人臉識(shí)別算法的研究及實(shí)現(xiàn).pdf

1、人臉識(shí)別技術(shù)起源于20世紀(jì)初，它在圖像處理，機(jī)器視覺(jué)和模式識(shí)別領(lǐng)域始終都是熱門(mén)的研究課題。人臉識(shí)別作為模式識(shí)別領(lǐng)域的一個(gè)重要分支，在實(shí)際應(yīng)用中如公安偵查、銀行取款、電腦登陸、手機(jī)通訊、公司門(mén)禁等方面有著舉足輕重的作用，它又涉及多分類(lèi)問(wèn)題，因此在學(xué)術(shù)領(lǐng)域中發(fā)展前景較好。本文在闡述人臉識(shí)別，曲波變換，子空間技術(shù)和支持向量機(jī)的相關(guān)理論和方法的基礎(chǔ)上，有機(jī)結(jié)合各個(gè)算法的優(yōu)點(diǎn)，對(duì)人臉識(shí)別技術(shù)展開(kāi)研究。論文的研究?jī)?nèi)容和創(chuàng)新點(diǎn)如下：
　　1、針

2、對(duì)采集到的人臉圖像受光照、姿態(tài)、面部遮擋、表情變化等因素的影響，本文對(duì)人臉圖像采取了預(yù)處理手段，包括灰度變換、直方圖均衡化、中值濾波，圖像歸一化等，并進(jìn)行精確的人眼定位，提取出人臉的有效區(qū)域。
　　2、針對(duì)PCA算法不能處理圖像數(shù)據(jù)中的非線性特征問(wèn)題，經(jīng)過(guò)分析研究，提出了核主成成分分析(KPCA)算法。KPCA算法通過(guò)內(nèi)部非線性核函數(shù)作用，能很好的提取人臉的輪廓，曲線細(xì)節(jié)信息。支持向量機(jī)(SVM)對(duì)小樣本的分類(lèi)能力比較強(qiáng)，適用于處

3、理非線性和高維度特征向量，把KPCA和SVM這兩個(gè)算法共同用在人臉識(shí)別之中。對(duì)人臉圖像進(jìn)行曲波變換，首先運(yùn)用KPCA算法對(duì)低頻系數(shù)進(jìn)行特征提取，得到維數(shù)較低的向量。在人臉識(shí)別中，選用支持向量機(jī)(SVM)算法，其中采用“one-vs-one”判別策略，進(jìn)行分類(lèi)識(shí)別。
　　3、針對(duì)傳統(tǒng)的曲波分解算法不能充分利用其細(xì)尺度成分信息，經(jīng)過(guò)分析研究，提出了數(shù)據(jù)融合算法。數(shù)據(jù)融合算法能夠?qū)D像經(jīng)曲波分解后的各尺度成分信息按照一定比例融合起來(lái)，充