基于svm的人脸识别系统的设计(附件)【字数：17674】
摘 要时代的发展以及科技的进步，使得人脸识别技术的日益成熟。正因为人脸特征在与其他生物特征相比，有着直接、便捷、隐秘等特点，广大用户更易于接受，这使得人脸识别技术的应用前景十分广阔。?本论文实现了多类人脸的分类，重点研究了人脸图像的特征提取和特征匹配。本论文的主要内容为以下几个方面?（1）人脸图像预处理针对人脸图像的特殊性，本文采用了灰度归一化，几何归一化等预处理方法。尽量使图像的干扰因素减少，特征得到突出，而弱化其不具有特征的部分。?（2）人脸图像特征提取本文利用主成分分析（PCA）和Fisher线性判别分析方法作为人脸图像特征提取的方法。（3）分类器设计本文采用支持向量机（Support?Vector?Machine，SVM）作为人脸识别分类器。将多种核函数分别进行仿真实验并进行对比，并且通过反复实验选出了最优的SVM参数，并给出了实验结果及分析。?
Key words：Face recognition；SVM；PCA；ORL face Database 目 录
第一章 绪论 1
1.1 人脸识别技术研发展的过程 1
1.2 人脸识别技术研究的意义及现状 1
1.3 人脸识别技术难点 2
1.4 本课题的章节内容安排 4
第二章 人脸图像预处理 5
2.1 滤波 5
2.2 人脸边缘检测 6
2.2.1 人脸边缘检测 6
2.2.2 人脸图像二值化 7
2.3 图像归一化 8
2.4 直方图均衡化 9
2.5 人脸检测定位算法 9
第三章 人脸图像特征提取 11
3.1 主成分分析方法 11
3.2 Fisher线性判别分析方法 13
3.3 离散余弦变换方法 14
第四章 支持向量机识别 16
4.1 支持向量机的基本思想及特点 16
4.2 主要的核函数 16
4.3 用支持向量机解决多类问题 17
4.3.1 一对多（OAA）多类支持向量机 17
4.3.2 一对一（OAO）多类SVM 18
第五章 实 *好棒文|www.hbsrm.com +Q: ^351916072#
验结果及分析 20
5.1 实验流程 20
5.2 人脸数据库 20
5.3 人脸特征提取实验 21
5.3.1 主成分分析法实验 21
5.3.2 Fisher脸方法实验 22
5.4 支持向量机分类实验 23
5.4.1 核函数的参数对识别率的影响 23
5.4.2 训练样本数对识别率的影响 24
5.5 实验结果与分析 25
第六章 总结与展望 27
结束语 29
致 谢 30
参考文献 31
第一章 绪论
1.1 人脸识别技术研发展的过程
自从进入了21世纪，计算机和网络技术的迅猛发展以及日益增长的信息安全隐患，更是在911恐怖袭击之后，各国对社会公共安全愈发重视。信息识别和检测随之便愈来愈受到重视。其广泛范围可以包括几乎所有社会领域，在日常生活中，常常使用的识别方法，如数字、磁卡和口令。这些方法存在着容易丢失，容易被人遗忘、甚至容易被伪造等问题。随着科技的迅猛发展，传统的身份识别方法日益受到挑战，可靠性显著降低，使得关于信息识别和检测的新技术将不可避免地出现。人们正在逐渐将注意力转向生物体征，由于生物特征都是由人类遗传DNA决定的，造就了每个人都有自己独特的生物体征。
人脸识别系统的过程基本上分为三个部分。首先，收集人脸图像的样本。许多研究机构已经创建了自己的个人图像库，其中最著名的是创建了由美国国防部发起的FERET人脸数据库和由英国剑桥大学创建的ORL人脸数据库；第二，提取特征功能，提取特征数据，导入功能数据库；最后，在识别关于个人身份的信息时，使用特殊匹配算法来将数据库中的特征与可识别人的面部特征进行匹配，以确保识别该人。而一个自动的人脸识别系统通常可以有人脸检测、预处理、人脸表征、人脸鉴别这几个部分构成。如下图11所示。
图11 人脸识别系统框图
