基于2D-PCA的人脸识别方法研究

论文摘要

在信息技术飞速发展的今天,信息安全显示出前所未有的重要性。电子商务、电子银行、网络安全等应用领域更是急需高效的自动身份认证技术,生物特征识别技术以其特有的稳定性、唯一性和方便性,得到越来越广泛地应用。生物特征识别技术将信息技术与生物技术相结合,利用人体本身具有的物理特征（如人脸、虹膜、掌纹等）或行为特征（如步态、签名、声音等）来确定人的身份,以取代或加强传统的身份识别方法。在生物特征识别技术中人脸识别是一个具有很高理论和应用价值的研究课题。人脸是人类视觉中最为普遍的模式,它所反映的视觉信息在人与人的交流和交往中有着及其重要的意义。人脸的特殊性,使得人脸识别技术成为最具潜力的身份识别方式,并且日益受到人们的广泛关注成为模式识别领域研究的热点。本文在对主成分分析作了深入研究的基础上,提出了一种改进的2D-PCA人脸识别方法。在训练阶段对人脸图像进行预处理,对训练样本集利用本文提出的方法计算主成分分量,定义特征空间,对每一个训练样本确定特征系数矩阵;在识别阶段对检测样本进行同样的预处理操作,并将其映射到由训练样本计算得来的特征空间之上,得到一组检测样本的特征系数矩阵;最后根据最小距离分类器进行识别验证。本文分别在ORL人脸图像库,YaleB人脸图像库,AMP人脸图像库进行实验,验证了本文提出的方法的有效性,并对本文的方法与传统的2D-PCA方法进行对比,实验表明,本文提出的方法在多表情的人脸图像中具有较好的识别效果,对表情变化具有一定的鲁棒性。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪 论
• 1.1 生物特征识别技术的背景及意义
• 1.2 人脸识别技术国内外研究现状
• 1.3 人脸识别技术的应用
• 1.4 论文主要工作
• 1.5 论文结构
• 第二章 人脸识别系统概述
• 2.1 人脸识别系统
• 2.1.1 图像获取
• 2.1.2 人脸检测定位
• 2.1.3 图像预处理
• 2.1.4 特征提取和选择
• 2.1.5 训练
• 2.1.6 识别
• 2.2 人脸识别的研究内容
• 2.3 主要的人脸识别方法
• 2.3.1 基于几何的人脸识别
• 2.3.2 基于模型的人脸识别
• 2.3.3 基于统计的人脸识别
• 2.3.4 基于神经网络的人脸识别
• 2.4 分类器设计
• 第三章 基于主成分的人脸识别
• 3.1 主成分分析的基本原理
• 3.2 主成分分析的特征提取
• 3.3 基于PCA 的人脸识别
• 3.4 基于2D-PCA的人脸识别
• 3.5 改进的2D-PCA人脸识别
• 第四章 实验结果与分析
• 4.1 实验数据库
• 4.2 实验过程
• 4.3 实验分析
• 第五章 总结与展望
• 5.1 本文的工作总结
• 5.2 未来工作展望
• 参考文献
• 致谢