人脸识别技术是模式识别与人工智能的研究热点之一在生

《人脸识别技术是模式识别与人工智能的研究热点之一在生》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、五邑大学本科毕业设计蚆袀莂薃蝿肆芈蚂袁衿膄蚁薀肄肀蚀蚃袇葿虿袅肂莅蚈羇羅芁蚈蚇膁膇芄蝿羃肃芃袂腿莁节薁羂芇莂蚄膇膃莁螆羀聿莀羈螃蒈荿蚈肈莄莈螀袁芀莇袃肇膆莆薂衿肂莆蚅肅莀蒅螇袈芆蒄衿肃膂蒃虿袆膈蒂螁膁肄蒁袃羄莃蒀薃膀艿蒀蚅羃膅蕿螈膈肁薈袀羁莀薇薀螄芆薆螂罿节薅袄袂膇薄薄肇肃薄蚆袀莂薃蝿肆芈蚂袁衿膄蚁薀肄肀蚀蚃袇葿虿袅肂莅蚈羇羅芁蚈蚇膁膇芄蝿羃肃芃袂腿莁节薁羂芇莂蚄膇膃莁螆羀聿莀羈螃蒈荿蚈肈莄莈螀袁芀莇袃肇膆莆薂衿肂莆蚅肅莀蒅螇袈芆蒄衿肃膂蒃虿袆膈蒂螁膁肄蒁袃羄莃蒀薃膀艿蒀蚅羃膅蕿螈膈肁薈袀羁莀薇薀螄芆薆螂罿节薅袄袂膇薄薄肇肃薄蚆袀莂薃蝿肆芈蚂

2、袁衿膄蚁薀肄肀蚀蚃袇葿虿袅肂莅蚈羇羅芁蚈蚇膁膇芄蝿羃肃芃袂腿莁节薁羂芇莂蚄膇膃莁螆羀聿莀羈螃蒈荿蚈肈莄莈螀袁芀莇袃肇膆莆薂衿肂莆蚅肅莀蒅螇袈芆蒄衿肃膂蒃虿袆膈蒂螁膁肄蒁袃羄莃蒀薃膀艿蒀蚅羃膅蕿螈膈肁薈袀羁莀薇薀螄芆薆螂罿节薅袄袂膇薄薄肇肃薄蚆袀莂薃蝿肆芈蚂袁衿膄蚁薀肄肀蚀蚃袇葿虿袅肂莅蚈羇羅芁蚈蚇膁膇芄蝿羃肃摘要人脸识别技术是模式识别与人工智能的研究热点之一。在生物特征识别中，人脸识别占有极为重要的地位。它在访问控制、司法应用、电子商务和视频监控等领域都有广泛的应用。人脸特征提取是人脸识别过程的核心，特征提取的有效性直接影响到分类的速度和识别

3、的性能。本文的主要研究内容包括以下方面：(1)基于Gabor变换的人脸特征提取算法。通过对人脸傅里叶变换和Gabor变换的实验比较，证明了Gabor变换在提取人脸特征方面具有很大的优越性。接着，介绍了Gabor小波变换的快速算法。(2)从基于图像整体代数特征PCA算法着手，主要介绍了“特征脸”算法的原理和实现过程，对组成特征投影空间的特征值选择问题，距离度量方法问题及训练样本的选择等进行了一定的研究。(3)研究了基于Gabor小波变换的人脸识别算法。本文研究的算法首先对人脸进行Gabor小波变换，然后应用PCA方法降低Gabor特征向量的维数

4、，来实现对人脸的识别。实验表明，采用该方法得到的识别率要远优于单纯采用PCA方法的结果。关键词人脸识别；Gabor小波变换；PCA34五邑大学本科毕业设计AbstractFaceRecognitionTechnology(FRT)isemergingasanactiveresearchareainthefieldofpatternrecognitionandartificialintelligence.Asabiometrictechnology,FRThasnumerousapplicationssuchasaccesscontrol,la

5、wenforcement,e-commerce,videosurveillanceandsoon.Facefeatureextractionisthecoreofrecognitiontask,whichdirectlyimpactonclassificationvelocityandfacerecognitionability.Themaincontributionsofthisworkarelistedasfollows：(1)FacefeatureextractionalgorithmbasedonGabortransformisint

6、roduced.ComparedwithFouriertransform，Gabortransformisprovedtobebetterinfacefeatureextraction.Andthen，AfastalgorithmofGaborTransformisintroduced.(2)Basedonalgebraicfeaturesoftheimages，thispaperfirstintroducedthePCA-Basedfacerecognitionalgorithm.Someresearchhasdoneontheselect

7、ionoftheeigenvectorwhichusedtocreatetheeigen-space，thedistancemeasuremethodsandtheselectionofthetrainingset.(3)AfacerecognitionalgorithmbaseonGaborwavelettransformisstudiedThealgorithmstudiedinthispaperconsistsofthreesteps：Gaborwaveletisfirstappliedtofaceimages，andthenreduc

8、ethedimensionalityofGaboreigenvectorviaPCA.Theimprovedperformanceofthisnewalgorith