基于線性子空間分類的人臉識別應用研究.pdf

1、隨著計算機技術的發(fā)展和信息安全意識的提高，人們對快速有效的身份識別技術的需求日益迫切。相比其他生物特征，如指紋、虹膜、聲音和掌紋等，人臉具有直接、友好、不具侵犯性的優(yōu)點，同時也有很強的自身穩(wěn)定性和個體差異性的特點，因此人臉識別技術成為身份鑒別的研究熱點，并且有著廣闊的應用前景。
　　 人臉識別技術發(fā)展至今，技術上已經達到了一定的成熟度，很多商業(yè)公司都依托知名大學和研究機構多年以來的研究成果做出了一批人臉識別的產品并應用于國家安全

2、、公共安全和信息安全等各個領域。
　　 本文主要研究和設計一個自動人臉識別系統(tǒng)并將其應用于考勤管理。一般人臉識別過程可以分為3個步驟:人臉檢測及規(guī)一化、特征提取和特征匹配。
　　 本文在人臉檢測階段先使用了Viola-Jones檢測器進行快速人臉檢測，然后用主動形狀模型方法(ASM)分割出人臉區(qū)域?？紤]到光照對人臉特征提取的影響，本文使用伽瑪校正、高斯差分濾波和對比度均衡化的處理來減少惡劣光照條件對結果的影響。在特征提取

3、階段，首先對規(guī)范化的人臉圖像進行5個尺度、8個方向的Gabor濾波，然后對得到的幅值圖利用局部二值模式(LBP)編碼，用這些模式區(qū)域形成的直方圖序列描述人臉。最后在特征匹配階段，對特征向量做相似度測量后進行匹配識別。
　　 本文對基于線性子空間的人臉分類方法進行了深入的理論研究，其中包括主成分分析方法(PCA)和線性判別分析方法(LDA)，比較了這兩種子空間方法的利弊。線性判別分析方法對局部圖像的變形非常敏感，因此本文研究了基于