生物特征验证中人脸识别的主成分分析法的实现
摘 要随着科学技术的发展，传统的身份识别技术出现遗失、被破解的情况屡出不穷，已不能起到很好的身份识别作用。为此，人们需要更加安全可靠的身份识别技术。人脸是人机交互中相当重要的因素，许多信息都可以通过人脸判定的到。利用人脸特征进行身份验证具有结果直观，快速简单，准确可靠，不需要人的配合等特点，容易被多数用户接受。经过四十多年的发展，人脸识别技术已经取的了巨大的进步。人脸识别技术在国家重要机关及社会安防领域具有广泛用途。本文研究的是基于PCA的人脸识别算法的实现。主成分分析（PCA）通过提取高维度的人脸图像主元，在低维度空间中处理，进而降低图像处理的难度。这一方法有效的解决了图像处理工程中空间维数过高的问题，因此已成为人脸识别领域非常重要的理论。本文为了更好的分析基于PCA人脸识别系统的性能选用了ORL人脸数据库。由于ORL人脸图像质量较好，且已经做过相应的预处理，所以试验中只使用灰度处理。本文基于PCA主成分分析理论，使用奇异值分解定理计算协方差矩阵的特征值和特征向量进行特征提取，通过最小距离分类器绝对值距离来判别人脸。利用MATLAB，我们在实验中发现基于PCA的人脸识别系统不仅有较高的识别率，而且具有一定稳定性，所以基于PCA的人脸识别算法的实现的研究还是有一定的现实意义。摘 要 4
目 录
ABSTRACT 5
第一章 人脸识别技术概述 8
1．1 人脸识别的研究内容 8
1．2 人脸识别的应用领域 9
1．3国内外研究现状 9
1．3．1 基于几何特征的人脸识别方法 9
1．3．2 基于KL变换的特征脸方法 10
1．3．3 神经网络方法 11
1．3．4 弹性图匹配方法 11
1．3．5 线段Hausdorff距离(LHD)方法 12
1．3．6其它人脸识别方法 12
1．4人脸识别的优势与困难 12
1．5本文研究内容 13
第二章 图像预处理 14
2．1几何变换 14
2．2归一化 15
2．3 平滑 15
2．4 复原 15
2．5 增强 16
第三章 人脸检
*好棒文|www.hbsrm.com +Q: *351916072*
测 17
3．1 人脸检测的难点 17
3．2 目前人脸检测的方法 18
3．2．1 基于肤色区域分割的方法 18
3．2．2 基于启发式模型的方法 18
3．2．3 基于统计学习的方法 19
第四章 基于PCA的人脸特征提取 20
4．1主成分分析（PCA） 20
4．1．1 PCA原理 20
4．1．2 PCA的计算步骤 21
4．1．3 PCA的优缺点 22
4．2 特征脸提取 23
4．2．1 特征脸 23
4．2．2 特征脸的实现过程 24
第五章 人脸图像的分类与识别 25
5．1分类器 25
5．2距离函数的选择 26
5．3 PCA识别 26
第六章 总结与展望 27
参考文献 28
致 谢 28
附 录 29
附录Ⅰ 程序 29
附录Ⅱ 外文资料 33
附录Ⅲ 翻译 37
第一章 人脸识别技术概述
就像世界上没有两片一模一样的叶子，在这世上同样也没有长的一样的人、没有长的一样的脸，即使是一对同卵双生的双胞胎，他们的长相也有一定的不一样的地方。人类是一个高级智能生物，我们可以很容易的认出一个人的脸，但若要建立一种智能的非人工的人脸识别系统难度还是很大的，因为人的面部表情和人的年龄变化影响机器识别人脸，并且它也涉及许多模式识别的知识，比如，生理学、图像处理学等方面的知识。人脸的面部识别相比于人类的基因、虹膜、指纹等人体的生物特征识别系统，有更加直接、人性化、无心理障碍等方面的优势。同时，通过对人脸部表情的分析，人们还可以获的比其它识别系统难以获的的信息，例如人在说谎时面部表情会比平常不自然。随着现实生活的需求增加，人们希望找到一种更加便捷的生物特征识别方式，促使了人脸识别技术日渐成为当今时代的一项热门的研究课题。
1．1 人脸识别的研究内容
