PCA人脸识别论文附MATLAB程序.doc

发布时间：2022-06-13 发布人：admin 分类：说明书资料大小：2.61M 资料格式：doc 举报版权申诉

270c5b44-3d66-4d6a-9fd7-ae5135a08a21.doc.pdf-第1页.png

第1页 / 共56页

270c5b44-3d66-4d6a-9fd7-ae5135a08a21.doc.pdf-第2页.png

第2页 / 共56页

270c5b44-3d66-4d6a-9fd7-ae5135a08a21.doc.pdf-第3页.png

第3页 / 共56页

270c5b44-3d66-4d6a-9fd7-ae5135a08a21.doc.pdf-第4页.png

第4页 / 共56页

270c5b44-3d66-4d6a-9fd7-ae5135a08a21.doc.pdf-第5页.png

第5页 / 共56页

270c5b44-3d66-4d6a-9fd7-ae5135a08a21.doc.pdf-第6页.png

第6页 / 共56页

270c5b44-3d66-4d6a-9fd7-ae5135a08a21.doc.pdf-第7页.png

第7页 / 共56页

270c5b44-3d66-4d6a-9fd7-ae5135a08a21.doc.pdf-第8页.png

第8页 / 共56页

第1章绪论

1.1课题背景

1.2 研究现状

1.3 本文主要研究内容

第2章图像处理的MATLAB实现

2.1MATLAB数字图像处理及过程

2.1.1图像处理的基本操作

2.1.2图像类型的转换

2.2本章小结

第3章人脸识别算法

3.1 研究内容与方法

3.2人脸模型

3.3本章小结

第4章PCA主成分分析算法

4.1PCA原理

4.2DCT简介

4.3基于MATLAB的PCA人脸识别实例

4.3.1程序测试结果

4.3.2程序结果分析

4.4PCA算法的改进

4.4.1处理特征值

4.4.2基于DCT的PCA改进算法

4.5本章小结

结论

致谢

参考文献

附录A

源程序

附录B

A MATLAB based Face Recognition System using Image

附录C

基于MATLAB图像处理及神经网络的人脸识别系统

哈尔滨理工大学学士学位论文基于 MATLAB 的人脸识别算法的研究摘要现在，用计算机完成人脸识别任务，是一项很热门的同时具有挑战性的课题。它是由很多领域交叉而成的，如：模式识别、图像处理、计算机视觉和认知科学等。人脸识别技术的实际应用很广泛，且是现代生活自动化智能化所需的认证身份的一种重要方法。本文从图像整体代数特征的主成分分析（PCA）算法入手，介绍了 “特征脸”算法的基本原理以及实现过程，并用 MATLAB 模拟仿真了单一 PCA 算法。同时，通过识别不同特性的待测人脸图像来简单的验证、分析了该识别算法的性能。传统的主成分分析存在运算量过大导致实用性能受限的缺点，针对该缺点，本文提出了一种在离散余弦变换（DCT）基础上的主成分分析特征提取算法，并将选取的特征值上做些处理。这种基于 DCT 的算法先对整个原始人脸图像进行离散余弦变换变换得到 DCT 系数矩阵，再选取系数矩阵中含有大量信息的少量系数，进行 PCA 提取人脸特征。这种方法能够保证很好的识别效果的同时很大程度的减少 PCA 的运算量，从而提高了人脸识别系统的性能。关键词 MALAB；人脸识别；主成分分析；离散余弦变换 - I -

哈尔滨理工大学学士学位论文 Research of Face Recognition Algorithm Based on MATLAB Abstract Now using computer to complete face recognition task is one of the most popular and challenging problems ．And it is made up by many cross field ， such as pattern recognition ， image processing and computer vision and cognizance science．Face recognition technology is widely used，and it is also an important means to identity athentication in our modern life which consists of automation and intelligent． In this article，recent means of face recognition are briefly reviewed and the basic principles and implementation process of principal compon ent analysis（PCA）based on Matlab are introduced in detail．We use M ATLAB simulation for single PCA algorithm, and through the Euclidean d istance calculation in the filed of the database to find the matching face i mage. we put forward an algorithm of the extraction of PCA，which is b ased on discrete cosine transform because traditional PCA needs so much computation that results a limit to practicality．And processing selected PCA feature in process of the extraction feature value．So Firstly，carry on DCT transformation for primitive personal face images wholly to get DCT coefficient matrix，using the algorithm of DCT．Then select coeffici ent with a lot of facial information among coefficient matrix using to extr act facial feature． - II -

