- 1、本文档共9页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
青岛大学 电信互认课程设计
PAGE
PAGE 1
本科课程设计
题 目:人脸识别算法的设计与实现
学 院: 自动化工程学院
专 业: 电子信息工程
班 级: 01班
学 号: 200740600129
姓 名: 段宏儒
指导教师: 余 俊
2011年 3月
青岛大学 专业课程设计
1
目 录
一、设计任务与要求…………………………………………………1
二、主成分分析与人脸识别原理……………………………………1
三、人脸识别系统设计与编程………………………………………2
四、程序运行实例……………………………………………………5
五、参考文献 ………………………………………………………6
PAGE 3
一、设计任务与要求
理解主成分分析方法的原理和基于主成分分析方法的人脸识别方法。在同学间采集一定数量的人脸正面图像样本,运用MATLAB编程,设计人脸识别程序并使用采集样本检验程序的识别正确率。
二、主成分分析与人脸识别原理
人脸识别是一个活跃的研究领域,是人类视觉最杰出的能力之一。虽然人脸识别的准确性要低于虹膜、指纹的识别,但由于它的无侵害性和对用户最自然、最直观的方式,使人脸识别成为最容易被接受的生物特征识别方式。
本征脸(eigenface)方法
这种方法是人脸识别的基准技术,并已成为事实上的工业标准
该方法基于主成分分析(PCA)
PCA是将分散在一组变量上的信息集中到某几个综合指标(主成分)上的数学方法,实际上起着数据降维的作用,并保证降维过程最大化保留原数据的差异
这对最大化类间差异(即不同人之间的差异)并最小化类内差异(即同一人的不同图像间的差异)很有效
用PCA将2维数据降到1维的例子,绿色点表示二维数据,PCA的目标就是找到这样一条直线,使得所有点在这条直线上的投影点之间的平均距离最大。也就是最大化地保留了原数据的差异性
直接计算C 的本征值和本征向量是困难的,可以通过对矩阵 做奇异值分解间接求出
m值的选择:
三、人脸识别系统设计与编程
Ⅰ、程序原理图
Ⅱ、实验程序
程序1
功能:加载样本图片并处理
function [X,W] = ImgLoad(dirName,peopleNum,photoNum);
LONGTH = 112 * 92;%图片大小
X = [];% 声明
for i = 0:peopleNum -1
for j = 1:photoNum
% photoName:照片名
photoName = strcat(dirName,num2str(i),\,num2str(j),.jpg);
% 以矩阵形式读入文件
photo = imread(photoName);
% 生成列矩阵
photoMatrix = reshape(photo,LONGTH,1);
photoMatrix = double(photoMatrix);
% 存储列矩阵
X = [X,photoMatrix];
end
end
%清除无用变量
clear photoName photo photoMatrix;
averX = mean(X);%求均值
averX = repmat(averX,LONGTH,1);%矩阵扩展
X = X - averX;%每行减去均值
clear averX;
[V,E] = eig(X * X);%求特征向量
W = X * V;%求特征矩阵W
程序2
功能:加载text文件函数
function TestMatrix = TestImgLoad(photoName);
LONGTH = 112 * 92;%图片大小
photo = imread(photoName);
TestMatrix = reshape(photo,LONGTH,1);
TestMatrix = double(TestMatrix);
程序3
功能: 求距离
function D = getDistance(X,Y);
D = X - Y;
D = D * D;
程序4
功能: 求最小距离(即最匹配
文档评论(0)