基于PCA的人脸识别系统的设计与实现

摘要

在众多的身份验证方法中,生物特征认证技术由于使用了人体本身所固有的特征,具有更高的安全性、可靠性和有效性,因此越来越受到人们的重视。以人脸为对象的识别技术是一种最容易被接受的身份验证方法,近年来已成为国际的研究重点,有着重要的研究价值和应用价值。本文研究并实现了一个基于改进的PCA人脸识别身份验证系统,主要工作如下：首先,本文详细介绍了人脸识别很重要的一个步骤——“人脸预处理”,文中提到的人脸预处理方法都是从图像处理的角度着手的,主要目的是使人脸图像标准化,并在一定程度上消除光照的影响。本文介绍了几种主要的预处理方法,如几何归一化,灰度归一化和图像二值化。其次,比较研究了基于主成分分析(PCA)的人脸识别算法。详细介绍了经典的基于图像向量的PCA的人脸识别算法。针对经典PCA算法在识别当中存在的不足,提出了一种改进方法M-PCA。然后,介绍了一种直接基于图像矩阵的二维主成分分析(2DPCA)的人脸识别算法。同时,提出一种改进的2DPCA的算法(M-2DPCA)。经过实验比较可以发现,M-2DPCA和2DPCA的识别率接近,而且要高于M-PCA的识别率。但是发现,M-2DPCA和2DPCA方法在重构时有更高的空间复杂度和时间复杂度,因此重构时要占用更多的内存,当实际应用中系统不能提供足够大内存的情况下,M-PCA性能上的优越性就体现出来了。最后,本文实现了基于改进的PCA的人脸识别系统,包括系统的框架、系统中的注册和登录两模块和用到的一些关键技术。在系统实现的过程中采用了M-PCA方法,主要是因为不但识别率有所提高,而且M-PCA方法可以有效地提高系统识别速度。本文所设计的身份验证系统,除了对算法的优化外,更加重视系统设计,以发挥其算法的效能。

目录

摘要

Abstract

第1章 绪论

1.1 引言

1.2 人脸识别研究的发展历史及现状

1.3 人脸识别的研究范围及方法

1.3.1 人脸识别的研究范围

1.3.2 人脸识别的研究方法

1.4 人脸识别技术存在的困难

1.4.1 人脸本身的特点

1.4.2 环境的影响

1.4.3 计算机本身的限制

1.5 论文的主要研究内容

1.6 论文的结构安排

第2章 人脸图像预处理

2.1 引言

2.2 人脸图像库

2.3 人脸的预处理算法

2.3.1 图像归一化

2.3.2 图像二值化

2.4 本章小结

第3章 基于PCA的人脸识别

3.1 引言

3.2 PCA人脸识别方法

3.2.1 K-L变换的原理

3.2.2 PCA在人脸识别中的应用

3.3 一种改进的PCA人脸识别方法

3.3.1 想法与算法

3.3.2 特征值的选择

3.3.3 距离函数的选取

3.4 实验结果与分析

3.5 本章小结

第4章 基于2DPCA的人脸识别

4.1 引言

4.2 2DPCA人脸识别方法

4.3 一种改进的2DPCA人脸识别方法

4.3.1 想法与算法

4.3.2 特征提取

4.3.3 分类方法

4.3.4 图像重构

4.4 实验结果与分析

4.5 本章小结

第5章 人脸识别系统的设计与实现

5.1 引言

5.2 系统开发和运行环境

5.3 视频捕获

5.4 基于Adaboost的人脸检测

5.5 采用的人脸识别算法

5.6 系统框架

5.6.1 注册

5.6.2 登录

5.7 实验结果与分析

5.8 本章小结

结论

参考文献

攻读学位期间发表的学术论文

致谢