MATLAB基于稀疏表示的人脸识别算法实现(2)

4。2 人脸识别系统设计 13

4。3 人脸识别系统实现 15

4。4 人脸识别系统实验总结 17 结论 18 致谢 19

图 2。1 稀疏表示分类概览 3 图 3。1 基于稀疏表示的人脸识别流程图 7 图 4。1 ORL 数据库的人脸图像 9 图 4。2 Yale 数据库的人脸图像 10 图 4。3 Extended Yale B 数据库的人脸图像 10 图 4。4 AR 数据库的人脸图像 10 图 4。5 对 AR 人脸数据库中测试图像的 SRC 算法识别结果 11 图 4。6 对 Yale 数据库中遮挡图像的 SRC 算法识别结果 11

本科毕业设计说明书第 II 页

图 4。7 对 Yale 数据库中遮挡的原始图像 SRC 算法识别结果 11 图 4。8 人脸识别系统功能结构图 14 图 4。9 人脸识别系统界面 15 图 4。10 对数据库进行训练之后的界面显示 15 图 4。11 选择测试图片之后的界面显示 16 图 4。12 执行测试之后的界面显示 16 图 4。13 识别遮挡的人脸图像 17

表 4。1 Yale 数据库上的识别率 12 表 4。2 遮挡的 Yale 数据库上的识别率 12 表 4。3 Extended Yale B 数据库上的识别率 13 表 4。4 AR 数据库上的识别率 13 表 4。5 ORL 数据库上不同算法的识别率 13

1 引言

1。1 研究背景及意义

二十一世纪以来，随着计算机处理能力的提高，快速、准确、大量的数据分析处理逐渐由设想变成了现实，生物特征识别作技术也开始作为身份认证的可靠工具，广泛地应用在国家安全、电子商务、移动设备等领域。例如国家和商业涉密场所的指纹、虹膜识别，员工考勤的指纹识别，公安机关采用的人脸识别，验证手机支付的指纹识别等[1]。虽然目前市场上占主要地位的身份鉴定手段仍以身份证等证件或者双方保留的密码为主，这些手段已经具有较长的应用时间，但始终无法解决携带不便、容易遗忘、容易丢失的弊端。正在发展中的各种生物特征识别手段凭借着其普遍、唯一、可直接采集、不可复制等优势逐渐在相关市场中扩大着优势。

顾名思义，生物特征识别技术即为一种通过分辨不用个体的身体特征来达到识别出个体身份的技术，这些身体特征可以是人脸、指纹、虹膜等具体特征，也可以为声音、步态等抽象特征。由于应用场景和识别精度要求的不同，针对各个身体特征也有着不同的识别算法，但识别过程大都包括信息采集、预处理、特征提取、特征匹配等部分。

1。2 人脸识别简介

人脸识别是一种典型的生物特征识别技术。在二十世纪六十年代人脸识别技术开始出现，但由于当时计算机技术的限制，一直到九十年代后才进入到高速发展阶段并初步应用。现代的人脸识别已经技术比较成熟，并且广泛应用在银行、安保、公安等领域。在国内，近些年来应用于公安系统中的人脸识别系统已多次在抓捕犯罪分子的过程中大展身手，成为维护社会安定的重要工具。 MATLAB基于稀疏表示的人脸识别算法实现(2):http://www.youerw.com/jisuanji/lunwen_84815.html