《人脸识别系统的设计与开发》是一篇由郑明伟在山东大学攻读软件工程硕士学位期间完成的论文,指导教师为马军。这篇论文主要探讨了人脸识别技术在限制人员进入数据敏感场所的身份验证问题上的应用。人脸识别作为模式识别和图像处理领域的热门研究方向,具有广泛的应用前景,如身份验证、犯罪侦查、视频监控、智能机器人和医学领域。
人脸识别技术的优势在于其友好、直接和方便的特性,因为它是基于生物特征的一种识别方式,易于被用户接受。然而,人脸的非刚性(如表情变化)给实际应用带来了挑战。论文主要围绕两种不同场景下的人脸识别方法展开:一种是主成分分析(PCA)方法,适用于识别人数较少的情况;另一种是结合粗糙集和神经网络的方法,用于提高大量人员识别时的效率。
PCA人脸识别方法通过将人脸图像转化为矩阵,并利用K-L变换和奇异值分解进行降维处理,从而简化图像信息,实现识别。尽管这种方法在小规模识别中具有较高准确率,但其计算量大、耗时长,对内存和识别速度有较高要求。因此,当需要识别的人员数量增加时,PCA方法的效率会显著下降。
为解决这一问题,论文提出了结合粗糙集和神经网络的方法。粗糙集用于在PCA降维后的人脸特征中进行特征约简,挑选出具有强分类能力的特征,去除冗余信息,保留关键信息。随后,这些约简后的特征被输入到神经网络中,利用神经网络的非线性映射和并行处理能力,增强对人脸图像识别的泛化性能,从而在保持识别精度的同时,提高了大规模人脸识别的效率。
论文主要讨论了作者负责的部分,即理论研究和测试环节,未涵盖整个系统的完整开发过程。PCA方法适用于少量人员识别的场景,而粗糙集与神经网络的组合则适用于大型单位的身份验证需求,有效地提升了人脸识别系统的实用性和效率。
关键词:人脸识别、主成分分析(PCA)、粗糙集、身份验证、神经网络。