学位论文 > 优秀研究生学位论文题录展示

人脸识别关键技术的研究

作　者: 仲京帅
导　师: 张秦艳
学　校: 北京邮电大学
专　业: 检测技术与自动化装置
关键词: 人脸识别光照补偿小波变换 PCA 神经网络
分类号: TP391.41
类　型: 硕士论文
年　份: 2006年
下　载: 278次
引　用: 6次
阅　读: 论文下载

内容摘要

日常生活中，人们识别周围的人用的最多的生物特征是人脸，人脸是人类视觉中最为普遍的模式，人脸所反映的视觉信息在人与人的交流、交往中有着重要的作用和意义。因而人脸识别是一种最容易被接受的身份鉴定方法，成为最有潜力的身份验证手段之一。本论文首先介绍了计算机人脸识别技术的研究背景和主要方法，然后提出了一种基于小波变换和Fisher线性判别算法的的特征脸人脸识别方法。特征脸人脸识别方法是M．turk和A．Pentland提出的，直到现在，它仍是最流行的人脸识别算法。该方法具有简单有效的特点，但它对输入的人脸图像的归一化要求较高，其性能容易受到光照和姿态变化的影响。因此，本论文首先采用改进的直方图均衡化技术对人脸图像进行预处理，消除了光照强度差异的影响；然后用小波变换的方法提取人脸图像的相对稳定的低频子带，模糊了人脸表情和姿势的影响，并同时达到了对图像向量降维的效果；进而用主元分析法((PCA)和Fisher算法提取特征向量并进行识别。主元分析法根据人脸图像整体的灰度相关性来提取特征向量，所提取出的特征向量保留了原图像空间中的主要分类信息，并能在均方误差最小的意义上重建原图像，Fisher算法将原来高维的模式样本投影到最佳鉴别向量空间，以达到抽取分类信息和压缩特征空间维数的效果，投影后保证模式样本在新的子空间有最大的类间距离和最小的类内距离，即模式在该空间中有最佳的可分离性，大大降低了运算复杂度，所提取的特征更加反映了人脸之间的差异，提高了识别率和抗噪声性能，文中使用了LDA和BP神经网络两种识别方法，各有优缺点。实验结果表明本文所提出的算法是准确有效的。

人脸识别关键技术的研究

内容摘要

全文目录

相似论文