人脸识别算法比较研究(源码)
摘要：现在，计算机人脸识别技术应用前景十分广阔，在国内外计算机人脸识别方法和技术的研究已经成为模式识别领域内研究的热点。本文针对常用的三种人脸识别算法：主成分分析(PCA)、广义主成分分析(2DPCA)、Fisher线性判别分析(FLDA)进行了实现。基于Yale人脸库对这三种识别方法在识别率与运算时间上进行比较，分析算法的优缺点与适用性。且对算法进行了改进，即2DPCA+FLDA算法，此算法同时拥有2DPCA算法及FLDA算法的优点，总体上由于前三种算法。最后利用HSI颜色空间，提取皮肤范围内肤色特征进行了人种识别。使用基于MFC的C++语言进行开发，开发平台使用visual c++ 6.0，实现了带有简单界面的人脸识别与人种识别。
目录
摘要1
关键词1
Abstract1
Key words1
引言1
1 绪论1
1.1问题的提出1
1.2 国内外研究状况1
1.2.1 国外研究状况1
1.2.2 国内研究状况1
1.3 研究的目的和内容2
1.3.1 研究的目的2
1.3.2 研究的内容2
1.4 本篇文章结构4
2基于PCA、2DPCA、FLDA的人脸识别算法4
2.1 人脸识别4
2.2 PCA人脸识别算法4
2.2.1 KL变换4
2.2.2 算法步骤5
2.2.3 程序实现6
2.3 2DPCA人脸识别算法8
2.3.1 算法思想8
2.3.2 算法步骤9
2.3.3 程序实现9
2.4 FLDA人脸识别算法10
2.4.1 算法原理11
2.4.2 算法步骤11
2.4.3 程序实现12
2.5 PCA、2DPCA、FLDA算法比较13
2.5.1 算法的识别率、运行时间比较13
2.5.2 各算法优缺点14
3改进算法2DPCA+FLDA算法 14
3.1 算法步骤14
*好棒文|www.hbsrm.com +Q: 3_5_1_9_1_6_0_7_2
3.2 程序实现15
3.3 与之前三种算法比较16
4 基于肤色特征的人种识别16
4.1 颜色模型 17
4.1.1 RGB颜色模型 17
4.1.2 HSI颜色模型 17
4.2 基于肤色特征的人种识别方法 17
4.2.1 算法步骤17
4.2.2 程序实现18
4.3 识别结果20
4.4 算法的优缺点及改进方法20
5 结论 20
致谢20
参考文献21
人脸识别算法比较研究
引言
1 绪论
1.1 问题的提出
人脸身份识别技术就是采用某种方法对人的身份进行识别的技术。计算机人脸识别技术相对于其他的基于特征，如指纹、声音等人类身份识别技术，具有特征录入方便，识别所需条件简单，应用场合广泛等优点，因此倍受广大科研人员的关注。该技术对于防止犯罪、案件侦破、机密保护等工作提供了可靠的保障。对于稳定社会，保障社会安全，促进经济发展都将产生积极作用。主成分分析(PCA)、广义主成分分析(2DPCA)、Fisher线性判别分析(FLDA)都是人脸统计模式识别中最常用的方法。它们都可以得到较好的人脸识别效果，但是每一种方法都有自己的优缺点，有自己的局限性[1]。融合了2DPCA以及FLDA方法的2DPCA+FLDA方法对原算法进行了改进。
国内外研究状况
1.2.1 国外研究状况
对人脸识别的研究发展分为三个阶段[2]：
第一阶段以Bertillon、Allen和Parke为代表，他们主要研究的是人脸识别必需的面部特征，Allen为待识别脸设计了一个逼真有效的摹写[3]，Parke是用计算机实现了这个算法，且产生了较高质量的人脸灰度模型[4]。但在这个阶段，识别过程完全由手工完成，根本无法实现自动识别。
第二阶段的代表有Harmon、Lesk等人，这个阶段是人机交互的人脸识别阶段，以用几何参数来表示人脸的正面图像[5]为主要思想， 基于多维特征矢量去进行人脸识别，基于统计识别算法、积分投影法等都是具有代表性的算法。但在一般情况下，该方法的这一阶段，必须要求操作员有一定的先验知识，人的因素占很大的比重。