根据相关市场调研，人脸识别技术在业界占有一定份额。其积极、直接、简单和友好的职能必将有助于其持续增长。因此，人脸识别技术的市场前景将非常广阔。
1.2 人脸识别技术研究的意义及现状
人脸识别研究具有重要的理论和技术含义：首先，它可以提高一个人对视觉系统的理解；其次，它可以满足人工智能应用的需求。使用人脸识别技术，创建一个自动人脸识别系统，使用计算机自动识别人脸。同时，面部识别作为识别生物特征相比其他更成熟的识别方法（如指纹、虹膜、DNA检测等）具有以下优点：
（1）非侵入性。可以在没有被检测者检测到的情况下获取人员图像；
（2）成本低，易于安装。人脸识别系统仅需使用广泛使用的普通照相机、手机内置摄像头等，对用户的安装也没有特殊要求。
（3）不需要人为干预。 整个脸部识别过程可以由计算机根据先前的用户设置自动执行，而无需用户或检测到的人员的积极参与。
由于上述优点，近年来越来越多的研究人员开始关注人脸识别技术。
作为生物识别技术的一个重要研究领域，人脸识别技术有着悠久的历史。早在十九世纪中叶，FrancisGalton就曾关注过这个问题。他用一组数字来表示各种脸部功能，以在证明实现图像识别。自20世纪60年代以来，大量科学家开始专注于面部识别技术。综上所述，早期人脸识别技术的实施并未完全放弃人们的主观工作，基本上需要对操作人员进行一些初步的了解。在20世纪90年代以后，随着高性能计算机的普及和图像处理技术的愈加成熟和完善，人脸识别技术也迈出了革命性的一步，进入了计算机智能控制自动识别的阶段。近年来，国内外在人脸识别技术领域的研究人员做出了许多贡献，包括人脸的检测和追踪、特征提取及比较和识别。
在国外，许多研究机构已经建立了专门研究面部识别研究的实验室。最著名的人脸识别研究机构包括麻省理工学院多媒体实验室和卡内基梅隆大学机器人研究所。Mogaddam B.等人提出了使用贝叶斯模型进行人脸检测。使用神经网络进行人脸检测是由Rowley H.等人提出的，这些是一种较早的人脸识别方法。随着计算机技术的发展，在解决人脸检测问题方面出现了许多有效的检测方法。 Yullie等人提出了一种基于弹性模板检测的方法，该方法使用弹性模板来检测眼睛和嘴巴，然后基于先验知识通过一组形状模板来表达人脸区域。Lanitis等人提出了一种基于点分布模型检测的方法。他们认为，人脸的每个特征都在图像中具有相应的位置分布，并且使用这些点的位置分布来创建描述人脸整体外观的模型。
Key words：Face recognition；SVM；PCA；ORL face Database 目 录
第一章 绪论 1
1.1 人脸识别技术研发展的过程 1
1.2 人脸识别技术研究的意义及现状 1
1.3 人脸识别技术难点 2
1.4 本课题的章节内容安排 4
第二章 人脸图像预处理 5
2.1 滤波 5
2.2 人脸边缘检测 6
2.2.1 人脸边缘检测 6
2.2.2 人脸图像二值化 7
2.3 图像归一化 8
2.4 直方图均衡化 9
2.5 人脸检测定位算法 9
第三章 人脸图像特征提取 11
3.1 主成分分析方法 11
3.2 Fisher线性判别分析方法 13
3.3 离散余弦变换方法 14
第四章 支持向量机识别 16
4.1 支持向量机的基本思想及特点 16
4.2 主要的核函数 16
4.3 用支持向量机解决多类问题 17
4.3.1 一对多（OAA）多类支持向量机 17
4.3.2 一对一（OAO）多类SVM 18
第五章 实 *好棒文|www.hbsrm.com +Q: ^351916072#
验结果及分析 20
5.1 实验流程 20
5.2 人脸数据库 20
5.3 人脸特征提取实验 21
5.3.1 主成分分析法实验 21
5.3.2 Fisher脸方法实验 22
5.4 支持向量机分类实验 23
5.4.1 核函数的参数对识别率的影响 23
5.4.2 训练样本数对识别率的影响 24
5.5 实验结果与分析 25
第六章 总结与展望 27
结束语 29
