人脸识别算法比较研究

 2022-01-17 11:01

论文总字数:15822字

目 录

1绪论 1

1.1 背景及意义 1

1.2 研究现状 2

1.3 主要研究工作 2

1.4 内容与结构安排 2

2人脸识别概述 3

2.1图像预处理 3

2.2特征提取 4

2.3人脸识别算法的分类 4

2.3.1基于子空间方法 5

2.3.2基于统计的识别方法 5

2.3.3基于神经网络的方法 5

2.4人脸数据库 6

3基于PCA算法的人脸识别 7

3.1 PCA算法概念 7

3.2 PCA算法原理 7

3.3 PCA算法步骤 7

3.4 MATLAB仿真实验 10

3.5存在的问题以及改进方法 12

4基于LDA算法的人脸识别 12

4.1 LDA算法概念 12

4.2 LDA算法原理 13

4.3 MATLAB仿真实现 14

4.4存在的问题及改进方法 15

5对比分析 16

5.1 PCA算法分析 16

5.2 LDA算法分析 16

6论文小结 16

参考文献 17

人脸识别算法比较研究

姜光垒

ABSTRACT:This paper mainly studies comparing the two kinds of face recognition algorithm.First, this paper summarizes the research significance and background of the face recognition;Then, summarizes the image preprocessing, face recognition feature extraction and classification of the common algorithm, including detailed analysis and comparison of the PCA and LDA two kinds of methods of extracting face feature dimension reduction, experiments have been carried out to compare with MATLAB, summarizes the advantages and disadvantages of both.

Key words: Face recognition;Linear dimension ;PCA;LDA

1绪论

1.1 背景及意义

人脸识别在最近几年以来,与模式识别、图像处理、机械视觉、神经网络以及认知科学等范畴的研究一样,它已经成为人们研究的热门课题之一。所谓人脸识别,是指在一个给定的场景下,把一个指定的静态图像或动态人脸,利用存储有若干已知身份的人脸图像的数据库来验证和辨别出场景中单个或者多个人的身份[1]。按照人们对人的脸部信息采集方式的差别,人脸识别可分成两类:人脸图像在静止状态下的识别和人脸图像在活动状态下的识别[2]。但是对于活动状态下的人脸系信息来说,我们用人脸识别来对其进行验证和辨别后,其效果不是很好,因此我们在本文只针对在静止状态下的人脸图像进行研究。作为生物特征辨别的一个重要方面,人脸辨别在档案办理系统、安全验证系统、信用卡验证、人机交互等范畴都有着十分重要的应用。同指纹识别、视网膜识别、虹膜识别等这些复杂性大,工程繁杂的技术对比起来,人脸识别技术在数据的采集方面更快捷方便,我们实际操作起来也更加的轻松。人脸作为生物的基本特性,尽管在辨别的精确性方面比指纹和虹膜要差(对于人脸的辨别系统辨别率的上限是由同卵双胞胎的出现比率决定的),因此,它在具有很高安全规格要求下的系统中只能用来作为一种辅助的对象。但是,对于具有一般地安全规格要求的身份验证和辨别系统,我们使用人脸识别技术,效果已经很达标了。虽然辨别人脸的能力在我们出生不久就已经具备了,可是制作出一个自动的、高识别率的计算机人脸识别系统也是有着相当大的难度的,至今尚有很多的难题在困扰着我们;这些难题主要包括:人脸是一个三维非刚性的物体,在人脸的面部表情、姿态、光源等有所差异的的条件下,会使得同一个人的人脸图像有许许多多的变化;人脸也会随着年纪的增长而发生变化;我们在佩带眼镜时、更换发型后以及男士所留的胡须等对人脸图像的辨别都有很大的影响[3]。由美国国防部组织的FE-RET测试表明:当光照和人脸姿态这两个前提产生变化后(比如人脸在深度方向上发生偏转),人脸识别系统在进行人脸图像的辨别时,效果会大打折扣。最近这几年来。在一些科技发达的国家,都成立了专门的科研小组来进行研究,研究后的成绩非常突出[4]。如:能够通过识别面部基本特征从而做出回应的新一代机器人就是由麻省理工大学的媒体实验室(MIT)开发出的。国外还有许多大学和研究所已投入这方面的研究,如:斯坦福大学(Stanford University)、加利福尼亚大学的机器感知研究所、剑桥大学(University of Cambridge)等。在国内方面,从事这方面的研究就相对晚点。南京理工大学的付衍志提出基于压缩感知原理,并满足Johnson-Lindenstrauss 定理的表情特征提取方法,将压缩感知理论在速度上的优势应用于人脸表情识别中。哈尔滨工业大学的研究小组将人脸识别技术、文字识别技术等多种技术互相结合,研发出一款具有多功能的感知器,从而创造出一个可以将软件和硬件进行相互结合的平台,并且通过它来解决和研究很多技术结合的问题。该研究小组还与海尔公司达成合作计划,在上述研究的基础上,设计开发能够提供相关服务的服务型机器人。

