基于AdaBoost算法和Fisher线性准则的人脸识别研究-计算机应用技术专业论文.docxVIP

基于AdaBoost算法和Fisher线性准则的人脸识别研究 基于AdaBoost算法和Fisher线性准则的人脸识别研究 中文摘要 基于AdaBoost算法和F i sher线性准则的人脸识别研究 中文摘要中文捅要 人脸识别技术作为机器视觉和模式识别领域中长期关注的一个重要课题，具有极 高的学术研究价值和商业应用价值。完整人脸识别系统分为人脸检测和人脸识别两个 部分，首先从给定的一个场景的静态图像或动态视频中，检测出是否存在人脸图像， 若存在则利用存储有若干已知身份的人脸图像数据库验证和鉴别场景中单个或者多 个人的身份。由于人脸的非冈4性特征和易受光照、姿态等因素影响的特性，使得人脸 识别面临很大挑战。 本文对人脸检测和人脸识别分别进行了研究。 l，首先在基于AdaBoost算法的入脸检测研究基础上，对AdaBoost算法的收敛 性能、泛化能力以及权重更新方法对分类器的影响进行了深入的分析。并进一步提出 了新的样本参数更新方法，该方法改变了传统AdaBoost算法中权重调整过程，更加 关注正确样本权值参数的修正，从而提高了检测效率。 2，在传统的人脸识别过程中，通常采用图像的全局特征作为分类识别信息，在 各类方法中，采用融合了主成分分析原理和线性判别的Fisherface方法识别效果最佳。 研究证明，人脸的全局特征和局部特征对于人脸感知和识别过程有不可或缺的作用。 针对于此，本文提出了融合全局特征和局部特征的Fisherface方法，采用～种距离权 值法对各部分局部特征进行赋值，权值大小反映了各个局部特征对识别效果的贡献。 针对基于全局特征和基于局部特征人脸识别方法的局限性，采用模糊综合准则融合两 种方法的识别结果，新的算法可以很好的融合两者优点，弥补两者不足，从而提高了 识别效率。 在MATLAB7．0仿真环境下的实验结果表明了改进后方法的优越性。 关键字：人脸检测，人脸识别，AdaBoost算法，全局特征，局部特征 作 者：王慧泽 指导老师：龚声蓉教授 中文摘要 中文摘要 基于AdaBoost算法和Fisher线性准则的人脸识别研究 本文的研究工作受国家自然科学基金(编号，教育部科研重点项目(编 号：205059)，江苏省高技术研究计划项目(编号；BG2005019)1撒助。 II ———————-—————————————————·=—————————————————————————————————————_——————————————————————————————一一 ———————-—————————————————·=—————————————————————————————————————_——————————————————————————————一一The垦esearc坐￡里!!!垦!!!墨璺!望竺呈里竺!璺2翌垒!!望竺2墨垒!曼竺!!坐翌竺!!!虫!!竺!!!塑竺翌 垒!墅呈壁 The Research of Face’Recognition Based on AdaBoost Algorithm and Fisher Criterion Abstract As long-term concern of the field of pattern recognition，face recognition of machine vision technology is important topic，with high value of academic research and commercial applications· As important aspect of biometric identification，face recognition has broad application prospects in 廿1e file management system,secufity，authentication systems,credit card verification，the public security system criminals，identification，banking and customs surveillance，human-computer interaction，and other fields．Face recognition system is divided into two parts，first of all，detect the existence of face images from of the of the static dynamic video images，if the existence of n