人臉特征提取和識(shí)別算法的研究與實(shí)現(xiàn).pdf

1、人臉識(shí)別是人工智能領(lǐng)域和模式識(shí)別領(lǐng)域的一個(gè)前沿課題，它涉及模式識(shí)別、圖像處理、神經(jīng)網(wǎng)絡(luò)以及生理學(xué)、心理學(xué)等諸多學(xué)科的內(nèi)容。由于人臉識(shí)別具有非接觸、隱蔽、快捷等優(yōu)勢(shì)，以及難度大、多學(xué)科的特點(diǎn)，針對(duì)人臉識(shí)別的研究具有重要的學(xué)術(shù)價(jià)值，并且已經(jīng)作為一種重要的生物識(shí)別方式被應(yīng)用到刑偵破案，證件驗(yàn)證，門禁系統(tǒng)，視頻監(jiān)視等場(chǎng)合中。
　　 人臉自動(dòng)識(shí)別系統(tǒng)一般包括人臉檢測(cè)，特征提取，人臉識(shí)別三個(gè)部分。本文著重研究了應(yīng)用于特征提取和人臉識(shí)別兩個(gè)部

2、分的算法。首先，本文從原理上分別討論了小波變換，頻域變換，支持向量機(jī)(Vector Support Machine，SVM)分類器和二維主成分分析(2-Dimensional Principal Component Analysis，2D PCA)等方法，并分別在ORL人臉庫和Yale人臉庫進(jìn)行實(shí)驗(yàn)，找出了小波變換適合于人臉識(shí)別的小波函數(shù)和子圖像選取方式，最有利于提高識(shí)別率的濾波函數(shù)，離散余弦變換的系數(shù)選擇比例，最佳的SVM懲罰因子和核

3、參數(shù)，以及最佳的2D PCA的主成分個(gè)數(shù)等。其次，本文按識(shí)別步驟的不同討論和比較了空間濾波、頻域?yàn)V波和基于均值調(diào)整算法等三種預(yù)處理方法；比較了小波變換、離散余弦變換和2D PCA等三種特征提取方法的效果，并給出了它們?cè)贠RL人臉庫和Yale人臉庫上的識(shí)別結(jié)果。最后，本文將討論過的各種方法結(jié)合，以求達(dá)到最高的識(shí)別率。
　　 結(jié)合小波理論、圖像處理、SVM分類器和2D PCA理論，通過反復(fù)實(shí)驗(yàn)，本文得到了一些有價(jià)值的結(jié)論。在ORL人