毕设-基于数据降维的人脸识别算法的分析.docVIP

目 录 摘要 １ 关键字 １ Abstract １ Key words １ 引言 １ 1．选题背景 １ 1.1 问题的提出 １ 1.1.1 人脸识别的概念 １ 1.1.2 人脸识别的发展历程 ２ 1.2 国内外研究状况 ２ 1.2.1 国外研究状况 ２ 1.2.2 国内研究状况 ２ 1.3 研究的目的和内容 ２ 2. 图片来源及处理过程 ２ 2.1 ORL人脸库简介 ２ 2.2 人脸图片处理流程 ３ 3．算法原理 ３ 3.1 PCA算法 ３ 3.1.1 PCA算法的概念 ３ 3.1.2 PCA算法的原理 ４ 3.1.3 PCA算法步骤 ４ 3.1.4 PCA重构的原理 ５ 3.2 LBP算法 ５ 3.2.1 LBP算法的概念 ５ 3.2.2 LBP算法的步骤 ５ 3.２.3 LBP_１算法原理 ６ 3.２.4 LBP_PCA算法原理 ６ 4. 数据分析 ７ 4.1 PCA算法 ７ 4.1.1 实验数据 ７ 4.1.2 数据分析 ８ 4.2 LBP算法 ９ 4.2.1 实验数据 ９ 4.2.2 数据分析 ９ 4.3 综合分析 １０ 5. 程序运行示例 １１ 6．展望 １４ 致谢 １５ 参考文献 １５ 若需本毕设代码，请加qq528149605，因为不是专业做毕设的，只想用自己的毕设挣点钱，所以不负责加新功能，负责讲解。绝对比淘宝便宜的多。（淘宝很坑） 基于数据降维的人脸识别算法的分析 计算机科学与技术专业学生 指导教师 摘要：人脸识别是模式识别领域的一个活跃的课题，随着安全入口需要的增加，越来越受到重视，可帮助警方用于安全控制，网络安全，公司考勤，隐私防护等，但是现在已有的人脸识别算法总是面临着这样或者那样的局限，受制于数据的特征，不能得到理想的识别效果。本文致力于研究目前流行的PCA（主成分分析）和LBP（局部二值化）算法，通过对两种算法的实现和相应的修改，分析各自的数学原理，各自的识别方式，对数据处理的方式，各自的长处及相应的局限，来完成对着两种算法的深刻理解，并判断人脸识别算法的前景。 关键词：PCA；LBP；灰度化 The face recognition algorithm based on data dimension reduction analysis Student majoring in computer science and technology Tutor Abstract：algorithm and identifying the prospects of the face recognition algorithm. Key words: PCA; LBP; gray processing 引言：进入大数据时代以后，我们需要处理的图像数据越来越多，高维的，规模巨大的数据又限制了我们处理分析数据的效率和准确性。PCA和LBP算法是两种常用的经典的处理图像，提取图像特征的算法，有助于我们处理分析大规模的图像数据。 1．选题背景 1.1 问题的提出 安全入口控制的需求在增加，生物识别技术得到了更多的重视，如人脸检测辨别等等，大量应用于公共安全，金融安全，物业管理，公司考勤等。 1.1.1 人脸识别的概念 人脸识别可以这样说明：给出一张图片或视频，利用所保存的数据辨别出来或确定身份若干个人。在计算机视觉领域，人脸识别的过程分为检测人脸，提取特征，还有辨别三步组成[1]。 1.1.2 人脸识别的发展历程 进入上世纪90年代后，人脸识别作为一个新兴学科，发展迅速。全世界对人脸识别的学习过程大致经过了三步[２]。 第一步是械识别，主要研究基于集合特征的人脸识别领域，首先是要定位出人脸中的一些主要的面部器官，例如鼻子，嘴巴，眼睛，眉毛等等。再选出一些特征进行表示，如面部器官之间的轮廓，大小和之间的距离等特征。主要成果有：Allen研究出一个效果不错的方式以描述待识别的图像。后来Parke[３]在电脑上将其完成。 第二步是人机交互识别，主要是利用机器识别方法来进行人脸分类，辨别，代表成果有：Lesk[４]等人将人脸面部特征用21维特征向量进行描述， Kobayashi等人在基于统计学方法的基础上采用欧式距离表示面部特征信息。T.Kanad造出自动回溯识别系统，首先对单幅人脸图像采用积分投影进行处理，以得到一组特征参数用来反映人脸面部信息，促进了人脸识别的精确度的发展。 第三步是机器识别人脸，主要成果有：出现了Fisherface方法，LFA方法，以及弹性图匹配方法。也出现了FaceID，Facelt，FaceVACS等识别系统[５]。 1.2 国内外研究状况 1.2.