基于主分量分析和支持向量机的人脸识别研究

摘要

人脸识别技术是模式识别、图像、视觉、心理、生理等诸多学科相交叉的研究课题。该问题一般可描述为：给定一个静止图像或动态视频图像，利用已存储的人脸数据库确认场景中的人是库里面的哪个人。在公安、银行、商业等领域有着广泛的应用前景。广义上的人脸识别系统可分为人脸检测、特征表征及提取和分类识别三大部分，本文所说的人脸识别主要指后面两部分。本文提出了基于K-L展开式的主分量分析(PCA)的代数特征提取算法和统计学习理论中的改进的支持向量机分类相结合方法，实验表明本文算法比原方法要好，说明本文的算法是有效的。

目录

文摘

英文文摘

南京邮电学院学位论文独创性声明和使用授权声明

第一章引言

1.1背景

1.2人脸识别研究的难点和意义

1.2.1人脸识别研究的难点

1.2.2人脸识别研究的意义

1.3本文内容安排及所做工作

1.3.1本文内容安排

1.3.2本文主要所作工作

第二章人脸识别综述

2.1相关学科研究状况

2.1.1人脸识别相关学科研究成果

2.1.2基于其它生物特征的身份鉴别研究概况

2.2人脸识别技术的研究内容

2.3人脸识别技术的发展历史

第三章人脸特征的提取

3.1人脸特征概述

3.2 K-L变换原理

3.2.1 K-L展开式

3.2.2 K-L变换性质

3.3奇异值分解

3.4人脸特征提取原理

3.5本文人脸特征提取算法的实现

第四章基于支持向量机的人脸识别方法

4.1概述

4.2机器学习的基本问题

4.2.1学习问题的一般表示

4.2.2经验风险最小化归纳原则

4.2.3复杂性与推广能力

4.3统计学习理论

4.3.1 VC维数与VC上界

4.3.2结构风险最小化方法

4.4支持向量机

4.4.1最优分类超平面

4.4.2广义最优分类面

4.4.3支持向量机

4.4本文支持向量机的实现及改进

第五章系统实现及结果分析

5.1人脸数据库描述

5.2系统实现框架环境及结果分析

第六章总结与展望

6.1总结

6.2研究展望

致谢

参考文献