人脸识别是模式识别技术的一种，它是利用计算机对人脸图像的特征进行提取和识别。研究它的目的是要弄明白人类是怎么智能的进行人的面部识别的。
人脸识别技术描述为：设置一个静止图像或动态图像，使用现有面部图像数据库，通过各种查找算法，匹配和识别图像中的人物。在广义上，计算机人脸是别的研究内容，可分为以下三个方面：
(1)人脸检测：
此过程包含了人脸的面部检测、人脸的面部定位和人脸的面部跟踪。所谓人脸检测，即是确定图像中到底有没有有人脸的存在。所谓人脸定位，即给出人脸的位置在哪里、大小是多少等状态方面的信息。人脸跟踪，指在动态图像中实时的检测出图像的人脸并能显示他的运动轨迹。
(2)人脸表征：
人脸表征是指提取人的面部特征，再把这些面部特征映射到机器空间的过程。由于人脸图像信息包含巨大的数据量，因此图像参与计算机运算和传输时，往往产生巨大的计算量，故在现实生活中对图像数据进行压缩显的非常有必要，我们要想办法用少的数据量表示多的信息。
(3)人脸识别：
人脸识别是指通过我们接下来待识别的人的脸与我们已知的人的脸对比的出他们之间的相似程度的信息的过程。
作为一个通用的人脸识别系统，往往应该包括以下的环节，如图所示：
图11 人脸识别系统框图
1．2 人脸识别的应用领域
人脸识别技术最初的发展是由安全部门要把它运用在罪犯们的照片的存档管理和刑侦技术破案中。现在人脸是别的产品已经被广泛应用于众多领域。随着技术的进一步提高，人脸识别技术在人类未来社会的生活中将被应用在越来越多的领域。人脸是别技术主要有以下几类应用：
(1) 企业、住宅安全和管理。如我们熟悉的具有人脸识别功能的门禁系统，人脸识别的考勤系统等；
(2) 电子护照及身份证；
(3) 公安、司法和刑侦。如过能建成巨大的人脸识别系统和网络，公安部门可以利用它快速的搜索犯罪分子；
(4) 自助服务。如银行ATM取款机；
(5) 信息安全。如具有人脸识别功能的计算机登录和具有人脸任别功能的电子商务。我们可以设想，在不久的将来，我们的在网上购物时不再需要输入密码只需要通过一个摄像头捕捉人脸就能完成支付功能，人工密码容易被遗忘，但是人脸却永远都在；
1．3国内外研究现状
目前人脸识别方法的研究方向主要有以下两个方面：
一是基于人脸五官特征的识别。此类方法通常从人脸图像中提取眼睛、鼻子、嘴等面部器官的位置和各个器官之间的距离长度的比例作为特征，并利用它们之间的几何参数来作为描述人脸的特征，但是在匹配识别的过程中，此方法对所提取的五官的几何参数要求较高，故当人的表情发生变化时，例如大笑、大哭和做鬼脸时，识别效果往往尽如人意；
目 录
ABSTRACT 5
第一章 人脸识别技术概述 8
1．1 人脸识别的研究内容 8
1．2 人脸识别的应用领域 9
1．3国内外研究现状 9
1．3．1 基于几何特征的人脸识别方法 9
1．3．2 基于KL变换的特征脸方法 10
1．3．3 神经网络方法 11
1．3．4 弹性图匹配方法 11
1．3．5 线段Hausdorff距离(LHD)方法 12
1．3．6其它人脸识别方法 12
1．4人脸识别的优势与困难 12
1．5本文研究内容 13
第二章 图像预处理 14
2．1几何变换 14
2．2归一化 15
2．3 平滑 15
2．4 复原 15
2．5 增强 16
第三章 人脸检
*好棒文|www.hbsrm.com +Q: *351916072*
测 17
3．1 人脸检测的难点 17
3．2 目前人脸检测的方法 18
3．2．1 基于肤色区域分割的方法 18
3．2．2 基于启发式模型的方法 18
3．2．3 基于统计学习的方法 19
第四章 基于PCA的人脸特征提取 20
4．1主成分分析（PCA） 20
4．1．1 PCA原理 20
4．1．2 PCA的计算步骤 21
4．1．3 PCA的优缺点 22
4．2 特征脸提取 23
4．2．1 特征脸 23
4．2．2 特征脸的实现过程 24
第五章 人脸图像的分类与识别 25
