基于PCA算法的人脸识别系统研究

摘要

随着社会的进步和科技的发展，生物特征的识别应用越来越多。如海关及公安系统等需要提供准确的身份认证，日常生活中，人们的安全、财产、隐私等都需要利用先进的科技手段进行保护。因此如何能够高效、快速，可靠识别生物身份的系统被人们普遍研究。本文对基于主成份分析(Principal Component Analysis，PCA)的人脸识别技术进行了研究，具体的工作如下：
　　首先，论文论述了人脸识别技术的目的和意义。并结合国内外的研究状况和目前存在的不足探讨了人脸识别技术未来的发展趋势和研究方向。并对本文研究工作内容做了简要介绍。
　　其次，在比较目前常见人脸识别技术预处理的各种算法基础上，改进了基于Adaboost算法的人脸检测，详细分析了PCA技术。通过霍特林变换(Karhunen-Loeve Transform，K-L)、线性判别分析(LDA)，在改进PCA算法后将二者结合起来研究了进行特征提取和识别。并用MATLAB编程进行了计算仿真，结果表明：人脸检测在Adaboost算法改进后计算速度明显提高；特征提取和识别在PCA和LDA结合并改进算法后，得到的图像更稳定、精确；该设计在人脸识别方面达到了良好的效果。
　　最后，对研究方法和计算结果进行了分析总结，并对下一步工作进行了展望。

目录

封面

声明

中文摘要

英文摘要

目录

1 绪论

1.1 课题研究的背景及其意义

1.2 人脸识别的发展现状与前景展望

1.3 本文研究内容

2 图像预处理及人脸检测的研究

2.1 系统的整体结构设计

2.2 图像预处理

2.3 人脸检测的算法

2.4 人脸数据库的选取

2.5 本章小节

3 特征提取与识别的研究

3.1 人脸识别方法的选取

3.2 K-L变换

3.3 奇异值分解定理(SVD)

3.4 距离函数

3.5 基于PCA的人脸识别

3.6 本章小结

4 PCA和LDA算法的融合及改进

4.1 基于Fisher准则的线性判别分析(LDA)

4.2 线性判别分析中的小样本问题

4.3 PCA和LDA结合的特征提取方法

4.4 PCA和LDA算法的改进

4.5 实验结果及分析

4.6 本章小结

5 系统软件设计

5.1 仿真环境分析

5.2 系统设计

5.3 人脸识别实验结果及分析

5.4 本章小节

6 总结与展望

6.1 总结

6.2 展望

参考文献

攻读硕士学位期间发表的论文

致谢