没有合适的资源?快使用搜索试试~ 我知道了~
【计算机软件毕业设计】基于PCA算法的Eigenfaces人脸识别算法.doc
0 下载量 198 浏览量
2023-07-04
00:08:49
上传
评论 1
收藏 2.01MB DOC 举报
温馨提示
试读
32页
【计算机软件毕业设计】基于PCA算法的Eigenfaces人脸识别算法.doc
资源推荐
资源详情
资源评论
河 北 农 业 大 学 现 代 科 技 学 院
毕 业 论 文 (设 计 )
题 目:基于 PCA 算法的 Eigenfaces 人脸识别算法
摘要
人脸识别技术就是利用计算机分析人脸图像,提取有效的识别信息来辨认身份或者判
别待定状态的一门技术。它涉及模式识别、图像处理、计算机视觉等诸多学科的知识,是
当前研究的热点之一。然而影响计算机人脸识别的因素非常之多,主要是人脸表情丰富,
人脸随年龄增长而变化,人脸所成图像受光照、成像角度及成像距离等影响,极大地影响
了人脸识别走向实用化。
基于 PCA 算法的人脸识别过程大致分为训练、测试、识别这三个阶段完成,在训练阶
段,通过寻找协方差矩阵的特征向量,求出样本在该特征向量上的投影系数;在测试阶段,
通过将测试样本投影到特征向量上,得到测试样本在该特征向量上的投影系数。
最后,采用最小欧氏距离,找到了与测试样本最相近的训练样本图像。
关键词 Eigenfaces、PCA 算法、人脸识别算法、matlab、SVD。
Abstract
Face recognition technology is the use of computer analysis of facial images to extract valid
identification information to identify or determine the identity of a technology Pending state. It
involves knowledge of pattern recognition, image processing, computer vision, and many other
disciplines, is one of the hotspots of current research. However, factors affecting the computer
face recognition very much, mainly rich facial expression, face changes with age, face a picture
of the affected light, imaging and imaging distance, angle, greatly influenced the Face to
practical use.
PCA algorithm based recognition process is roughly divided into training and testing, the
identification of these three stages, in the training phase, to find the eigenvectors of the
covariance matrix is obtained on the sample feature vector projection coefficient; in the test
phase by the test feature vector is projected onto the sample to obtain a test sample on the
projection of the feature vector of coefficients.
Finally, the minimum Euclidean distance, the test sample to find the closest sample images.
Keywords Eigenfaces PCA Algorithm、Face Recognition Algorithm、matlab、SVD.
目录
1 绪论 ----------------------------------------------------------------------1
1.1 计算机人脸识别技术及应用 ---------------------------------------------1
1.2 常用的人脸识别方法简介 -----------------------------------------------1
1.3 本论文内容安排 -------------------------------------------------------1
2 PCA -----------------------------------------------------------------------3
2.1 PCA 简介 -------------------------------------------------------------3
2.2 PCA 的实质 -----------------------------------------------------------3
2.3 PCA 理论基础 ---------------------------------------------------------3
2.3.1 投影 ------------------------------------------------------------3
2.3.2 最小平方误差理论 ------------------------------------------------4
2.3.3 PCA 几何解释 ----------------------------------------------------8
2.4 PCA 降维计算 ---------------------------------------------------------8
3 PCA 在人脸识别中的应用 ----------------------------------------------------11
3.1 人脸识别技术简介 ----------------------------------------------------11
3.2 图片归一化 ----------------------------------------------------------11
3.3 基于 PCA 的人脸识别 --------------------------------------------------11
