人脸识别身份验证技术的研究

摘要

人类身份验证形式从古至今经历了很长时间的变革，随着数字时代的来临，基于生物特征识别的身份验证技术己开始显现出它的价值。人脸检测识别技术是基于人脸特征来进行身份识别的技术，与其他识别方式相比，由于人脸始终暴露在外面，采集人脸特征有直接、友好、方便的特点，因此自动人脸识别己成为人工智能和人体生物特征识别领域的一个重要研究方向，也成为模式识别与计算机视觉领域内一项受到普遍关注、十分活跃的课题。
　　 本文通过构造人脸检测模块和人脸识别模块组成一个人脸识别身份验证系统，创新性的对BP神经网络进行了改进，提出了基于聚类的非平衡二叉树支持向量机概念，并通过分析实验数据验证了方法有效性。具体完成工作如下：
　　 首先，对人脸识别技术研究背景和现实意义进行了简单的介绍，并对当今研究现状及应用领域进行概括。
　　 其次，基于传统支持向量机优良性能分析，提出非平衡二叉树支持向量机概念，通过FastICA算法进行图像压缩，运用改进的添加附加动量、可变学习速率BP神经网络进行人脸检测实现。
　　 再次，应用Gabor滤波器特征提取，Hopfield神经网络压缩，运用非平衡二叉树支持向量机通过实验样本仿真数据分析系统的可靠性。
　　 最后，实际应用到现实身份验证过程中，通过试验进一步验证整个系统完整性与可用性，并进行总结展望。

目录

文摘

英文文摘

论文说明：图表目录、缩略语目录

声明

第一章 绪论

1.1人脸识别技术研究背景及意义

1.1.1生物识别概论

1.1.2人脸检测识别技术简介

1.2国内外人脸识别研究现状

1.3人脸识别系统应用

1.4本文主要工作和内容安排

第二章 支持向量机理论

2.1统计学习理论

2.1.1损失函数和风险最小化

2.1.2归纳原理

2.2支持向量机理论

2.3核函数

2.4一对一策略

2.5一对多策略

2.6 DAG支持向量机

2.7非平衡二叉树支持向量机

2.8训练时间分析

2.9本章小结

第三章 人脸检测

3.1人脸检测技术综述

3.1.1基于统计人脸检测方法

3.1.2基于特征人脸检测方法

3.2 FastICA算法

3.3神经网络概述

3.3.1生物神经元

3.3.2人工神经网络应用

3.4 BP神经网络设计与实现

3.4.1 BP神经网络算法

3.4.2隐含层节点数选择方法

3.5人脸定位结果与分析

3.6本章小结

第四章 人脸识别

4.1人脸识别技术综述

4.1.1人脸子空间法

4.1.2神经网络方法

4.1.3人脸模型方法

4.2人脸数据库介绍

4.3人脸数据库训练方式

4.3.1总体训练方式

4.3.2基空间集合训练方式

4.4人脸图像特征提取

4.4.1 Gabor算法原理及应用

4.5 Hopfield人工神经网络

4.5.1离散Hopfield人工神经网络

4.5.2连续Hopfield人工神经网络

4.6本章小结

第五章 视频捕获系统与结果分析

5.1数字视频采集技术

5.1.1数字图像应用软件简介

5.1.2 Directshow采集视频图像应用

5.1.3采集视频图像格式转换的实现

5.2数字视频图像预处理

5.3身份验证过程

5.4人脸识别系统方案制定

5.5实验结果与分析

第六章 总结与展望

参考文献

致谢

攻读硕士期间发表的论文及所取得的研究成果