1.2研究现状

在二十世纪中期,非常多的科学家们就对人脸识别的研究做了非常多的探索。进入到九十年代,随着各行业的发展,人们对人脸识别系统的依赖进一步增强,人脸识别系统又一次地在广大研究者的研究机构中的取得更进一步的发展[5][6]。在现在时代下,全球各地区都有非常多的科研机构来进行这方面的探究,各个国家的政府部门以及大公司都对人脸识别的探究有着极高的重视,而且对他们也对其投入了很大的资本,美国国家政府部门为了使人脸识别研究有更快的发展,还特意组织了人脸识别竞赛。通过长年累月的研究和广大科研工作者们的共同努力和创造,在图像分析与图像理解范畴,人脸识别的发展已经有了非常大的提高。对于人脸识别系统,研究人员总结和创造出了很多的识别方法,建成了许多专门的用来进行人脸识别的实验系统,也有一些效果绝佳的人脸识别商业软件被专门投人到实际应用中去,以至于让人脸识别系统在实际应用范畴方面变的更加广泛,例如国际模式识别联合会(IAPR)发起了专门的基于生物特性人类身份识别和验证的国际会议[7]

人脸识别是模式识别的一种,通常包括三个方面:从场景中检测并分割人脸;抽取人脸特征;搭配和辨别人脸[8]。鉴于人脸识别在当今时代已经被人们发展成为一个独立的课题,其具有固定的理论和方式,因此,在本论文中,我们假设人脸的图像已经被准确检测而且已经从场景中分割出来[9]

1.3 主要研究工作

本论文课题采用理论和实验探究相联合的方法。首先,对图像降维处理方法进行理论分析,探讨了两种线性降维方法:PCA和LDA;并在人脸数据库中,利用MATLAB对上边两种方法进行了实验研究,达到良好的识别效果。同时,论文还对上边两种方法的改进算法做了总结与分析。

1.4 内容与结构安排

本课题主要从图像降维的角度对图像特征提取方法进行探讨,主要以线性降维的PCA和LDA算法为基础来探讨改善图像质量的有效算法。论文包括6个章节。

第1章:文章首先概述了本文课题的研究背景和意义,以及人脸识别研究的近况,最后又阐述了本论文的主要研究工作以及内容与结构的安排。

第2章:分别介绍了人脸识别的过程和人脸识别的方法以及在仿真实验中用到的人脸数据库ORL。

第3 ,4章节:为本论文的重要章节,分别介绍了人脸识别的两种基本算法:PCA和LDA;先对两种算法进行了详细的阐述,然后通过MATLAB仿真来表现出两种算法在人脸识别中的效果,最后提出了两种算法存在的问题以及对他们改进的措施。

第5章:对两种算法进行分析,然后对两种算法进行比较。

第6章:对自己所做的论文进行总结,同时说出了自己的心得体会。

2人脸识别概述

人脸识别即为先对计算机输进去的图像进行特征的提取,继而把提取的信息作为一个判别属性并把相应的信息输进去的分辨机器,最终完成对人脸分类识别的一个过程[10]。人脸识别包括三个过程:对图像进行预处理、特征的进一步提取以及对人脸的分类和识别。第一对拥有的样本空间影像做预先的分离和挑选工作[11],第二分别对它进行特征的提炼和取用。第三选定标准的样本进行训练从而形成训练分类器,最后把样本进行测量和比对再输入进训练好的分类识别器[12]

2.1图像预处理

预处理是人脸识别过程中的一个重要环节。那么什么是预处理呢?让我们来认识一下:预处理就是在图像分析中,对输进去的图像进行特征抽取、分割和匹配前所进行的处理。我们输进去的图像往往由于图像采集方式的不同,比如光照的明亮与黑暗和设备本身的问题等,都或多或少地出现产生噪音,对比度不够等方面的问题。另外,人脸的面部特征在进行采集时,由于拍摄角度的差异以及所用焦距的不同等因素也使得人脸在整幅图像中央的大小和位置都不能够很准确。为达到在人脸面部特征采集中保证人脸的大小,位置的相同以及人脸图像的清晰度都必须保持一致的目的,我们必须对人脸的面部特征进行预处理。图像预处理的主要作用就是用来消除一些干扰因素,避免这些干扰因素使特征提取和分类识别的结果出现偏差。

在人脸图像的预处理阶段,首先要对图像进行强化处理,最大限度的去除或减小光照等因素对图像处理的影响,为接下来我们对人脸图像的操作提高效率;从而使不同的人脸图像尽最大可能地在同一个条件下完成特性的提取、训练和辨别。人脸图像的预处理主要有:人脸的纠正,人脸面部特征的加强还有对人脸的面部特征进行归一化操作等。人脸的纠正目的是使要被操作的人脸面部特征变得更加端正;图像的加强是为提高人脸面部特征的清晰度,一方面使其在视觉上更加地清晰,另一方面使人脸面部映像在计算机中也可以更方便的进行操作与辨别。图像归一化处理工作的目的是使我们取得的人脸面部特征在尺寸上保持一致,在灰度取值范围也基本相同,从而使其更趋于标准化。

灰度拉伸作为人脸识别预处理其中的一种方法。它作为一种最基本的灰度变换,使用分段线性变换函数来进行分析和转换。它是将原来的人脸面部亮度值动态领域按线性关系扩充到指定的领域或全部的动态领域中去。它的主要思想是提高人脸面部特征操作时灰度级的动态领域,从而使其在对低对比度人脸面部特征的处理中效果更佳,通常包含两个操作:

剩余内容已隐藏,请支付后下载全文,论文总字数:15822字

相关图片展示:

您需要先支付 80元 才能查看全部内容!立即支付

该课题毕业论文、开题报告、外文翻译、程序设计、图纸设计等资料可联系客服协助查找;