工程实践课设计报告.docVIP

1．人脸识别的具体实现 一个完整的人脸识别系统由以下几个环节组成，人脸检测，特征提取，和分类识别。人脸检测即为从输入的静止图像或序列图像中检测图像是否包含人脸。因为本次实验主要是验证PCA和KNN算法的精度，所以选择的图像都是包含人脸的图像。实验中采用PCA算法对特征进行提取，用KNN算法对实验结果进行检测，测定测试图像属于哪个分类。 在计算机中，一幅数字图像可以看成是一个矩阵或者是一个数组，用表示。其行列下标对应了图像上的一个点，而在矩阵中对应相应元素，则标出了该点的灰度值。一幅nxm大小的图像按行列相连构成一个维向量,它被视为空间中的一个点。人脸图像样本集可用矩阵表示，其中，，为样本集中人脸图像的数量。 2.交叉验证 当数据源不充足时，为了保证所建分类器的性能和错误率估计的准确性，交叉验证技术常常被采用．在交叉验证中，先要决定一个固定的重数，或者说折数．一般地，将重数定为k，这就是k 重交叉验证，记为k-CV． 由于本次试验中采集了40组图像，每组10帧，数据源相对不充足，为了充分验证算法的性能，分别采用了3-CV, 4-CV, 5-CV交叉验证法，随机选择训练样例。 3.实验结果分析 实验中采取了40组图像，每组10帧。其中一组图像如下图所示： 图 5-1样本图例 为了保证分类的健壮性，在试验中在训练集上采取交叉验证的方法，分别从