5．1分类器 25
5．2距离函数的选择 26
5．3 PCA识别 26
第六章 总结与展望 27
参考文献 28
致 谢 28
附 录 29
附录Ⅰ 程序 29
附录Ⅱ 外文资料 33
附录Ⅲ 翻译 37
第一章 人脸识别技术概述
就像世界上没有两片一模一样的叶子，在这世上同样也没有长的一样的人、没有长的一样的脸，即使是一对同卵双生的双胞胎，他们的长相也有一定的不一样的地方。人类是一个高级智能生物，我们可以很容易的认出一个人的脸，但若要建立一种智能的非人工的人脸识别系统难度还是很大的，因为人的面部表情和人的年龄变化影响机器识别人脸，并且它也涉及许多模式识别的知识，比如，生理学、图像处理学等方面的知识。人脸的面部识别相比于人类的基因、虹膜、指纹等人体的生物特征识别系统，有更加直接、人性化、无心理障碍等方面的优势。同时，通过对人脸部表情的分析，人们还可以获的比其它识别系统难以获的的信息，例如人在说谎时面部表情会比平常不自然。随着现实生活的需求增加，人们希望找到一种更加便捷的生物特征识别方式，促使了人脸识别技术日渐成为当今时代的一项热门的研究课题。
1．1 人脸识别的研究内容
人脸识别是模式识别技术的一种，它是利用计算机对人脸图像的特征进行提取和识别。研究它的目的是要弄明白人类是怎么智能的进行人的面部识别的。
人脸识别技术描述为：设置一个静止图像或动态图像，使用现有面部图像数据库，通过各种查找算法，匹配和识别图像中的人物。在广义上，计算机人脸是别的研究内容，可分为以下三个方面：
(1)人脸检测：
此过程包含了人脸的面部检测、人脸的面部定位和人脸的面部跟踪。所谓人脸检测，即是确定图像中到底有没有有人脸的存在。所谓人脸定位，即给出人脸的位置在哪里、大小是多少等状态方面的信息。人脸跟踪，指在动态图像中实时的检测出图像的人脸并能显示他的运动轨迹。
(2)人脸表征：
人脸表征是指提取人的面部特征，再把这些面部特征映射到机器空间的过程。由于人脸图像信息包含巨大的数据量，因此图像参与计算机运算和传输时，往往产生巨大的计算量，故在现实生活中对图像数据进行压缩显的非常有必要，我们要想办法用少的数据量表示多的信息。
(3)人脸识别：
人脸识别是指通过我们接下来待识别的人的脸与我们已知的人的脸对比的出他们之间的相似程度的信息的过程。
作为一个通用的人脸识别系统，往往应该包括以下的环节，如图所示：
图11 人脸识别系统框图
1．2 人脸识别的应用领域
人脸识别技术最初的发展是由安全部门要把它运用在罪犯们的照片的存档管理和刑侦技术破案中。现在人脸是别的产品已经被广泛应用于众多领域。随着技术的进一步提高，人脸识别技术在人类未来社会的生活中将被应用在越来越多的领域。人脸是别技术主要有以下几类应用：
(1) 企业、住宅安全和管理。如我们熟悉的具有人脸识别功能的门禁系统，人脸识别的考勤系统等；
(2) 电子护照及身份证；
(3) 公安、司法和刑侦。如过能建成巨大的人脸识别系统和网络，公安部门可以利用它快速的搜索犯罪分子；
(4) 自助服务。如银行ATM取款机；
(5) 信息安全。如具有人脸识别功能的计算机登录和具有人脸任别功能的电子商务。我们可以设想，在不久的将来，我们的在网上购物时不再需要输入密码只需要通过一个摄像头捕捉人脸就能完成支付功能，人工密码容易被遗忘，但是人脸却永远都在；
1．3国内外研究现状
目前人脸识别方法的研究方向主要有以下两个方面：
一是基于人脸五官特征的识别。此类方法通常从人脸图像中提取眼睛、鼻子、嘴等面部器官的位置和各个器官之间的距离长度的比例作为特征，并利用它们之间的几何参数来作为描述人脸的特征，但是在匹配识别的过程中，此方法对所提取的五官的几何参数要求较高，故当人的表情发生变化时，例如大笑、大哭和做鬼脸时，识别效果往往尽如人意；
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/dzxx/txgc/1121.html
