K—L变换彩色人脸识别的数学方法研究+源代码
时间:2019-10-27 10:16 来源:毕业论文 作者:毕业论文 点击:次
| 摘要近年来，由于在国家安全、公共事业、社会生活等领域的巨大需求，人脸识别已经成为当前国际上的一大热点课题.本文主要介绍了人脸识别的研究背景及意义、发展阶段和应用领域，并选择了运用主成分分析法（Principal Component Analysis，PCA）对人脸识别进行研究，详细阐述了K—L变换的基本原理、主成分分析方法的理论基础以及利用特征脸方法进行人脸识别的过程.主成分分析法的基本原理是：通过进行K-L变换来提取人脸的主要特征，构成特征脸空间，再将测试图像投影到该空间，计算得到一组投影系数，再与各个人脸图像进行比较识别.主成分分析法是一种基于代数特征的人脸识别方法，其优点是原理简单，应用方便，准确率高，但是也有不足之处，它的识别率会受到光照、角度、表情、姿态等因素的影响而下降，但仍不失为一种比较好的人脸识别方法.41451 毕业论文关键词： 人脸识别；主成分分析；K—L变换；特征脸 正文 一、人脸识别的背景和意义 （一）研究背景 随着科学技术的快速发展，社会对于身份识别的要求也越来越高.传统的个人身份验证技术，由于与验证人的可分离性，致使伪造、盗用、破译等现象时有发生，已经不能满足现代社会经济活动和社会安全防范的需要.相比之下，人脸识别的普遍性、可采集性与被采集者的可接受性较高，这就使得人脸识别技术受到广泛的关注与迫切的需求. 人脸识别研究最早始于20世纪60年代，80年代随着计算机技术和光学成像技术的发展得到提高，90年代后期才真正进入初级应用阶段.在过去的20多年里，人脸识别技术一直都是各国研究的热点，而人脸识别也已经与普通大众的生活密不可分. （二）研究意义 人脸识别作为一种生物特征识别技术和其它较为成熟的识别方法相比具有无侵犯性，低成本、易安装，无人工参与等优点，有着很高的应用价值.并且已经广泛应用于航天、金融、司法、军队、公安、边检、医疗、教育等科研和公共领域.随着人脸识别技术的逐渐成熟和社会认知度的提高，这一技术将应用到更多的领域，具有广阔的应用前景和商业价值. 同时，人脸识别研究涉及机器识别、数字图像处理、人工智能、计算机视觉、以及认知科学和神经网络等多个领域的广泛知识.所以，人脸识别研究还具有重要的学术价值. 二、人脸识别的发展历史 早在1888年和1910年高尔顿就曾在《Nature》杂志上发表了两篇关于利用人脸进行身份识别的文章，但那时还没有涉及到人脸的自动识别问题.如果按照研究内容、技术方法等特点，可将人脸识别的研究历史分为三个阶段： 第一阶段（1964年——1990年）非自动识别时期，人脸识别只是作为一般的模式识别问题来研究，采用的主要方法是基于人脸几何结构特征的方法. 第二阶段（1991年——1997年）人机交互识别时期，这一阶段尽管时间短，但却是人脸识别研究的高潮期，诞生了很多具有代表性的人脸识别算法，并且开始出现商业化运作的人脸识别系统. 第三阶段（1998年——至今）自动识别时期，这一阶段的人脸识别技术有了重大突破，真正进入到了机器自动识别阶段.由于主流的人脸识别技术对光照、姿态、运动等非理想采集条件下造成的变化鲁棒性比较差.因此，光照、姿态、运动问题就成为了研究的热点.与此同时，人脸识别的商业系统进一步发展，人脸识别技术越来越多的应用到人们的生活中去. 相对国外而言，国内对人脸识别的研究起步较晚，大约始于20世纪80年代，主要研究机构有清华大学、哈尔滨工业大学、中科院计算机技术研究所、中科院自动化研究所、亚洲微软研究院等.国内的研究工作主要集中在三大类方法：基于几何特征的人脸识别方法、基于代数特征的人脸识别方法和基于链接机制的人脸识别方法. (责任编辑：qin) |