基于线性子空间分类的人脸识别应用研究

摘要

随着计算机技术的发展和信息安全意识的提高，人们对快速有效的身份识别技术的需求日益迫切。相比其他生物特征，如指纹、虹膜、声音和掌纹等，人脸具有直接、友好、不具侵犯性的优点，同时也有很强的自身稳定性和个体差异性的特点，因此人脸识别技术成为身份鉴别的研究热点，并且有着广阔的应用前景。
　　 人脸识别技术发展至今，技术上已经达到了一定的成熟度，很多商业公司都依托知名大学和研究机构多年以来的研究成果做出了一批人脸识别的产品并应用于国家安全、公共安全和信息安全等各个领域。
　　 本文主要研究和设计一个自动人脸识别系统并将其应用于考勤管理。一般人脸识别过程可以分为3个步骤:人脸检测及规一化、特征提取和特征匹配。
　　 本文在人脸检测阶段先使用了Viola-Jones检测器进行快速人脸检测，然后用主动形状模型方法(ASM)分割出人脸区域。考虑到光照对人脸特征提取的影响，本文使用伽玛校正、高斯差分滤波和对比度均衡化的处理来减少恶劣光照条件对结果的影响。在特征提取阶段，首先对规范化的人脸图像进行5个尺度、8个方向的Gabor滤波，然后对得到的幅值图利用局部二值模式(LBP)编码，用这些模式区域形成的直方图序列描述人脸。最后在特征匹配阶段，对特征向量做相似度测量后进行匹配识别。
　　 本文对基于线性子空间的人脸分类方法进行了深入的理论研究，其中包括主成分分析方法(PCA)和线性判别分析方法(LDA)，比较了这两种子空间方法的利弊。线性判别分析方法对局部图像的变形非常敏感，因此本文研究了基于图像分块的线性判别方法，通过在适当的尺寸下对图像分块，可以提高算法对人脸图像局部形变的鲁棒性。本文选择先使用PCA降维，然后用分块LDA对表示成向量形式的直方图序列进行分类。
　　 论文最后对人脸识别考勤系统进行了整体调试，在ORL、YALE和FERET人脸库上进行了人脸分类测试，首选识别率达到了97％。同时采集了本人所在实验室的成员人脸图像做考勤测试，测试结果显示本文实现的系统性能可以满足考勤管理的需求。

目录

声明

摘要

第1章 绪论

1．1 研究的背景和意义

1．2 国内外研究现状及存在的问题和难点

1．2．1 国内外研究历史与现状

1．2．2 存在的问题

1．3 本文研究内容和主要工作

第2章 人脸检测及光照预处理

2．1 Viola-Jones检测器

2．2 主动形状模型

2．2．1 主动形状模型的建模过程

2．2．2 主动形状模型的搜索过程

2．3 人脸检测实验与分析

2．4 光照预处理

2．4．1 Gamma校正

2．4．2 高斯差分滤波

2．4．3 对比度均衡化

2．4．4 光照预处理效果及分析

2．5 本章小结

第3章 基于Gabor变换和LBP的人脸特征提取

3．1 Gabor小波分析

3．2 LBP算子基本原理与应用

3．2．1 基本的LBP算子

3．2．2 LBP方法在人脸特征提取中的应用

3．3 结合Gabor小波变换和LBP算子的特征提取方法

3．4 本章小结

第4章 基于线性子空间的人脸分类算法

4．1 主成分分析方法

4．1．1 主成分分析方法的基本原理

4．1．2 特征脸的生成和图像重构

4．2 线性判别分析方法

4．2．1 线性判别分析方法的基本原理

4．2．2 分块线性判别方法

4．3 分类函数的求解与参数的选择

4．3．1 特征值的求解

4．3．2 特征向量的选择

4．3．3 相似度的测度

4．4 本章小结

第5章 人脸识别考勤系统的设计与实现

5．1 人脸识别考勤系统设计

5．1．1 系统设计目标

5．1．2 系统业务流程

5．1．3 人脸考勤系统总体设计

5．1．4 系统性能指标

5．2 人脸识别考勤系统实现

5．2．1 数据库详细设计

5．2．2 系统界面实现

5．3 人脸识别考勤系统功能测试

5．3．1 人脸分类算法测试结果及分析

5．3．2 人脸考勤系统性能测试

5．4 本章小结

第6章 总结与展望

6．1 总结

6．2 展望

致谢

参考文献