人脸检测与识别算法研究

论文摘要

人脸识别技术是利用计算机分析人脸图像,提取有效的识别信息来辨别身份或者判定人脸状态的一门技术。它涉及模式识别、图像处理、计算机视觉、生物学、心理学等诸多学科的知识,是当前研究的热点之一。人脸识别技术包括两部分内容：人脸检测和人脸识别。本文首先介绍了人脸识别的研究背景及意义,人脸识别算法研究现状,然后重点讨论了人脸检测方法和人脸识别的各种方法。本文研究了针对彩色图像的基于肤色分割和模板匹配的人脸检测方法,该方法可以分为两部分：肤色分割和模板匹配。这种方法首先利用肤色特征,从复杂的图像中分割出与肤色相关的区域,再经过数学形态学方法处理得到人脸候选区域,最后在人脸候选区域进行模板匹配。本文还研究了基于线性子空间的人脸识别方法。我们先后讨论了Eigenface方法、LDA方法、Fisherface方法和零空间法以及小样本问题。基于谱回归线性鉴别分析的人脸识别算法解决了基于子空间方法中所遇到的紧密矩阵的特征值分解问题,将LDA最佳投影空间求解问题转化为线性回归方程的求解问题,避免了特征值分解所带来的大量计算。针对基于谱回归线性鉴别分析过程中需要对样本中心化的问题,本文提出了改进的谱回归线性鉴别分析算法,提高了基于谱回归线性鉴别分析方法的识别率,降低了特征提取时间。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 人脸识别的研究背景及意义
• 1.2 人脸识别算法研究现状
• 1.3 本文的研究内容及章节安排
• 1.3.1 本文研究内容
• 1.3.2 本文章节安排
• 第二章 基于肤色分割和模板匹配的人脸检测方法
• 2.1 引言
• 2.2 人脸检测常用的彩色空间
• 2.3 常用的肤色模型
• 2.4 肤色分割
• 2.5 二值图的数学形态学处理
• 2.5.1 腐蚀
• 2.5.2 膨胀
• 2.5.3 开运算和闭运算
• 2.6 模板匹配的原理
• 2.7 模板的制作
• 2.8 人脸模板的匹配过程
• 2.8.1 模板的尺寸调整
• 2.8.2 模板的角度调整
• 2.8.3 模板匹配
• 2.9 实验及结果分析
• 2.9.1 人脸检测算法的评价标准
• 2.9.2 测试图像的选择
• 2.9.3 实验结果分析及部分检测结果图
• 2.10 本章小结
• 第三章 基于线性子空间的人脸识别方法
• 3.1 引言
• 3.2 主成分分析方法
• 3.3 线性鉴别分析方法
• 3.4 小样本问题
• 3.5 主成分分析和线性判别分析结合的方法
• 3.6 零空间方法
• 3.7 本章小结
• 第四章 基于改进的谱回归线性鉴别分析的人脸识别方法
• 4.1 引言
• 4.2 基于谱图论的流行学习
• 4.2.1 流行学习概述
• 4.2.2 基于谱图论的流行学习
• 4.3 基于改进的谱回归线性鉴别分析方法
• 4.3.1 SR-LDA方法概述
• 4.3.2 广义特征值方程的另一种表示
• 4.3.3 改进的SR-LDA方法
• 4.4 本章小结
• 第五章 人脸识别实验及结果分析
• 5.1 分类器选择
• 5.2 实验选取的人脸库
• 5.3 基于子空间方法的实验及结果分析
• 5.4 基于SR-LDA方法的实验及结果分析
• 5.5 本章小节
• 第六章 结论与展望
• 致谢
• 参考文献
• 作者攻读硕士学位期间的研究成果