计算机视觉基础大作业人脸识别.doc

计算机视觉基础 期末大作业 题目： 物联网工程 学院专业 学 号 学生姓名 教师 二〇一六年月 摘要 3 1.概述 4 1.1 人脸识别技术 4 1.2人脸识别基本方法 4 1.2.1几何特征的人脸识别 4 基于特征脸（PCA）的人脸识别 4 神经网络的人脸识别 5 5 2.人脸识别功能的实现 5 2.1 PCA方法基本原理 5 2.2 基于主成分分析法的人脸识别 6 2.2.1 读入人脸库 6 2.2.2 计算K-L变换的生成矩阵 6 2.2.3 求解特征值和特征向量 7 2.2.4 样本投影与识别 8 2.3 基于PCA算法人脸识别的matlab实现 8 2.3.1 读取人脸库 8 2.3.2 利用生成矩阵求特征值和特征向量 9 2.3.3 选取阈值提取训练样本特征 9 2.3.4 选取测试样本进行识别 9 2.4 人脸识别代码 10 2.5 实验结果及分析 11 3.实验结果及实现功能 12 3.1 文件部分 12 3.2 图像预处理部分 12 3.3 训练部分 13 3.4识别部分 13 4.总结 13 4.1人脸识别的困难性 13 4.1.1相似性 14 易变性 14 14 参考文献： 14 摘要 人脸识别系统以人脸识别技术为核心，是一项新兴的生物识别技术，是当今国际科技领域攻关的高精尖技术。这次设计主要是完成了基于主成分分析(PCA)方法的人脸识别，PCA方法的基本原理是：利用离散K-L变换提取人脸的主要成分，构成特征脸空间，识别时把测试样本投影到该空间，构成一组投影系数，通过与特征脸的距离比较，距离最小的特征脸对应的即是识别结果。基于PCA的人脸识别其实一种统计性的模板比配方法，原理简单，易于实现，但也有不足，它的识别率会随着关照，人脸角度，训练样本集的数量而变换，但仍不失为一种比较好的方法。 关键词：人脸识别、PCA、特征提取 1.概述 1.1 人脸识别技术 人脸识别技术是采用某种技术和手段对人的身份进行标识，从而依据该标识对人进行身份识别，以达到监督、管理和识别目的的一种技术。近年来由于在公安罪犯识别、安全验证、安全验证系统、信用卡验证等方面的巨大应用前景而越来越成为当前模式识别和人工智能领域的一个研究热点。 人脸识别基本上可分为两个方面：一是给定一幅待识别人脸图像，判别它是否是某人，即通常所说的身份验证，这是个“一对一”的两分类问题；另一个是给定一幅待识别人脸图像，判断它是谁，即通常所说的身份识别，这是一个一对多的问题 基于人脸图像整体特征的人脸识别方法由于不需要提取人脸图像中器官的具体信息，而且充分利用到人脸图像本身具有的灰度信息，因此可获得更高的识别性能。基于人脸图像整体特征的人脸识别方法主要有特征脸法，最佳鉴别矢量集法，贝叶斯法，基于傅立叶变换特征法，弹性图匹配法，相关方法，线性子空间法，可变形模型法和基于人工神经网络的方法等等。其中弹性图匹配法和傅里叶不变特征法侧重于表述人脸图像；最佳鉴别矢量集法，贝叶斯法，基于人工神经网络的方法侧重于分类；特征脸法和线性子空间法等侧重于人脸图像的重构。 1.2人脸识别基本方法 1.2.1几何特征的人脸识别 　　几何特征可以是眼、鼻、嘴等的形状和它们之间的几何关系（如相互之间的距离）。这些算法识别速度快，需要的内存小，但识别率较低。 基于特征脸（PCA）的人脸识别 　　特征脸方法是基于KL变换的人脸识别方法，KL变换是图像压缩的一种最优正交变换。高维的图像空间经过KL变换后得到一组新的正交基，保留其中重要的正交基，由这些基可以张成低维线性空间。如果假设人脸在这些低维线性空间的投影具有可分性，就可以将这些投影用作识别的特征矢量，这就是特征脸方法的基本思想。这些方法需要较多的训练样本，而且完全是基于图像灰度的统计特性的。目前有一些改进型的特征脸方法 1.2.3神经网络的人脸识别 　　神经网络的输入可以是降低分辨率的人脸图像、局部区域的自相关函数、局部纹理的二阶矩等。这类方法同样需要较多的样本进行训练，而在许多应用中，样本数量是很有限的。 传统的人脸识别技术主要是基于可见光图像的人脸识别，这也是人们最熟悉的识别方式，已有30多年的研发历史。但这种方式有着难以克服的缺陷，尤其在环境光照发生变化时，识别效果会急剧下降，无法满足实际系统的需要。解决光照问题的方案有三维图像人脸识别，和热成像人脸识别。但目前这两种技术还远不成熟，识别效果不尽人意。 　　最近迅速发展起来的一种解决方案是基于主动近红外图像的多光源人脸识别技术。它可以克服光线变化的影响，已经取得了卓越的识别性能，在精度、稳定性和速度方面的整体系统性能超过