基於PCA的人臉識別技術的研究

論文摘要

人臉識別是生物特徵識別中一個活躍的研究領域，智慧型人臉識別軟體技術對新時期的反恐和綜合安全等具有重大意義。人臉識別系統以人的臉像作為識別身份的媒介，採用計算機視覺和圖像處理技術，抓住人臉的輪廓特徵和局部細節特徵，研究匹配和識別方法。目前己經在身份鑑別和許可權控制等方面得到了廣泛的套用，是計算機科學與技術和模式識別領域中非常活躍的研究課題。人臉識別方法主要分兩類：基於整體特徵的方法和基於特徵分析的方法。本文採用基於整體的特徵臉方法(PCA)，並以人臉識別為目標，以基於PCA的人臉識別方法為重點進行了分析比較研究和實現的關鍵技術研究。主要的工作如下：(1)介紹人臉識別的研究背景、意義，比較分析當前常用的人臉識別技術，以及存在的主要困難。(2)人臉識別的關鍵問題是人臉的檢測和人臉特徵的提取，所以本文利用人臉的膚色信息，實現了人臉的檢測與定位。採用基於膚色模型的方法，先檢測出人臉的一個大致區域，再進行眼睛、嘴巴等的定位，最後得到人臉的精確位置。系統測試過程中發現，基於膚色模型的人臉檢測對正面人臉的檢測效果較好，而對多尺度檢測的能力較弱並且對光線的變化敏感。(3)比較深入的分析了PCA人臉識別方法的原理，並對PCA在套用過程中遇到的特徵值選擇和距離準則問題進行了研究，實現了基於PCA算法的人臉識別。PCA方法的顯著特點就是利用低維特徵向量來表示原始樣本信息，但是這樣產生的結果就是，使得PCA方法在特徵值提取的計算量和時間上的花費都很大，所以本文對PCA的一種改進方法2DPCA也進行了研究，並通過實驗比較了二者的性能，2DPCA識別時間更短，識別率更高。(4)研究了基於Fisher準則的線性辨別分析方法，針對該類方法在人臉識別中遇到的小樣本問題，本文介紹了常用的一種解決方法—PCA+LDA。該方法先用PCA方法對特徵空間進行降維，再利用Fisher線性辨別分析方法分類，最後實現人臉的識別。在此基礎上提出了基於Fisher準則的2DPCA人臉識別方法，並通過實驗證明，該方法是可行的，不僅提高了特徵提取的速度，而且識別率也比單獨的2DPCA方法和PCA+LDA方法高。

引文格式

齊興敏. 基於PCA的人臉識別技術的研究[D].武漢理工大學,2007.

基於PCA的人臉識別技術的研究

基本介紹

論文摘要

引文格式

相關詞條

熱門詞條