第三阶段才是真正的机器识别阶段，当前活跃的算法有基于KL变换的特征脸方法、奇异值特征为代表的代数特征方法、人工神经网络、基于小波变换等算法。在面向实用的人脸识别方面，这些算法都被广泛的应用；然而，他们都有各自的缺点，就是考虑外界环境的影响，识别率不高。
1.2.2 国内研究状况
在人脸识别方面，国内的研究始于20世纪80年代，主要是在国际上流行方法的基础上作了发展性的工作[6]。
四川大学周激流等，运用积分投影法提取面部特征，实现了具有反馈的人脸正面识别系统，并取得了较为满意的效果。中国科技大学杨光正等，采用基于知识的三级金字塔结构对人脸进行分割和定位，提出一种基于镶嵌图的人脸自动识别方法。清华大学张长水等，提出了采用类间散布矩阵作为产生矩阵，对特征脸的方法作了进一步的发展，进一步降低了产生矩阵的维数，大大降低了运算量。南京理工大学杨静宇等，研究了基于Fisher最佳判别向量的人脸识别方法等。
与此同时，哈尔滨工业大学、东南大学、南京邮电大学等单位也进行了人脸识别方面的研究，并取得了一定的成果。但相比之下，国内对人脸识别的研究和重视程度还很不够，研究成果与国际水平还存在相当的距离[7]。
1.3 研究的目的和内容
1.3.1 研究的目的
分别使用PCA(主成分分析法)、2DPCA(二维主成分分析法)、FLDA(Fisher 线性判别分析法)算法来实现人脸识别，人脸数据取自Yale人脸数据库。并在2DPCA算法及FLDA算法的基础上对算法进行了改进，改进算法为2DPCA+FLDA算法。Yale人脸图像库是由耶鲁大学的男女不同的15人，每人11幅图像组成，主要包括光照条件及人脸表情的变化。依识别率与识别速度判断算法优劣。人种识别则要通过对输入图片的预处理获得肤色信息，而后根据肤色特征进行人种判断。
1.3.2 研究的内容
①PCA、2DPCA、FLDA算法比较
(1)图像的输入
(2)实现PCA、2DPCA、FLDA算法
(3)使用人脸库中每人前五张图像组成训练集，后五张图像进行识别。利用PCA、2DPCA、FLDA算法对训练集中的图像进行训练。
(4)利用PCA、2DPCA、FLDA算法提取测试图像的特征信息。
(5)使用最近邻分类器(NN)，对测试图像与训练集中的信息进行判别分类，判断人脸身份。
目录
摘要1
关键词1
Abstract1
Key words1
引言1
1 绪论1
1.1问题的提出1
1.2 国内外研究状况1
1.2.1 国外研究状况1
1.2.2 国内研究状况1
1.3 研究的目的和内容2
1.3.1 研究的目的2
1.3.2 研究的内容2
1.4 本篇文章结构4
2基于PCA、2DPCA、FLDA的人脸识别算法4
2.1 人脸识别4
2.2 PCA人脸识别算法4
2.2.1 KL变换4
2.2.2 算法步骤5
2.2.3 程序实现6
2.3 2DPCA人脸识别算法8
2.3.1 算法思想8
2.3.2 算法步骤9
2.3.3 程序实现9
2.4 FLDA人脸识别算法10
2.4.1 算法原理11
2.4.2 算法步骤11
2.4.3 程序实现12
2.5 PCA、2DPCA、FLDA算法比较13
2.5.1 算法的识别率、运行时间比较13
2.5.2 各算法优缺点14
3改进算法2DPCA+FLDA算法 14
3.1 算法步骤14
*好棒文|www.hbsrm.com +Q: 3_5_1_9_1_6_0_7_2
3.2 程序实现15
3.3 与之前三种算法比较16
4 基于肤色特征的人种识别16
4.1 颜色模型 17
4.1.1 RGB颜色模型 17
4.1.2 HSI颜色模型 17
4.2 基于肤色特征的人种识别方法 17
4.2.1 算法步骤17
4.2.2 程序实现18
4.3 识别结果20
4.4 算法的优缺点及改进方法20
5 结论 20
致谢20
参考文献21
人脸识别算法比较研究
引言
1 绪论
1.1 问题的提出
