基于2DPCA的人脸识别.pptVIP

基于2DPCA的人脸识别 人脸识别基本流程图  第一步是进行人脸检测,检测出图像中人脸的位置,对视频输入,则还需一个人脸跟踪或者是姿态判别过程,这样就有利于选择最合适的姿态的人脸来进行识别,可以有效地提高识别率;第二步对人脸进行预处理,先后进行直方图均衡化、图像平滑、图像锐化等操作,以调整人脸图像的方向,统一人脸尺寸大小,去除噪声,获得更清晰的图像,这样,方便和与人脸数据库中人脸进行比对;第三步就是进行人脸特征提取,比较主成分分析法(PCA)、二维主成分分析法(2DPCA)和fisher线性鉴别分析法(FLDA)等多种特征提取方法,用最优的一种或几种特征提取法来选取能代表整个人脸的主要特征;第四步就是将人脸特征送入分类器进行分类,由于人脸数据库中已经存放了人脸的主要特征值,识别的目的就是根据待识别的人脸图像的相关特征与人脸数据库中的人脸图像的相关特征进行相应的匹配。人脸识别主要有两个任务:(1)人脸证实,验证身份是否属实,它的匹配过程是一对一;(2)人脸辨认,判断输入的人脸图像对应人脸库中的是哪一个人,它的匹配过程是一对多。完成识别过程后输出识别结果。 预处理就是在图像识别过程中,抽取出不受其他干扰因素影响的待识别样本,就是对输入的图像进行主要特征的抽取、分割和匹配之前所进行的处理。输入的图像由于釆集环境不同,通常会有噪声等一些缺点。此外,还有距离远近、焦距大小等使人脸的大小