PCA安检面部识别系统研究+文献综述.docVIP

PCA安检面部识别系统研究+文献综述 摘要面部识别也称为人脸识别，是生物特征识别技术的一个主要方向，是应用最广泛的生物识别方法技术之一。与其他生物特征相比，人脸识别具有主动性、非侵犯性和用户友好性等特点。人脸识别是模式识别技术在图像领域中的具体运用，其应用前景非常广阔，可以应用到身份证件的鉴别、自动门禁控制系统、刑侦破案、视频监控、家庭安全等领域。9471 人脸自动识别系统包括人脸图像预处理、特征值提取、人脸识别三个部分。 人脸图像预处理是人脸识别过程中的一个重要的步骤。输入图像从现实生活中的景物转换成数字图像信息时，由于摄像设备条件不一样，如设备性能的优劣以及照相时光照明暗程度不同等，往往存在噪声、光照变化等缺陷，因此必须在提取特征之前对图像作预处理的工作。本文使用了彩色图像灰度化，滤波，灰度归一化，定位人脸，等技术来消除这些影响，提高了识别率。 同时本分别介绍了PCA（特征脸方法）和DCT与DWT结合的方法，及其怎样运用到人脸识别中。 而为了获得更好的抗干扰能力，引入了频域分析的观点，将DCT（离散余弦变化）和DWT（离散小波变换）运用到图像的特征值提取中。 图像经过小波变换以后，图像的能量和绝大部分信息保留在了低频部分，同时经过小波变换后，在图像的敏感位置生成的特征矢量模相对较大。离散余弦变换是一种正交变换，我们可以从数学知识上知道各种正交变换都有能够减小随机向量相关性的特性。信号经过多数正交变换以后，系数分布比较集中，且能量集中在少数的变换系数上。这些优点应用于人脸图像，有利于人脸的识别。本文首先对输入的图像进行一系列预处理，然后利用小波变换对经过预处理后的人脸图像做两次小波分解，再通过离散余弦变换对低频分量作进一步的特征提取和压缩，提取100个离散余弦变换系数作为最后的特征值。最后利用欧氏距离和最近邻分类器进行识别。 This article has taken the eigenvalue extraction methods based on wavelet transform combine with discrete cosine transform and the PCA(Principal Component Analysis) which is simple, rapid and easy wait for a characteristic, can reflect from whole face ,image gray correlation has certain practical value. The feature extraction based on the combining of wavelet transform and discrete cosine transform is used in the paper．Image is decomposed using wavelet transform and its low frequency part reserves the majority of information and energy．At the same time，the relatively larger feature vector modulus is generated in the sensitive location of the image after the wavelet transform．Discrete cosine transform is an orthogonal transformation．A variety of orthogonal transformation can reduce the relevance of random vector in a certain extent and the energy will be concentrated on a small number of transform coefficients when the signal was transformed by most of the orthogonal transformation．This can be proved in the mathematics．Those are useful for face recognition when these advantages were used in face image Based on above theory: the face recognition technology could be applied in many fields. For exam