基于Gabor特征的人脸识别方法

摘要

人脸识别一直都是生物识别领域的研究热点,是一种重要的生物特征识别技术,在当今的自动化身份识别中变得越加重要。人脸识别的研究重点是人脸表达,其实质就是特征提取,特征提取一直以来都是人脸识别领域里的一个研究热点问题。人脸的特征提取大致可以分为全局特征和局部特征。由于基于全局特征的人脸表达对于光照、姿态、表情等因素的影响较为敏感,而局部特征反映的是人脸的局部区域,侧重于提取人脸的细节特征,使其能够克服基于全局特征的不足,因此被越来越多的应用到人脸识别中。Gabor小波变换是一种典型的局部特征提取方法,由于在人脸特征提取方面的优越性,使其成为了人脸特征提取的主流方法。本文基于Gabor小波变换特征提取的有效性开展研究,主要工作包括以下三个方面:
　　(1)系统的分析了基于二维Gabor小波变换的实现原理,针对直接采用Gabor小波变换提取得到的特征维数过高的问题,提出了首先对提取得到的特征进行向下采样,然后采用核主成分分析的方法进行降维处理。在分类器的设计中,选择了支持向量机作为分类器。在此基础上提出了一种基于Gabor特征的人脸识别方法。
　　(2)为了考核本文所提算法的有效性,通过在ORL和Yale人脸库上与当前主流人脸识别算法进行仿真测试和对比分析,测试本文算法的有效性。
　　(3)为了进一步考核本文所提算法的实际使用价值,采用MFC+Opencv实现了基于本文算法的人脸识别系统,包括人脸图像的采集、预处理、特征提取以及识别。
　　通过对人脸识别系统的实际测试,验证本文所提算法具有实际使用价值。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪 论

1.1 研究背景和意义

1.2 人脸识别的研究状况

1.3 人脸识别的研究内容

1.4 人脸识别中的难点

1.5 本文主要工作

1.6 论文结构

第二章 基于Gabor特征提取及SVM分类器的设计

2.1 小波变换的原理

2.2 Gabor小波

2.3 核主成分分析

2.4 支持向量机

2.5 本章小结

第三章 结合Gabor小波变换与SVM的人脸识别

3.1 本文算法描述

3.2 人脸库介绍

3.3 实验结果比较

3.4 本章小结

第四章 本文算法的人脸识别系统介绍

4.1 人脸识别系统介绍

4.2 测试结果

4.3 本章小结

第五章 总结与展望

5.1 本文的研究工作总结

5.2 研究工作的展望

参考文献

致谢

附录A：攻读学位期间所发表的学术论文目录