基于PCA和BP_Adaboost强分类器的人脸识别研究

摘要

人的脸部信息在我们日常的交流中起着重要作用,人们能够根据自己的记忆对他人进行识别。对于计算机而言,它必须提取出人脸图像中的典型信息,跟存储器中数据进行比对分析,才能有效地进行识别。由于利用计算机进行人脸识别是模式识别和人工智能领域中的热门课题,而且人脸识别系统在安全监控、刑事侦查、出入境关口管理、机场检查等领域有着广阔的应用前景,因此吸引着广大研究人员开展人脸识别研究。
　　 特征提取和分类器设计是人脸识别技术两个主要的研究方面。本文查阅和分析了国内外多年来关于人脸识别的众多学术成果,对人脸识别技术相关理论进行了分析研究。主要研究工作包括以下几个方面:
　　 1.首先介绍了人脸识别技术的研究背景和主要方法,概述人脸识别技术存在的技术难点,总结人脸识别技术的发展趋势。
　　 2.分析了主成分分析法在提取特征方面的问题,通过人脸重构证明了主成分分析能够很好的提取出人脸的特征,为接下来进行人脸分类提供了可靠的理论支持。
　　 3.研究分析了基于神经网络进行人脸识别的方法,并针对其优缺点,提出了基于BP Adaboost强分类器的人脸识别方法。
　　 4.在ORL人脸图像库上进行仿真,实验的结果表明基于主成分分析和BP_Adaboost强分类器的人脸识别比其他方法具有更好的实用性和鲁棒性。