3.3.1 人脸数据特征提取 ----------------------------------------------11
3.3.2 计算均值 -------------------------------------------------------12
3.3.3 计算协方差矩阵 C -----------------------------------------------12
3.3.4 求出协方差 C 的特征值和特征向量 ---------------------------------12
3.4 奇异值分解定理 ------------------------------------------------------12
3.5 基于 PCA 的人脸识别的训练 --------------------------------------------13
3.5.1 训练集的主成分计算 --------------------------------------------13
3.5.2 训练集图片重建 ------------------------------------------------13
3.6 识别 ----------------------------------------------------------------14
4 实验 ---------------------------------------------------------------------15
4.1 实验环境 ------------------------------------------------------------15
4.2 PCA 人脸识别实验过程 ------------------------------------------------15
4.2.1 训练阶段 ------------------------------------------------------15
4.2.2 测试阶段 ------------------------------------------------------21
4.2.3 采用欧氏最小距离识别 ------------------------------------------23
4.3 实验结果 ------------------------------------------------------------23
5 总结 ---------------------------------------------------------------------26
5.1.1 内容总结: -----------------------------------------------------26
5.1.2 工作总结: -----------------------------------------------------26
6 致谢 ----------------------------------------------------------------------27
参考文献 -------------------------------------------------------------------28
1
1 绪论
1.1 计算机人脸识别技术及应用
计算机人脸识别技术就是利用计算机分析人脸图像,进而从中提取出有效的识别信息,
用来“辨认”身份的一门技术,它涉及图像处理、模式识别、计算机视觉、神经网络、生
理学、心理学等诸多学科领域的知识。这诸多因素使得人脸识别成为一项极富挑战性的课
题,这也是研究的热点之一。
人脸识别已成为计算机视觉及相关领域中的关键技术,而且人脸识别技术应用背景比
较广泛,在身份验证、刑侦破案、罪犯身份识别、视频监视、驾驶执照及护照、银行及海
关的监控系统以及自动门卫系统、机器人智能化和医学等诸多方面具有广阔的应用前景和
商业价值。
然而影响计算机人脸识别的因素非常之多,主要是人脸表情丰富;人脸随年龄增长而
变化;人脸所成图像受光照、图像角度及图像距离等影响;所以使得人脸识别技术的普遍
使用具有挑战性。
1.2 常用的人脸识别方法简介
目前国内外研究人脸识别的方法层出不穷,所采用的研究角度也各不相同,从不同的
研究角度,可以对人脸识别方法进行分类,比如,根据输入图像中人脸的角度的不同,可
以分为基于侧面、正面、倾斜人脸图像的人脸识别;根据图像来源的不同,可以分为静态
和动态的人脸识别;根据图像的特点,可以分为灰度图像和彩色图像的人脸识别。本文的
主要是采用正面,静态的灰度图像[4]。
根据对灰度图像的特征提取方式的不同,人脸识别方法大致可以分成三种:基于局部
特征的人脸识别方法,基于整体的人脸识别方法和基于将局部和整体结合起来的人脸识别
方法。而基于局部特征的人脸识别方法主要有:结构匹配的方法、隐马尔可夫模型(Hidden
Markov Model,简称 H 瑚)的方法、弹性图匹配(E1astic Bunch Graph Matching 简称髓 GM)
的方法;基于整 体的 人脸 识别 方法主要有:基 于主 成分 分析 (Principal component
Analysis 简称 PCA)的方法、线性鉴别分析法(LDA)、基于三维可变性模板(3D M0rphable
Model)的方法、基于人工神经网络(Artificial Neural Networks 简称 ANN)的方法、支持
向量机(support Vector Machine 简称 sⅧ)的方法、小波变换(Wavelet Translation)的方
法等,另外,第三种方法结合了前两种方法的优点,比如多分多分类器等[4]。
本论文主要采取基于主成分分析的方法,虽然这种方法比较的简单,但技术却非常的
古老、是人脸识别中比较经典的一种方法。
1.3 本论文内容安排
第一章简单介绍了计算机人脸识别技术的主要方法及其应用,和本论文的主要论证与
实现的典型的人脸识别方法。
第二章讲述了 PCA 的理论基础以及通过例子说明 PCA 的降维、重建过程。
2
第三章讲述了 PCA 在人脸识别中的具体应用,采用简单的图片的归一化方法对人脸图
像进行归一化出来,通过介绍 SVD 原理计算出协方差矩阵,计算人脸主成分,最后重建图
片,再采用欧氏最小距离进行人脸识别。
第四章仔细地讲解了基于 PCA 算法在 matlab 中的实现过程。
第五章总结本编论文的成果。
剩余31页未读,继续阅读
资源评论
黑色的迷迭香
- 粉丝: 718
- 资源: 4万+
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功