基于支持向量机和小波的人脸识别方法研究与应用

摘要

随着社会的发展，各个方面对快速有效的自动身份验证的要求目益迫切，生物特征识别是一项利用人类特有的生理或行为特征来进行身份识别的技术，它提供了一种高可靠性、高稳定性的身份鉴别途径。而人脸识别是目前生物特征识别中最受人们关注的一个分支，是计算机视觉与模式识别领域非常活跃的一个研究方向，利用人脸特征是最自然直接的手段，相比其他生物特征，它具有直接、友好、方便的特点，易于为用户接受。在公安和安全部门有着广泛的应用，例如搜索罪犯、动态监视、银行密码系统等。人脸识别是一个涉及面广且又前景广阔的研究课题，近几年来关于人脸识别的研究取得了较大的进展。 本文首先介绍了计算机人脸识别技术的研究背景和主要方法，提出了一种基于小波变换、支持向量机和否定选择人脸识别方法。然后针对支持向量机学习是一种有导师的学习，引入了聚类算法，把人脸特征聚类的结果来供支持向量机学习。在实际应用中有时标准正面人脸图像很难获得，为此尝试把神经网络和支持向量机结合起来进行多姿态人脸识别，该算法对人脸图像进行预处理，然后用小波变换的方法提取人脸图像的相对稳定的低频子带，并同时达到了对图像向量降维的效果，然后进行离散余弦变换(DiscreteCosineTransform,DCT)提取主要特征分量，所提取出的特征向量保留了原图像空间中的主要分类信息，取得了较高的识别率和优良的抗噪声性能。与传统的PCA方法相比，本算法大大降低了运算复杂度，实验结果表明本文所提出的算法与其它方法相比具有较高的识别率。

目录

文摘

英文文摘

长沙理工大学学位论文原创性声明及学位论文版权使用授权书

第一章绪论

1.1论文背景

1.1.1问题的提出

1.1.2人脸识别的应用

1.2人脸识别的发展现状

1.2.1神经生理学、心理学的主要结果

1.2.2机器识别人脸的现状

1.3人脸识别的研究范围以及方法

1.3.1人脸定位和检测

1.3.2人脸特征提取

1.3.3人脸识别的方法

1.4论文内容安排

第二章人脸识别方法综述

2.1引言

2.2基于统计的识别方法

2.2.1特征脸方法

2.2.2隐马尔科夫模型

2.3基于连接机制的识别方法

2.3.1基于神经网络的方法

2.3.2弹性图匹配方法

2.4其它人脸识别方法

2.4.1基于几何特征的人脸识别方法

2.4.2基于模板匹配的人脸识别方法

2.5其它一些综合方法或处理非二维灰度图像的方法

第三章人脸识别相关算法与方法

3.1免疫算法

3.1.1引言

3.1.2免疫算法简介

3.2小波分析

3.2.1小波简介

3.2.2常用于提取特征的小波

3.3支持向量机

3.3.1引言

3.3.2支持向量机的简介

3.3.3支持向量机常用的核函数

3.3.4支持向量机的训练

3.3.5支持向量机组合的几种拓扑结构

3.4聚类算法简介

3.4.1模糊C均值聚类算法(FCM)

3.4.2系统聚类法

3.4.3C均值聚类算法

3.4.4度量样本间距离的常用方法

3.4.5度量类与类间距离的常用方法

3.5神经网络

3.5.1神经网络的发展概况

3.5.2神经网络的结构及类型

3.5.3神经元的学习算法

3.5.4神经网络的应用

3.5.5 BP网络

3.6离散余弦变换

3.6.1引言

3.6.2离散余弦变换

第四章正面人脸识别

4.1引言

4.2免疫算法在人脸识别中的应用

4.3基于免疫算法和层次支持向量机的人脸识别方法

4.3.1人脸识别系统设计

4.3.2图像的特征提取

4.3.3层次型支持向量机及其训练

4.3.4基于免疫算法和层次支持向量机的人脸识别

4.3.5实验仿真及结果分析

4.4引入聚类方法的人脸识别系统

4.4.1引言

4.4.2两种聚类算法

4.4.3支持向量机组合的拓扑结构

4.4.4人脸识别系统结构图

4.4.5引入聚类方法的人脸识别过程

4.4.6实验仿真及结果分析

第五章基于神经网络和支持向量机的多姿态人脸识别

5.1引言

5.2多姿态人脸识别的新进展

5.3基于单视图或小样本的多姿态人脸识别技术

5.3.1目前的基于单视图的多姿态人脸识别技术研究成果

5.3.2基于单视图或小样本的多姿态人脸识别的可能技术途径

5.4基于神经网络和层次支持向量机的姿态人脸识别方法

5.4.1基于神经网络和层次支持向量机的姿态人脸识别方法的流程图

5.4.2基于神经网络和层次支持向量机的姿态人脸识别方法的神经网络

5.4.3基于神经网络和层次支持向量机的姿态人脸识别过程

5.4.4实验仿真及结果分析

总结与展望

致谢

参考文献

附录A(在学期间完成的学术论文及参加的科研项目)

附录B(人脸识别系统的部分界面)

附录C(部分源代码)1

附录C(部分源代码)2