具挑战性的课题,不仅具有重要的理论研究价值而且有着广泛的应用前景。本文利用自动入脸识别的相关技术研究了民族面部识别领域的内容,重点研究了其特征提取及其识别技术。本文共分为六个部分,主要内容如下：（1）总结了目前民族面部识别的国内外研究背景及其意义,给出了民族面部识别的研究内容,而且简要介绍了本文所用到的人脸识别技术以及本文所用多民族人脸数据库,并分析了目前民族面部识别遇到的一些困难,最后概括了本文的主要工作。（2）介绍了特征提取与分类识别的相关数学理论知识。首先介绍了特征提取的相关知识,分为特征形成、特征变换和特征选择三部分,然后简要介绍了分类识别的一些常用方法。（3）研究了统计特征提取方法在民族面部识别中的应用。首先介绍了统计特征提取与识别的相关数学理论,然后利用主元分析方法（PCA）和线性判别分析方法（LDA）进行特征提取,并用k-最近邻法进行分类,最后将其应用于多民族面部数据库。（4）介绍了利用几何特征来进行民族面部识别的相关理论知识。首先进行人脸图像预处理及特征点定位,然后进行特征选择与提取,最后利用决策树分类器进行民族分类识别。（5）研究了弹性图匹配方法在民族面部特征提取与识别中的应用。首先介绍了Gabor小波、弹性图匹配的相关数学理论知识,并详细介绍了算法过程以及怎样将其应用于民族面部特征提取与识别上,并构造了特殊的民族面部模板。（6）总结全文,并对民族面部特征的进一步研究进行了展望。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 民族面部识别的研究内容及意义
• 1.2 国内外研究现状
• 1.3 本文用到的人脸识别技术
• 1.4 异族人脸识别困难
• 1.5 多民族人脸数据集介绍
• 1.6 应用前景
• 1.7 论文结构
• 第2章 特征提取与分类判别的数学理论
• 2.1 引言
• 2.2 类别可分离性判据
• 2.2.1 基于类内类间距离的可分性判据
• 2.2.2 基于概率分布的可分性判据
• 2.3 特征变换
• 2.3.1 基于欧式距离度量的特征变换
• 2.3.2 基于概率距离判据的特征变换
• 2.3.3 基于散度准则函数的特征变换
• 2.4 特征选择
• 2.4.1 单独最优特征组合
• 2.4.2 顺序前进法
• 2.4.3 顺序后退法
• 2.5 离散K-L变换
• 2.6 分类算法
• 2.7 小结
• 第3章 基于统计特征提取的民族识别
• 3.1 引言
• 3.2 统计特征理论
• 3.2.1 主分量分析（PCA）的思想与方法
• 3.2.2 线性判别分析方法（LDA）的基础
• 3.3 图像预处理
• 3.4 特征提取
• 3.4.1 PCA特征提取
• 3.4.2 PCA+LDA特征提取
• 3.5 分类识别
• 3.6 实验
• 3.6.1 PCA算法实验
• 3.6.2 PCA+LDA算法实验
• 3.7 小结
• 第4章 基于几何特征提取的民族识别
• 4.1 引言
• 4.2 几何特征提取理论
• 4.3 图像预处理
• 4.3.1 灰度变换
• 4.3.2 图像二值化
• 4.3.3 边缘检测
• 4.3.4 尺寸归一化
• 4.4 几何特征提取
• 4.4.1 特征点选择
• 4.4.2 特征点定位
• 4.4.3 特征参数选择
• 4.5 分类器设计
• 4.6 实验结果与分析
• 4.7 小结
• 第5章 基于弹性图匹配的民族识别
• 5.1 引言
• 5.2 二维Gabor小波变换
• 5.3 弹性图匹配
• 5.4 识别
• 5.5 识别框架
• 5.6 实验与分析
• 5.7 小结
• 第6章 总结与展望
• 参考文献
• 致谢
• 附录