SVD与KFDA相结合人脸识别设计毕业论文.doc

《SVD与KFDA相结合人脸识别设计毕业论文.doc》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、SVD与KFDA相结合人脸识别设计毕业论文目录摘要IAbstractII1绪论11.1人脸识别技术的历史发展11.2人脸识别的研究内容21.3人脸识别研究的意义31.4本文的主要研究内容和安排42.人脸识别算法原理52.1奇异值方法（SVD）52.2主分量分析（PCA）方法62.3Fihser线性鉴别分析72.4SVD与KFDA相结合人脸识别92.4.1核Fishe判别分析（KFDA）102.4.2SVD与KFDA的融合113实验结果与分析133.1ORL人脸库实验133.2CAS-PEAL人脸库实验153.3结果分析184.总结19参考文献20致谢22附录

2、1231绪论随着社会的发展以及技术的进步，尤其是最近十年内计算机的软硬件性能的飞速提升，以及社会各方面对快速高效的自动身份验证的要求日益迫切，生物识别技术在科研领域取得了极大的重视和发展。由于生物特征是人的内在属性，具有很强的自身稳定性和个体差异性，因此是身份验证的最理想依据。在人与人的接触中，人脸所包含的视觉信息占据了重要地位，它是区分人与人之间差异的最重要特征之一。而人脸识别就是利用计算机从图像或图像序列中检测出人脸，并判断其身份。而相对于指纹、虹膜、掌纹、步态、笔迹、声纹等生物特征，利用人脸来识别具有不可比拟的优势。1.1人脸识别技术的历史发展人脸识别

3、的研究已经有很长的历史，早在19世纪后期法国人FrancisCalton就曾对此问题进行了研究，他用一组数字代表不同的人脸侧面特征来实现对人脸侧面图像(Profile)的识别。一直到20世纪90年代以前，典型的人脸识别技术始终是用人脸正面(Frontalside)或者侧面的特征点之间距离度量，而且早期的人脸识别多集中在对侧影图像的研究。计算机人脸识别技术是近20年才逐渐发展起来的。20世纪90年代更成为科研热点。仅1990年到1998年之间，EI可检索的相关文献就多达数千篇。Harmon等人利用与Galton类似的方法识别人脸，他采用9个基准点表征侧影在此基

4、准点上导出一组特征，如基准点之间的距离和角度，由基准点形成的三角区域的面积等，然后利用特征之间的归一化欧式距离进行识别。其后期的工作又增加了两个基准点和一些新的特征，而且人脸侧影轮廓曲线可从侧影图像中的自动抽取得到。Kaufman和Breeding也设计了一个对人脸侧影进行识别的系统，他们采用基于特征的方法，其中特征为极坐标形式的自然相关函数的系数。同时对动量不变性特征也进行了实验。Baylou等人选择了10个特征点对人脸侧影进行识别。由于侧影识别对获取图像的约束较多，人们逐渐转向对正面人脸的识别研究最早的半自动正面人脸识别系统由Bledsoe于20世纪60

5、年代提出。在该人脸识别系统中，首先由操作员定出面部特征点并将其位置输入计算机，这些特征点之间的距离，采用最近邻原则或者其他分类规则即可识别出待识别的人脸。由于特征提取是由人来完成的，该系统对人脸的旋转，倾斜等变太敏感。Kelly对Bledsoe的系统进行了改进。他采用了一种从上到下的分法从图像中自动抽取头部和身体的轮廓，然后应用一些启发式的方法搜索眼鼻子和嘴的位置。在这个人脸识别系统中主要用到的距离测度包括:头的宽两眼之间，头顶和眼睛之间，眼睛和鼻子之间，鼻子与嘴之间的距离。Kaya和Kobayashi25采用统计的识别方法，用欧式距离来表征人脸特征，用人脸

6、的著特征组成特征向量，包括内眼宽度，外眼宽度，鼻子宽度，嘴的宽度，处脸的宽度，鼻子与眼睛中间处脸的宽度，下唇与下巴之间的距离，上唇子的距离以及嘴唇的高度，然后根据这些特征值及其估计建立分类器，对特征根据其统计行为确定一个变化闭值，根据图像特征向量之间的绝对范行分类。Buhr采用32个原始特征和12个辅助特征进行识别，其中原始特个距离特征4个坐标差分特征，4个三角形面积特征，2个距离比例特征以个特殊特征(两眼的面积)，然后利用线性判决树决定最佳匹配。其他采用非欧离表征人脸特征的还有:Campbell用最小二乘法实现最佳匹配，Ricca用聚术进行最佳匹配等。Ka

7、nade设计了一个高速的且有一定知识引导的识别系统，他创造性地积分投影法从单幅图像上计算出一组人脸几何特征参数，再利用模式匹配与标准人脸相比较。Kanade的特征点定位工作有两个阶段，首先利用粗分差分图像的积分投影确定眼睛鼻子和嘴的大致位置，然后再高分辨率图像人脸分为左眼，右眼，鼻子和嘴四个区域，从中抽取16个脸部特征组成特量。为消除尺度变化的影响，在识别前还对得到的特征向量进行了归一化处相比之下，Baron所做的工作较少为人知道，他先将图像灰度归一化，再四个掩模(眼，鼻子，嘴以及眉毛以下的整个脸部)表示人脸，然后分别计算出这掩模与数据库中的每幅标准图像的相

8、应掩模之间的互相关系函数，以此作为总的来说，早期的人