人脸识别方法研究与实现

发布时间：2017-05-25 23:03

  本文关键词：人脸识别方法研究与实现，由笔耕文化传播整理发布。

【摘要】：人脸识别是模式识别和计算机视觉领域最富挑战性的研究课题之一，在刑侦破案、证件验证、门禁系统、视频监控等领域都具有十分广泛的应用前景。虽然人类不需要任何训练准备就能识别出人脸，但人脸的机器自动识别却是一个难度极大的课题。本论文致力于基于静止图像的准正面人脸识别方法研究，重点研究特征提取和分类识别环节。 首先，研究了基于主分量分析(Principle Component Analysis，，PCA)的特征脸法的原理和实现过程。考虑到传统PCA法在处理图像识别问题时是基于图像向量的，提出了一种直接基于图像矩阵的PCA方法，其突出优点是大大加快了特征抽取的速度。 其次，为克服PCA方法易受光照条件等易变因素的影响，本文在特征提取方面引入了Fisher线性鉴别分析(Linear Discriminant Analysis，LDA)方法。LDA以样本的可分性最好为目标，能提取出类间距离大而类内距离小即分类能力强的特征，在理论上优于PCA方法。但是，传统LDA应用于人脸识别时存在小样本和多类情况下Fisher准则分类次优两个问题。本文提出了一种能同时解决以上两个问题的改进LDA的人脸识别算法。该算法的关键在于使用不损失任何有效鉴别信息的方法来降维，并引入一种新的权函数对Fisher准则加权，以改善样本在低维线性空间中的可分性，同时在共轭正交的约束下保证所抽取的鉴别特征之问是统计不相关的。实验结果表明，该改进算法对光照、表情变化具有更好的鲁棒性。 最后，为了更好地综合人脸特征进行分类识别，本文将嵌入式隐马尔可夫模型(Ernbedded Hidden Markov Models，EHMM)应用到人脸建模中，该方法较好地利用了人脸的相似性结构，较一维HMM(1D-HMM)能更精确地描述二维人脸图像的统计特征。本文通过提取二维离散余弦变换(2D-Discrete Cosine Transform，2D-DCT)后的低频系数代替像素灰度值构造观察序列，有效地减少了观察向量的维数。实验结果表明，所建立的模型结构简单，运算量小，并且获得了较高的识别率。
【关键词】：人脸识别 主分量分析 Fisher线性鉴别分析 统计不相关 隐马尔可夫模型 特征抽取
【学位授予单位】：解放军信息工程大学
【学位级别】：硕士
【学位授予年份】：2006
【分类号】：TP391.41
【目录】：

• 中文摘要4-5
• ABSTRACT5-6
• 目录6-8
• 表目录8-9
• 图目录9-10
• 第一章 绪论10-23
• 1.1 研究背景和意义10-12
• 1.2 发展简史和研究现状12-14
• 1.2.1 人脸识别的发展历程12-13
• 1.2.2 国内外研究现状13-14
• 1.3 人脸识别的研究内容与主要方法14-19
• 1.3.1 人脸识别的研究内容14-15
• 1.3.2 人脸识别系统的组成15-16
• 1.3.3 主要的人脸识别方法16-19
• 1.3.4 人脸识别的难点19
• 1.4 人脸识别测试数据库19-20
• 1.5 本文的主要工作与内容安排20-23
• 1.5.1 本文的主要工作20-21
• 1.5.2 本文各章内容安排21-23
• 第二章 基于主分量分析的人脸识别方法23-37
• 2.1 引言23
• 2.2 主分量分析的理论基础23-25
• 2.2.1 主分量分析的基本原理24-25
• 2.2.2 主分量分析的特点25
• 2.3 基于主分量分析的人脸识别方法25-30
• 2.3.1 特征子空间的生成25-27
• 2.3.2 基于人脸特征子空间的识别27-28
• 2.3.3 特征向量的选择28-29
• 2.3.4 分类决策29
• 2.3.5 距离度量的选择29-30
• 2.4 基于广义主分量分析的人脸识别30-32
• 2.4.1 基于图像矩阵的主分量分析原理30-31
• 2.4.2 特征抽取与分类识别31-32
• 2.5 实验结果及分析32-35
• 2.6 本章小结35-37
• 第三章 基于Fisher线性鉴别分析的人脸识别方法37-53
• 3.1 引言37
• 3.2 Fisher线性鉴别分析的理论基础37-41
• 3.2.1 Fisher鉴别准则37-38
• 3.2.2 经典的Fisher线性鉴别分析与F-S线性鉴别分析法38-40
• 3.2.3 具有统计不相关性的线性鉴别分析40-41
• 3.3 高维小样本情况下线性鉴别分析的具体方法41-44
• 3.3.1 基于变换的方法41-43
• 3.3.2 基于算法的方法43-44
• 3.4 基于加权Fisher线性鉴别分析的人脸识别方法44-50
• 3.4.1 Fisher鉴别准则之次优性分析44-45
• 3.4.2 加权方案及改进Fisher准则45-46
• 3.4.3 基于加权Fisher鉴别分析的人脸识别46-48
• 3.4.4 基于加权Fisher不相关鉴别分析的人脸识别48-50
• 3.5 实验结果及分析50-52
• 3.6 本章小结52-53
• 第四章 基于嵌入式隐马尔可夫模型的人脸识别方法53-67
• 4.1 引言53
• 4.2 隐马尔可夫模型的理论基础53-56
• 4.2.1 马尔可夫链53-54
• 4.2.2 隐马尔可夫模型54-55
• 4.2.3 嵌入式隐马尔可夫模型55-56
• 4.3 嵌入式隐马尔可夫模型的三个基本问题及求解56-60
• 4.3.1 嵌入式隐马尔可夫模型的三个基本问题56
• 4.3.2 评估问题56-57
• 4.3.3 解码问题57-59
• 4.3.4 训练问题59-60
• 4.4 基于嵌入式隐马尔可夫模型的人脸识别方法60-64
• 4.4.1 人脸E-HMM状态的确定60-61
• 4.4.2 特征抽取61-62
• 4.4.3 模型训练和人脸识别流程62-64
• 4.5 实验结果及分析64-65
• 4.6 本章小结65-67
• 结束语67-70
• 致谢70-71
• 参考文献71-76
• 作者在学期间取得的学术成果76

【引证文献】

中国期刊全文数据库 前1条

1 张忠宝;;关于人脸识别技术在商业银行方面的应用——基于计算机视觉[J];计算机光盘软件与应用;2012年20期

中国硕士学位论文全文数据库 前2条

1 王海珍;基于LDA的人脸识别技术研究[D];西安电子科技大学;2010年

2 凡里伟;Android平台手机防盗系统的设计与实现[D];大连理工大学;2012年

  本文关键词：人脸识别方法研究与实现，由笔耕文化传播整理发布。

本文编号：395216