［精品］PCA人脸特征提取技术研究［毕业设计，毕业论文］.doc

摘 要 人脸识别是生物特征识别中一个活跃的研究领域，与利用指纹、虹膜等其他生物特征识别相比，人脸识别具有直接、友好、方便的特点，是进行身份确认的最自然直接的手段。因此，人脸识别在信息安全、刑事侦破、出入口控制等领域具有广泛的应用前景。 人脸识别的一般步骤是图像预处理，特征提取，分类识别。其中特征提取直接决定分类结果的好坏，在人脸识别中占有重要地位。一个好的特征提取方法具有算法简单和速度快等特点，本文主要研究一种经典的特征提取方法—主成分分析法（PCA），其基本思想是降维。主要的工作如下： 挑选人脸库，建立训练集和测试集； 对训练集和测试集中的图像进行PCA处理，即进行特征提取，求出人脸图像 在特征脸空间中的坐标系数，以此来作为人脸图像的特征； 选用最近邻分类器实现人脸识别和分类，从识别效果来说明PCA的优缺点。 关键词： 人脸识别 特征提取 主成分分析法  ABSTRACT Face recognition is an active research area of biometric identification. Compared to the use of fingerprints, iris and other biometric identification ,face recognition is more direct, friendly and convenient.It is the most natural and direct means for identification.Therefore, face recognition has a wide range of applications in the information security ,criminal detection and Access Control area. Face recognition generally has three steps:image pre-processing, feature extraction, classification and identification. Feathure extraction is important,which directly determines the quality of classification results. A good method for feature extraction should has simple and fast algorithms. This paper mainly researches on a classical method for feature extraction –Principal Component Analysis(PCA)with the basic idea of dimensionality reduction.The main work is as follows: Select a face database,create the training set and test set； Feature extraction for the images of the training set and test set，which are the coordinates coefficients in the Eigenface space； Classification and identification using Minimum Distance Classifier,describe the advantages and disadvantages of PCA. Keywords: face recognition feature extraction PCA  目 录 第一章 绪论 1 1.1 特征提取的研究背景和意义 1 1.1.1 研究背景和意义 1 1.2 人脸特征提取的研究现状及存在问题 3 1.2.1 人脸图像可以提取的特征 3 1.2.2 人脸特征提取方法 3 1.2.3 特征提取时存在的问题 6 1.3 本文主要研究内容及各章安排 8 1.3.1 本文主要研究内容 8 1.3.2 本文各章安排 8 第二章 人脸特征提取—主成分分析法 9 2.1 概述 9 2.2 K-L变换 10 2.2.1 K-L变换基本原理 10 2.2.2 特征压缩 12 2.3 基于PCA算法的人脸特征提取 12 2.3.1 总体散布矩阵的形成 13 2.3.2 维数问题 14 2.3.3 变换矩阵的求解及变换的实