基于AdaBoost和独立分量分析的人脸检测与识别算法的研究

摘要

生物特征识别技术正逐渐成为一种公认的身份认证技术。从最基本的到最完善的，存在着多种不同级别的安全技术，而生物特征识别技术将是最安全的。其中，人脸识别是我们日常生活中最常用的身份认证手段，也是当前最热门的模式识别研究课题之一。总的来说，自动人脸识别系统需要三个步骤：人脸检测与定位，特征选择与提取，人脸的识别。
　　 在此背景下，本文设计并实施了一系列针对人脸检测与识别的实验和研究，具体内容如下：
　　 首先，本文研究了国内外关于人脸检测和识别的方法，并对这些算法进行了对比和总结，在此基础上确立了本文的研究方向；
　　 其次，针对人脸检测系统训练过程的复杂冗长，本文选择研究基于少量训练样本的人脸检测问题。运用基于Fisher判别式分析的线性超平面作为分类器，采用AdaBoost算法构成多层级联分类器进行人脸检测，实验证明本算法减少训练样本却获得了更好的检测效果；
　　 最后，本文应用独立分量分析的方法提取出人脸特征，并运用最近邻分类器和支持向量机分别进行了识别，结果表明独立分量分析与支持向量机结合的识别方法效果最佳。

目录

文摘

英文文摘

1 绪论

1.1 课题研究背景

1.2 人脸检测与识别的研究意义

1.3 国内外研究现状

1.3.1 国内外研究进展

1.3.2 人脸检测与定位方法

1.3.3 人脸识别方法

1.4 本文的主要工作及组织结构

1.4.1 主要工作

1.4.2 组织结构

2 人脸图像的预处理

2.1 引言

2.2 人脸检测预处理

2.2.1 人脸的亮度补偿

2.2.2 灰度化处理

2.2.3 直方图均衡化

2.2.4 人脸图像的去噪

2.3 人脸识别的归一化预处理

2.4 本章小结

3 基于ADABOOST算法的人脸检测

3.1 AdaBoost检测算法基本原理

3.1.1 类Haar特征

3.1.2 分类器训练

3.1.3 算法描述

3.2 小训练样本的人脸检测算法

3.2.1 基于协方差的特征提取以及FDA弱分类器的实现

3.2.2 AdaBoost构造多层分类器的实现

3.3 实验及结果分析

3.3.1 数据库的选择及参数设定

3.3.2 实验结果分析

3.4 本章小结

4 基于独立分量分析的人脸识别

4.1 独立分量分析(ICA)的原理

4.1.1 独立分量的基本概念

4.1.2 拓扑独立分量

4.2 基于ICA的人脸识别算法

4.2.1 基于ICA的白化处理

4.2.2 ICA算法进行人脸特征提取

4.2.3 人脸图像的分类识别

4.3 实验结果及分析

4.4 本章小结

5 本文总结与展望

参考文献

致谢

个人简历

在学期间发表的学术论文与研究成果