基于小波理論的人臉特征提取與識(shí)別的算法研究(已修改)
2025-07-04 15:43 本頁(yè)面
【正文】 2014年6月16日 《小波理論與應(yīng)用》課題論文基于小波理論的人臉特征提取與識(shí)別的算法研究 院 （系）：) 專(zhuān) 業(yè)： 學(xué) 號(hào)： 年 級(jí)： 2014年6月目錄一、 緒論 1 1 2 2二、小波理論與分析 3 3 3 4 5 6 6 7 8 8 9 10三、基于分塊小波的人臉識(shí)別算法 11 11 KarhunenLoeve變換及主成分分析法 11 KL 變換 11 13 13 15 15 17 18四、總結(jié)與展望 20 20 21參考文獻(xiàn) 22II一、 緒論人臉識(shí)別是模式識(shí)別的一個(gè)研究領(lǐng)域，是當(dāng)今新興的生物識(shí)別的一個(gè)重要組成部分。所謂的人臉識(shí)別技術(shù)，就是將人臉圖像或者包含人臉的視頻流序列輸入計(jì)算機(jī)進(jìn)行分析，從而提取出能有效表達(dá)人臉圖像的特征,進(jìn)行身份辨別，從而達(dá)到監(jiān)督,管理和控制目標(biāo)的一門(mén)技術(shù)。它涉及的領(lǐng)域非常廣，包括：模式識(shí)別、圖像處理、生理學(xué)、心里學(xué)、計(jì)算機(jī)視覺(jué)等許多的學(xué)科知識(shí)，并且與基于生物特征的身份鑒別方法等的研究領(lǐng)域以及相關(guān)學(xué)科的發(fā)展關(guān)系密切。人臉識(shí)別的研究已經(jīng)有很長(zhǎng)一段時(shí)間了,它大致可以分為四個(gè)階段：最早可以追溯到1888年Galton在Nature雜志發(fā)表的關(guān)于用人臉來(lái)進(jìn)行身份識(shí)別的文章，1954年,Bruner于1954年寫(xiě)了《人類(lèi)的知覺(jué)》這本關(guān)于心理學(xué)的書(shū)B(niǎo)ledsoe 在 1964 年就工程學(xué)寫(xiě)了“The Model Method in Facial Recognition”，1965年他又發(fā)表了一篇關(guān)于自動(dòng)人臉識(shí)別的技術(shù)論文；始于1970s的機(jī)器識(shí)別是人臉識(shí)別研究的第二階段，Parke等主要研究人臉識(shí)別所需要的面部特征，首次用計(jì)算機(jī)實(shí)現(xiàn)了較高質(zhì)量的人臉灰度圖模型。該階段的工作完全依賴于操作人員，不能實(shí)現(xiàn)自動(dòng)識(shí)別；研究者們?cè)O(shè)計(jì)的基于幾何特征參數(shù)的識(shí)別系統(tǒng)開(kāi)始了第三階段:人機(jī)交互式識(shí)別的歷程。Harmon和Lesk用幾何特征參數(shù)來(lái)表示人臉正面圖像。人臉面部特征釆用多維特征矢量表示，并設(shè)計(jì)了一個(gè)識(shí)別系統(tǒng)。Kobayashi等用統(tǒng)計(jì)中的歐氏距離來(lái)表征人臉特征進(jìn)行識(shí)別，這種方法依然依靠某些先驗(yàn)知識(shí)，擺脫不了人的干預(yù)；直到20世紀(jì)90年代初中期，隨著高性能計(jì)算機(jī)的出現(xiàn)，人臉識(shí)別方法才有了重大突破，才真正的進(jìn)入了機(jī)器自動(dòng)識(shí)別階段:第四階段。人臉識(shí)別技術(shù)對(duì)學(xué)科的發(fā)展和巨大的應(yīng)用前景主要表現(xiàn)在兩個(gè)方面：（1）人臉識(shí)別促進(jìn)了對(duì)各門(mén)學(xué)科的極大發(fā)展。它作為一個(gè)典型的模式識(shí)別、圖像分析處理、理解及分類(lèi)計(jì)算的問(wèn)題,它為模式識(shí)別、數(shù)字圖像處理、計(jì)算機(jī)視覺(jué)、計(jì)算機(jī)圖形學(xué)、神經(jīng)網(wǎng)絡(luò)、心理學(xué)、生理學(xué)等學(xué)科提供了一個(gè)非常好的平臺(tái)，為研究具體問(wèn)題創(chuàng)建了一個(gè)用于創(chuàng)新方法、驗(yàn)證新的理論、解釋新的現(xiàn)象的提供了一個(gè)好的環(huán)境。人臉識(shí)別的進(jìn)一步研究和最終問(wèn)題的解決，將極大的促進(jìn)這些學(xué)科的成熟和發(fā)展。（2）目前身份識(shí)別和驗(yàn)證是人們?nèi)粘Ｉ钪械闹匾幕净顒?dòng)之一。每天我們都要面對(duì)大量的人的身份做出相關(guān)判斷、并用相關(guān)手段證明自己。