遗传算法在人脸识别方面的应用

摘要

人脸识别是当前模式识别和图像处理领域的热点和难点，而且因其具有广泛的实际应用背景，开展对人脸识别的研究意义重大。人脸作为一个非刚体，具有形变大、影响因素多且易受干扰的特点。本文主要介绍了目前常见的人脸识别方法，对人脸进行分割，建立五官各部位的识别方法及其数学模型。最后通过仿真实验表明，该遗传算法在人脸识别技术中具有较好的效果。 本文采用的遗传算法(genetic algorithms，GA)中，定义的染色体是二进制数串，选择算子是普通的精英策略。杂交算子采用母染色体与子染色体混合起来从中选择最优个体的原则。为了避免产生早熟，本文中采用的变异算子是通过两个染色体的逻辑运算生成的，以便使得同一基因上不会产生全0或者全1的情况。此外，本文根据标准人脸的五官比例图，对具体的一副人脸的五官偏差进行度量，制定了左眼区、右眼区、鼻区和嘴区的评价函数。由此确定出遗传算法的适应值函数。经实验表明，本文提出的遗传算法具有较快的寻优能力。 本文共分为三个部分。第一部分介绍了人脸识别的意义、发展背景和人脸识别系统的主要内容。第二部分具体介绍了静止图像识别的主要方法。然后介绍了遗传算法和遗传算法在图像处理中的应用。第三部分介绍了我使用的人脸识别仿真系统相关的分析。最后本文对人脸识别和遗传算法进行了分析和展望。

目录

文摘

英文文摘

声明

第一章引言

1.1人脸识别技术

1.2人脸识别的发展背景

1.3人脸识别的内容

1.4论文的主要工作

第二章静止图像的人脸识别方法

2.1人脸识别的主要方法

2.1.1.基于几何特征的人脸识别方法

2.1.2.基于模板匹配的人脸识别方法

2.1.3.特征脸方法

2.1.4.隐马尔科夫模型方法

2.1.5.基于神经网络的方法

2.1.6.弹性图匹配方法

2.2遗传算法(GA)在人脸识别中的应用

第三章遗传算法

3.1遗传算法的基本内容

3.2控制参数

3.3编码机制

3.4适应度函数

3.5遗传算子

3.6选择策略

3.7GA的改进

3.8GA的发展方向

第四章遗传算法在图像处理中的应用

4.1图像分割技术

4.2图像分割方法

4.3与图像分割技术结合的传统GA

4.4本文提出的遗传算法

第五章人脸识别仿真与分析

5.1仿真环境

5.2选取阈值

5.2.1阈值选取的GA实现

5.2.2GA的改进

5.3人脸定位

5.3.1右眼区

5.3.2左眼区

5.3.3鼻区

5.3.4嘴区

5.4GA实现

5.4.1适应度函数

5.4.2编码

5.4.3选择

5.4.4杂交

5.4.5变异

5.5旋转角度

5.5.1适应度函数

5.5.2编码

5.5.3选择、变异

5.5.4杂交

5.6奇异值特征抽取(SVD)

5.7人脸识别

5.8实验结果分析

5.9GA收敛性分析

5.9.1预备知识

5.9.2标准GA的markov链描述

5.9.3杂交

5.9.4变异

5.9.5选择

第六章总结与展望

6.1人脸识别方法的总结与展望

6.2GA的总结与展望

参考文献

攻读学位期间的研究成果

致谢