基于改进的PCA与Fisher鉴别相结合的人脸识别-控制工程专业论文.docxVIP

摘 摘 要 I I 摘 要 人脸识别是生物特征识别技术的一个重要分支，被广泛应用于身份认证、公共安全、 机器视觉等领域。人脸识别早在上世纪六十年代就引起了研究者广泛关注，原因是其拥 有着非接触性与易获取性等多种友好特性。人脸识别技术涉及了多个领域的知识，包括 图像处理、模式识别、计算机视觉等技术，是一门综合性的交叉学科。人脸识别已经成 为人工智能、模式识别等领域的一个前沿研究课题。人脸图像通常是典型的高维非线性 数据，易受到光照、表情、姿态、年龄等影响而产生变化。为寻求更高的识别精度的方 法，研究者至今仍面临着严峻挑战。 论文首先介绍了人脸识别的技术的研究背景和主要方法，总结了人脸识别技术中存 在的技术难点，展望了人脸识别技术的发展趋势。针对传统主成分分析（PCA）方法在 特征提取方面存在的问题，本文将其与 Fisher 鉴别准则进行结合，实现对图像的综合降 维，从而能够更好的确定图像的分类方向。在 PCA+Fisher 的基础上，本文又对算法进 行改进，进一步提高了人脸识别的正确率。 本文以剑桥大学的 ORL 人脸库作为识别对象，该库包括 40 个人的 400 张面部图像， 库中人员照片的姿态、表情都有一定变化，部分图像还佩戴了饰物，20%以内的尺度变 化，较为充分地反应了同一人不同人脸图像的变化和差异，因此识别结果能够很好评价 算法的实用性。论文实现了用改进 PCA+Fish