人脸身份识别技术就是采用某种方法对人的身份进行识别的技术。计算机人脸识别技术相对于其他的基于特征，如指纹、声音等人类身份识别技术，具有特征录入方便，识别所需条件简单，应用场合广泛等优点，因此倍受广大科研人员的关注。该技术对于防止犯罪、案件侦破、机密保护等工作提供了可靠的保障。对于稳定社会，保障社会安全，促进经济发展都将产生积极作用。主成分分析(PCA)、广义主成分分析(2DPCA)、Fisher线性判别分析(FLDA)都是人脸统计模式识别中最常用的方法。它们都可以得到较好的人脸识别效果，但是每一种方法都有自己的优缺点，有自己的局限性[1]。融合了2DPCA以及FLDA方法的2DPCA+FLDA方法对原算法进行了改进。
国内外研究状况
1.2.1 国外研究状况
对人脸识别的研究发展分为三个阶段[2]：
第一阶段以Bertillon、Allen和Parke为代表，他们主要研究的是人脸识别必需的面部特征，Allen为待识别脸设计了一个逼真有效的摹写[3]，Parke是用计算机实现了这个算法，且产生了较高质量的人脸灰度模型[4]。但在这个阶段，识别过程完全由手工完成，根本无法实现自动识别。
第二阶段的代表有Harmon、Lesk等人，这个阶段是人机交互的人脸识别阶段，以用几何参数来表示人脸的正面图像[5]为主要思想， 基于多维特征矢量去进行人脸识别，基于统计识别算法、积分投影法等都是具有代表性的算法。但在一般情况下，该方法的这一阶段，必须要求操作员有一定的先验知识，人的因素占很大的比重。
第三阶段才是真正的机器识别阶段，当前活跃的算法有基于KL变换的特征脸方法、奇异值特征为代表的代数特征方法、人工神经网络、基于小波变换等算法。在面向实用的人脸识别方面，这些算法都被广泛的应用；然而，他们都有各自的缺点，就是考虑外界环境的影响，识别率不高。
1.2.2 国内研究状况
在人脸识别方面，国内的研究始于20世纪80年代，主要是在国际上流行方法的基础上作了发展性的工作[6]。
四川大学周激流等，运用积分投影法提取面部特征，实现了具有反馈的人脸正面识别系统，并取得了较为满意的效果。中国科技大学杨光正等，采用基于知识的三级金字塔结构对人脸进行分割和定位，提出一种基于镶嵌图的人脸自动识别方法。清华大学张长水等，提出了采用类间散布矩阵作为产生矩阵，对特征脸的方法作了进一步的发展，进一步降低了产生矩阵的维数，大大降低了运算量。南京理工大学杨静宇等，研究了基于Fisher最佳判别向量的人脸识别方法等。
与此同时，哈尔滨工业大学、东南大学、南京邮电大学等单位也进行了人脸识别方面的研究，并取得了一定的成果。但相比之下，国内对人脸识别的研究和重视程度还很不够，研究成果与国际水平还存在相当的距离[7]。
1.3 研究的目的和内容
1.3.1 研究的目的
分别使用PCA(主成分分析法)、2DPCA(二维主成分分析法)、FLDA(Fisher 线性判别分析法)算法来实现人脸识别，人脸数据取自Yale人脸数据库。并在2DPCA算法及FLDA算法的基础上对算法进行了改进，改进算法为2DPCA+FLDA算法。Yale人脸图像库是由耶鲁大学的男女不同的15人，每人11幅图像组成，主要包括光照条件及人脸表情的变化。依识别率与识别速度判断算法优劣。人种识别则要通过对输入图片的预处理获得肤色信息，而后根据肤色特征进行人种判断。
1.3.2 研究的内容
①PCA、2DPCA、FLDA算法比较
(1)图像的输入
(2)实现PCA、2DPCA、FLDA算法
(3)使用人脸库中每人前五张图像组成训练集，后五张图像进行识别。利用PCA、2DPCA、FLDA算法对训练集中的图像进行训练。
(4)利用PCA、2DPCA、FLDA算法提取测试图像的特征信息。
(5)使用最近邻分类器(NN)，对测试图像与训练集中的信息进行判别分类，判断人脸身份。
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/jsj/jsjkxyjs/2279.html