比如銀行的ATM機(jī)上的金融業(yè)務(wù)需要輸入自己的密碼,進(jìn)行網(wǎng)絡(luò)交易時(shí)需要用到自己的賬號(hào)和密碼等,但這些方式不安全、不可靠、不唯一，這些缺點(diǎn)可能會(huì)導(dǎo)致大量的經(jīng)濟(jì)損失等。這些問(wèn)題使得原有的措施已經(jīng)越來(lái)越不能適應(yīng)社會(huì)的發(fā)展了，我們需要提供一個(gè)更方便、更安全、更可靠的身份驗(yàn)證手段。生物識(shí)別技術(shù)就是被認(rèn)為是解決這些問(wèn)題的理想方式。國(guó)內(nèi)外有許多學(xué)校和機(jī)構(gòu)都在研究人臉識(shí)別技術(shù)。隨著計(jì)算機(jī)技術(shù)的快速提高，人臉識(shí)別技術(shù)也得到了長(zhǎng)足的發(fā)展，其研究有著重要的意義。 廣義的人臉識(shí)別系統(tǒng)主要包括：人臉圖像釆集、人臉區(qū)域、人臉表征、特征提取、人臉識(shí)別以及分類(lèi)結(jié)果等。而我們所研究是狹義的人臉識(shí)別，主要研究的是:特征提取、人臉識(shí)別和分類(lèi)結(jié)果。預(yù)處理：其中人臉檢測(cè)、人臉區(qū)域定位和人臉的表征我們統(tǒng)稱其為預(yù)處理。主要是通過(guò)相關(guān)設(shè)備采集圖像，然后確定人臉的位置、大小等過(guò)程,最后通過(guò)數(shù)字化、幾何變換、歸一化、平滑、復(fù)原和增強(qiáng)等步驟得到標(biāo)準(zhǔn)的人臉圖像。特征提?。核^的特征提取，從圖像信息中利用各種方法挑選出對(duì)分類(lèi)最有利的特征，降低特征空間維數(shù)的過(guò)程就是特征選擇。特征的提取實(shí)際上就是在眾多的特征數(shù)據(jù)中尋找最有效的特征，同時(shí)進(jìn)行適當(dāng)?shù)慕稻S。特征提取要滿足兩個(gè)要求：一是要尋找最優(yōu)的能最佳描述待識(shí)別對(duì)象，使其能最大限度的區(qū)別不同類(lèi)；二是能夠盡量實(shí)現(xiàn)數(shù)據(jù)的降維，減少特征提取的時(shí)間和空間的消耗。分類(lèi)識(shí)別：分類(lèi)決策就是在特征空間中用分類(lèi)器將被識(shí)別的對(duì)象歸為某一類(lèi)別。基本做法是在樣本訓(xùn)練集基礎(chǔ)上確定某個(gè)判別準(zhǔn)則，使得按這種準(zhǔn)則對(duì)被識(shí)別對(duì)象進(jìn)行分類(lèi)所造成的錯(cuò)誤識(shí)別率最小或引起的損失最小。從人類(lèi)識(shí)別系統(tǒng)來(lái)看，特征提取和分類(lèi)識(shí)別是人臉識(shí)別的重要組成部分，它將直接關(guān)系到整個(gè)識(shí)別系統(tǒng)的優(yōu)劣。所以本文重點(diǎn)研究人臉識(shí)別中的特征提取和分類(lèi)識(shí)別部分。特征提取是通過(guò)變換(或映射)的方法獲得最有效的特征，實(shí)現(xiàn)特征空間的維數(shù)從高維到低維的變換。其主要目的在不降低識(shí)別率的情況下，降低特征空間的維數(shù)。這樣可以簡(jiǎn)化計(jì)算，減少運(yùn)算量。 目前基于特征提取的人臉識(shí)別算法可以分為以下幾大類(lèi)：基于幾何特征的方法、基于彈性模型、動(dòng)態(tài)鏈接模型DLA、基于神經(jīng)網(wǎng)絡(luò)的方法、基于統(tǒng)計(jì)的方法、基于子空間方法、基于三維模型的方法、還出現(xiàn)了很多有效的幾種混合特征提取方法如:KL投影和奇異值分解(SVD)相融合的分類(lèi)判別方法；HMM和奇異值分解相融合的分類(lèi)判別方法等。在本文中，主要對(duì)人臉識(shí)別系統(tǒng)中的特征提取方法進(jìn)行了研究。具體安排如下：第一章：緒論。本章首先對(duì)人臉識(shí)別的定義進(jìn)行了概述，然后介紹了研究背景及現(xiàn)實(shí)意義，其次介紹了人臉識(shí)別的主要內(nèi)容、發(fā)展歷程及目前國(guó)內(nèi)外現(xiàn)有的研究方法以及常用的人臉特征提取的方法。第二章：小波理論與分析。主要介紹了小波變換基礎(chǔ)理論及其性質(zhì)；然后介紹了多分辨分析和mallat算法；最后介紹了小波變換在人臉識(shí)別中的應(yīng)用，重點(diǎn)介紹了人臉識(shí)別中小波基的選擇和小波分解層數(shù)的確定，及現(xiàn)有的小波在人臉識(shí)別中的應(yīng)用方法。第三章:基于分塊小波的人臉識(shí)別的算法。本章首先介紹了主成分分析算法和線性判別分析算法的基礎(chǔ)理論；接著提出了分塊小波的概念及分
法律信息相關(guān)推薦
鄂ICP備17016276號(hào)-1