哈尔滨理工大学学士学位论文 This means can provide a precise identification while reducing the co mputation of PCA in a large scale．So this means can promote the perfo rmance of facial recognition system． Keywords MATLAB; face recognition；PCA；DCT - III -

哈尔滨理工大学学士学位论文目录摘要.......................................................................................................................I Abstract................................................................................................................II 第 1 章绪论......................................................................................................1 1.1 课题背景...................................................................................................1 1.2 研究现状...................................................................................................1 1.3 本文主要研究内容...................................................................................2 第 2 章图像处理的 MATLAB 实现................................................................. 4 2.1 MATLAB 数字图像处理及过程.............................................................. 4 2.1.1 图像处理的基本操作........................................................................4 2.1.2 图像类型的转换................................................................................4 2.2 本章小结...................................................................................................4 第 3 章人脸识别算法........................................................................................6 3.1 研究内容与方法.......................................................................................6 3.2 人脸模型..................................................................................................11 3.3 本章小结..................................................................................................12 第 4 章 PCA 主成分分析算法.........................................................................13 4.1 PCA 原理.................................................................................................13 4.2 DCT 简介.................................................................................................14 4.3 基于 MATLAB 的 PCA 人脸识别实例................................................ 14 4.3.1 程序测试结果..................................................................................15 4.3.2 程序结果分析..................................................................................18 4.4 PCA 算法的改进.....................................................................................22 4.4.1 处理特征值......................................................................................22 4.4.2 基于 DCT 的 PCA 改进算法..........................................................22 4.5 本章小结.................................................................................................23 结论....................................................................................................................24 致谢....................................................................................................................25 参考文献............................................................................................................26 附录 A................................................................................................................28 源程序............................................................................................................28 附录 B................................................................................................................34 A MATLAB based Face Recognition System using Image Processing and Neural Networks ............................................................................................ 34 - IV -

哈尔滨理工大学学士学位论文附录 C................................................................................................................45 基于 MATLAB 图像处理及神经网络的人脸识别系统............................. 45 - V -

哈尔滨理工大学学士学位论文第 1 章绪论 1.1 课题背景随着科技的不断发展，各项科学技术已走进人们的日常生活。社会的生产方式及人们的生活方式都越来越自动化、智能化。在应用技术开启了人们自动化生活大门的同时，也给人们提出了一个新的课题：如何让我们自动化的生活既安全又方便？因此，对于涉及辨别个人主体权限的自动化场合，需要有一种能够有效的、可靠的、方便的认知个人主体的计算机技术，来保证人们自动化生活的安全性及隐私性。由此产生了生物特征识别技术。生物特征识别即根据个人主体所独有的生理特征，如：人脸、指纹、视网膜、基因、声音、行为特征等，使用计算机进行数字信号处理和模式识别来鉴别身份的一门交叉科学。使用生物识别技术具有其不可取代的优势：1、人体所特有的特征具有唯一性、不可复制性，不会被窃取，且随身而行，永远不存在忘带、丢失的情况，不需要经营管理。而且其通用性也可以使得我们不必像现在这样每个场合设置不同密码，每套房子安装不同门锁，每天带着一大串钥匙。因此，使用生物识别自然不会再出现密码记混、钥匙带错的纠结。由此可见，生物识别与我们已经使用的钥匙、密码、磁卡等相比，有更方便、更安全的特点。2、计算机是我们现代生活的承载体。而生物识别技术也是寄托于计算机的背景下得以实现及应用的。因此生物识别能够很好融入计算机系统，成为我们自动智能化生活的一把完全锁。生物识别凭借其特有的优势，得到了众多学者的关注与研究，获得了快速的发展。其中，人脸是人们最主要的生物特征之一，是人们的第一外部特征。所以，人脸识别在现代识别领域中具有其特有的优点，占据重要地位。与其他生物识别相比，人脸识别的特征提取过程最方便快捷，只需要人脸在一台摄像机的视野范围内出现即可，识别主体完全可以忽略采集过程的存在。且人脸识别系统具有很好的交互性，有利于人机交互系统，特别是视频会议的广泛应用[1]。 1.2 研究现状早在20世纪60年代末，人脸识别即引起了研究者的强烈兴趣，最初的人脸识别技术基于面部几何特征分析，而且重点使用的是从侧面人脸图像上提取的几何特征。直到八十年代，人脸识别一直处于提取的特征数目少，自动提取特征的准确度也比较低的状态，进展甚微。九十年代以来， - 2 -