致 谢 30
参考文献 31
第一章 绪论
1.1 人脸识别技术研发展的过程
自从进入了21世纪，计算机和网络技术的迅猛发展以及日益增长的信息安全隐患，更是在911恐怖袭击之后，各国对社会公共安全愈发重视。信息识别和检测随之便愈来愈受到重视。其广泛范围可以包括几乎所有社会领域，在日常生活中，常常使用的识别方法，如数字、磁卡和口令。这些方法存在着容易丢失，容易被人遗忘、甚至容易被伪造等问题。随着科技的迅猛发展，传统的身份识别方法日益受到挑战，可靠性显著降低，使得关于信息识别和检测的新技术将不可避免地出现。人们正在逐渐将注意力转向生物体征，由于生物特征都是由人类遗传DNA决定的，造就了每个人都有自己独特的生物体征。
人脸识别系统的过程基本上分为三个部分。首先，收集人脸图像的样本。许多研究机构已经创建了自己的个人图像库，其中最著名的是创建了由美国国防部发起的FERET人脸数据库和由英国剑桥大学创建的ORL人脸数据库；第二，提取特征功能，提取特征数据，导入功能数据库；最后，在识别关于个人身份的信息时，使用特殊匹配算法来将数据库中的特征与可识别人的面部特征进行匹配，以确保识别该人。而一个自动的人脸识别系统通常可以有人脸检测、预处理、人脸表征、人脸鉴别这几个部分构成。如下图11所示。
图11 人脸识别系统框图
根据相关市场调研，人脸识别技术在业界占有一定份额。其积极、直接、简单和友好的职能必将有助于其持续增长。因此，人脸识别技术的市场前景将非常广阔。
1.2 人脸识别技术研究的意义及现状
人脸识别研究具有重要的理论和技术含义：首先，它可以提高一个人对视觉系统的理解；其次，它可以满足人工智能应用的需求。使用人脸识别技术，创建一个自动人脸识别系统，使用计算机自动识别人脸。同时，面部识别作为识别生物特征相比其他更成熟的识别方法（如指纹、虹膜、DNA检测等）具有以下优点：
（1）非侵入性。可以在没有被检测者检测到的情况下获取人员图像；
（2）成本低，易于安装。人脸识别系统仅需使用广泛使用的普通照相机、手机内置摄像头等，对用户的安装也没有特殊要求。
（3）不需要人为干预。 整个脸部识别过程可以由计算机根据先前的用户设置自动执行，而无需用户或检测到的人员的积极参与。
由于上述优点，近年来越来越多的研究人员开始关注人脸识别技术。
作为生物识别技术的一个重要研究领域，人脸识别技术有着悠久的历史。早在十九世纪中叶，FrancisGalton就曾关注过这个问题。他用一组数字来表示各种脸部功能，以在证明实现图像识别。自20世纪60年代以来，大量科学家开始专注于面部识别技术。综上所述，早期人脸识别技术的实施并未完全放弃人们的主观工作，基本上需要对操作人员进行一些初步的了解。在20世纪90年代以后，随着高性能计算机的普及和图像处理技术的愈加成熟和完善，人脸识别技术也迈出了革命性的一步，进入了计算机智能控制自动识别的阶段。近年来，国内外在人脸识别技术领域的研究人员做出了许多贡献，包括人脸的检测和追踪、特征提取及比较和识别。
在国外，许多研究机构已经建立了专门研究面部识别研究的实验室。最著名的人脸识别研究机构包括麻省理工学院多媒体实验室和卡内基梅隆大学机器人研究所。Mogaddam B.等人提出了使用贝叶斯模型进行人脸检测。使用神经网络进行人脸检测是由Rowley H.等人提出的，这些是一种较早的人脸识别方法。随着计算机技术的发展，在解决人脸检测问题方面出现了许多有效的检测方法。 Yullie等人提出了一种基于弹性模板检测的方法，该方法使用弹性模板来检测眼睛和嘴巴，然后基于先验知识通过一组形状模板来表达人脸区域。Lanitis等人提出了一种基于点分布模型检测的方法。他们认为，人脸的每个特征都在图像中具有相应的位置分布，并且使用这些点的位置分布来创建描述人脸整体外观的模型。
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/jxgc/zdh/410.html
