《统计方法在人脸识别中的应用研究论文》-毕业论文设计（可用）.docxVIP

统计方法在人脸识别中的应用研究 摘要 人脸识别技术是数字监视系统的核心技术，具有重要学术价值与广阔的应用前景。本文将实现基于统计的三种人脸识别方法—特征脸、Fisher脸和奇异值分解。并在三个标准人脸库上进行比较，对前人的一些结论进行验证。提出基于小波域奇异值分解的人脸识别方法提高人脸识别率，大大节省存储空间。 关键字：人脸识别 特征脸 Fisher脸 奇异值分解 小波域奇异值 二次2DPCA人脸识别 第1章 概述 1.1课题研究背景与意义 1.1.1研究背景 随着信息技术的发展,社会管理日趋电子化、自动化。在这样一个庞大的社会网络体系中,系统安全十分重要。准确地鉴别个人身份是实现系统安全的必要前提。目前,我国的各种管理系统大部分使用证件、磁卡、IC卡和密码,这些手段无法避免伪造或遗失,密码也很容易被窃取或遗忘,这些都给管理者和使用者带来很大不便。基于人体生物特征的身份鉴别方法(如指纹识别、视网膜识别、人脸识别等)可以避免这些麻烦,因为用于身份鉴别的生物特征具有普通性,即任何人都具有这一特征;唯一性,不同人的这一特征各不相同；稳定性，这一特征不随时间、外界环境等因素的变化而改变；可接受性，用这一特征进行人体身份鉴别可以被人们接受和认可;防伪性,这一特征不易被伪造、仿制。 目前,指纹识别与视网膜识别技术已比较成熟,正确识别率也较高,但缺点是可接受程度较低,在国外对个人的指纹进行识别与分析常被认为是对隐私权的侵犯,同时,人们更担心视网膜识别方法对视网膜扫描的安全性。作为人体生物特征身份鉴别方法之一的人脸识别具有非侵犯性、直接、友好、方便等特点,所以人脸识别成为人们最容易接受的身份鉴别方式。 人脸自动识别技术就是利用计算机分析人脸图像，从中提取有效的识别信息，用来辨认身份的一门技术。它涉及到模式识别、图像处理、计算机视觉、生理学、心理学及认知学等诸多学科的知识，并与基于其他生物特征的身份鉴别方法以及计算机人机感知交互的研究领域都有密切联系。它与指纹、视网膜、虹膜、基因、掌纹等其他人体生物特征识别系统相比，入脸识别系统更加直接、友好，使用 者无心理障碍。人脸识别技术应用背景十分广泛，可用于公安系统刑侦破案的罪犯身份识别、身份证及驾驶执照等证件验证、银行及海关的监控、自动门卫系统、视频会议、机器人的智能化研究以及医学等方面。 1.1.2课题研究意义 1、具有重要的学术价值 人脸是一类具有相当复杂的细节变化的自然结构目标，此类目标的识别、跟踪问题的挑战性在于：(1)人脸本身由于外貌、表情、姿态等不同，具有模式的可变性；(2)一般意义的人脸，可能存在眼镜、胡须等附属物：(3)作为三维物体的人脸的影像不可避免的要受由光照产生的阴影的影响。因此，如果能够找到这些问题的解决方法，成功构造出人脸识别系统，将为解决其它类似的复杂模式的检测与跟踪提供重要的启示。 2、具有潜在的应用价值 人脸识别己成为计算机视觉及相关领域中的关键技术，在智能人机交互、安全监控、视频会议、医疗诊断及基于内容的图像存储与检索等方面具有广阔的应用前景和商业价值。 1.2人脸识别研究的现状与困难 1．2.1研究现状 人脸识别系统现在在大多数领域中起到举足轻重的作用，尤其是用在机关单位的安全和考勤、网络安全、银行、海关边检、物业管理、军队安全、智能身份证、智能门禁、司机驾照验证、计算机登录系统。我国在这方面也取得了较好的成就，国家863项目“面像检测与识别核心技术”通过成果鉴定并初步应用，就标志着我国在人脸识别这一当今热点科研领域掌握了一定的核心技术。 早在上世纪60年代末，人脸识别即引起了研究者的强烈兴趣，但早期的人脸识别一般都需要人的某些先验知识，无法摆脱人的干预。进入90年代，由于高速度高性能的计算机的出现，人脸识别的方法有了重大突破，进入了真正的机器自动识别阶段，人脸识别研究得到了前所未有的重视。国际上发表有关人脸识别等方面的论文数量大幅度增加，关于人脸识别的综述也屡屡可见。上世纪九十年代，Pentland提出了著名的特征脸方法。此后，基于统计的人脸识别方法就成了人脸识别领域的主流方法，主要包括特征脸方法、Fisher脸方法、奇异值分解方法。 本项目是基于经典的统计识别方法进行三种人脸识别的比较，提出基于小波域奇异值分解的人脸识别方法，提高人脸识别的鲁棒性。提出基于2DPCA的二次2DPCA人脸识别方法。2DPCA方法虽然较PCA方法提高了人脸识别率，但是其特征向量占用了过多的存储空间。因此提出二次2DPCA方法，该方法可以达到2DPCA的识别率，并且可以大大节省存储空间。 1．2.1研究困难 人类可以毫不困难地由人脸辨别一个人，但利用计算机进行完全自动的人脸识别仍存在许多困难，其表现在：人脸是非刚体的，存在表情变化；人脸随年龄增长而变化；发型、眼镜等装饰对人脸造成遮挡