哈尔滨理工大学学士学位论文随着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。国外有很多大学在此方面取得了很大进展[2]，他们研究涉及的领域很广，其中有从感知和心理学角度探索人类识别入脸机理的，如美国Texas at Dallas 大学的Abdi和Toole小组，主要研究人类感知人脸的规律，如漫画效应、性别识别与人脸识别的关系、种族效应等；由Stifling大学的Bruce教授和Glas gow大学的Burton教授合作领导的小组，主要是研究人类大脑在人脸认知中的作用，并在此基础上建立了人脸认知的两大功能模型，他们对熟悉和陌生人脸的识别规律以及图像序列的人脸识别规律也进行了研究。也有从视觉机理角度进行研究的[3]，如英国Aberdeen大学的Craw小组，主要研究人脸视觉表征方法，他们对空间频率在入脸识别中的作用也进行了分析；荷兰Groningen大学的Petkov小组，主要研究人类视觉系统的神经生理学机理并在此基础上发展了并行模式识别方法。更多的学者则从事利用输入图像进行计算机入脸识别的研究工作[3]。 20世纪60年代末，学者们开始对人脸识别进行研究，到九十年代，随着计算机的发展，人脸识别开始了机器自动识别时期，也因此受到极大的关注。近些年来，国际上有关人脸识别的论文发表数量也大幅增加，在19 90年与2000年之间，EI可检索到的相关文献达数千篇，每年的国际会议上关于人脸识别的专题也屡见不鲜，IEEE的PatternAnalysisand Machine Intel ligence(PAMI)汇刊还于1997年7月出版了人脸识别专辑。到了最近的5年，还陆续出现了一系列评价人脸识别技术的方法，如：FERET协议、XM2V TS协议，并且有了一些重要的国际会议，如AFGR和AVBPA。国内从事人脸识别研究的大学有清华大学、浙江大学、哈尔滨工业大学、南京理工大学等。国内外的许多大学都有计算机视觉的研究组及人脸图像处理课题的研究小组。国外著名的大学包括MIT、CMU、Cornell等，德国的一些相应的研究机构也开展得较好。从二十世纪九十年代中期开始，陆续出现了一些人脸识别商业系统，这些商业系统基本都依托了知名研究机构多年的研究成果。从1994年开始，一些科研单位和公司开始将理论研究应用于实际产品，如Zn Bochum Gmbh公司研制的Zn-Face、Miros公司的TrueFace，V isinocs公司的Facelt等。我国也有一些研究机构和多所重点大学在此领域投入了大量的人力物力，如中科院、微软亚洲研究院。值得高兴的是由中科院计算所高文教授主持的863项目“面像监测与识别核心技术”在静态场景下其准确率达到96.5％，已经通过了鉴定。但国内对人脸识别的重视程度和研究还不及国外，研究成果与国际水平还存在相当距离。 1.3 本文主要研究内容人脸识别作为模式识别领域最经典的问题之一，已经有很多解决方法，取得了较好的试验结果。但是，人脸识别的最终目的当然是走向实际 - 3 -

哈尔滨理工大学学士学位论文应用，真正能够应用于任意背景、任意姿态条件下的通用的人脸识别系统目前还不存在。这说明人脸识别如何走向应用领域依然有待探索和完善，比如如何提高所提取人脸特征的有效性、分类器的优化等。本文在用MATLAB编写了基于PCA的人脸识别程序的基础上，分析了已有的主成分分析人脸特征提取方法的优缺点，并给出了解决方案。论文的主要内容如下：第二章图像处理的MATLAB实现。Matlab的语言语法限制不严格，程序设计自由度大，程序的可移植性好，并具有以矩阵运算为基础的数学计算和分析功能。功能强大的适应于图像分析和处理的工具箱。本文在第二章说明了在实现人脸识别的程序中所用到的MATLAB数字图像的处理及过程。第三章是人脸识别算法，给出了人脸识别的具体内容并阐述了人脸识别系统包括的主要技术环节，并详细列举了目前已有的人脸识别算法，分析了目前比较常用的正面静止人脸图像的识别方法及其优缺点。作为人脸识别算法研究的基础的人脸模型，也在第三章做了详细的介绍。第四章PCA主成分分析算法，重点介绍了PCA的原理，及如何计算人脸数据库的特征脸。利用MATLAB编程得出的结果来分析PCA人脸识别的性能。同时针对PCA算法的缺点给出了离散余弦变换DCT和处理特征值的解决办法。第五章对本文工作进行总结并提出下一步研究的方向。 - 4 -

分享到：

赞收藏

资料库

PCA人脸识别论文附MATLAB程序.doc

相关推荐

课程资源

热门标签

最新资料