【正文】 識(shí)別技術(shù)。在目前的技術(shù)水平下，幾乎全部的身份驗(yàn)證還依靠傳統(tǒng)的物理驗(yàn)證方式來(lái)完成，主要包括身份證件、鑰匙、密碼等，但這些驗(yàn)證方式 存在方便性、可靠性和安全性等問(wèn)題，因而不能適應(yīng)社會(huì)的發(fā)展和需求。 Fuzzy Linear Discriminate Analysis。應(yīng)用于 Yale 及 ORL 人臉庫(kù)的實(shí)驗(yàn)結(jié)果表明，該算法具有較高的識(shí)別率。本文著重討論一種把特征臉和模糊線性判別分析（ FLDA）算法結(jié)合起來(lái)進(jìn)行人臉識(shí)別的方法。沈陽(yáng)航空航天大學(xué)畢業(yè)設(shè)計(jì)（論文） I 基于模糊線性判別分析的人臉識(shí)別算法設(shè)計(jì) 學(xué) 院 專 業(yè) 班 級(jí) 學(xué) 號(hào) 姓 名 指導(dǎo)教師 負(fù)責(zé)教師 摘 要 人臉識(shí)別技術(shù)是生物識(shí)別技術(shù)的一種，以其直接性，唯一性，方便性等特點(diǎn)，在公安，海關(guān)，交通，金融，視頻會(huì)議，機(jī)器人的智能化研究等方面得到了越來(lái)越廣泛的應(yīng)用。 該方法利用主成分分析（ PCA）方法求得訓(xùn)練樣本的特征空間，然后在此基礎(chǔ)上計(jì)算 FLDA 算法的特征子空間，進(jìn)一步對(duì)特征臉空間降維。 關(guān)鍵詞 ： 人臉識(shí)別 ； 主成分分析 ； 模糊線性判別分析；特征臉 沈陽(yáng)航空航天大學(xué)畢業(yè)設(shè)計(jì)（論文） III Face Recognition Algorithm based on Fuzzy linear discriminant analysis Abstract Face recognition technology is a kind of Biological recognition technology. With its immediacy, uniqueness and convenience, etc. It gets more and more widely used in terms of public security, customhouse, traffic, finance, video conference, the study on robot’s intelligence. Face recognition technology is a frontier topic in the field of pattern recognition. In the past few decades, the researchers tried to use a puter to imitate human39。 Eigenface 目 錄 1 緒 論 ............................................................................................................................... 1 人臉識(shí)別的研究背景和意義 ..................................................................................... 2 人臉識(shí)別的發(fā)展史和應(yīng)用 ......................................................................................... 3 發(fā)展歷史及發(fā)展現(xiàn)狀 .......................................................................................... 3 應(yīng)用和分類 .......................................................................................................... 4 本文的主要內(nèi)容與安排 ............................................................................................. 5 2 人臉識(shí)別基礎(chǔ) ................................................................................................................... 7 人臉庫(kù) ......................................................................................................................... 7 Yale 人臉庫(kù) ........................................................................................................... 7 ORL 人臉庫(kù) .......................................................................................................... 8 特征提取 ..................................................................................................................... 8 主成分分析 .......................................................................................................... 9 線性辨別分析 .................................................................................................... 10 分類器設(shè)計(jì) ............................................................................................................... 13 3 基于子空間分析的人臉識(shí)別方法 ................................................................................. 15 基于 PCA 的特征臉?biāo)惴? ......................................................................................... 15 基于 LDA 的 Fisher 臉?biāo)惴?..................................................................................... 17 基于 FLDA 的模糊線性判別分析算 法 .................................................................. 18 4 基于 PCA 和 FLDA 的人臉識(shí)別 ................................................................................... 20 基于 PCA+FLDA 的人臉識(shí)別算法 ........................................................................ 20 實(shí)驗(yàn)仿真 ................................................................................................................... 21 Yale 人臉庫(kù) ......................................................................................................... 21 ORL 人臉庫(kù) ........................................................................................................ 24 小結(jié) ........................................................................................................................... 27 結(jié) 論 ................................................................................................................................. 28 參考文獻(xiàn) ............................................................................................................................. 30 致 謝 ................................................................................................................................. 32 沈陽(yáng)航空航天大學(xué)畢業(yè)設(shè)計(jì)（論文） V 附錄Ⅰ 源程序清單 ........................................................................................................... 33 沈陽(yáng)航空 航天大學(xué) 畢業(yè)設(shè)計(jì)（論文） 1 1 緒 論 人臉在日常生活中發(fā)揮著重要作用，人類根據(jù)人臉進(jìn)行身份識(shí)別和表情判斷，完成日常的交際，人臉因此成為最重要和最自然的身份識(shí)別對(duì)象。因此我們需要更加方便、可靠、安全的身份驗(yàn)證方式。人臉識(shí)別系統(tǒng)通過(guò)視頻或靜態(tài)圖像來(lái)自動(dòng)捕獲和識(shí)別人臉，在生物特征認(rèn)證 、監(jiān)控、安檢、人機(jī)交互和多媒體監(jiān)督等領(lǐng)域有著廣泛的應(yīng)用前景。盡管已經(jīng)取得很多進(jìn)展，但到目前為止人臉識(shí)別仍然是一個(gè)難度很大的課題，識(shí)別算法只能 在用戶配合、條件理想、小規(guī)模的人臉庫(kù)上取得較好的識(shí)別效果。現(xiàn)階段技術(shù)水平可依據(jù)的生理特征一般為：手型、掌紋指紋、 人臉、虹膜、耳廓、 DNA 等；可依據(jù)的行為特征如：字跡、步態(tài)、語(yǔ)音等。 在各種生物特征識(shí)別技術(shù)中，人臉識(shí)別技術(shù)更具有其獨(dú)特的優(yōu)勢(shì)，主要有以下幾個(gè)方面：（ 1）隱蔽性強(qiáng)，可在一定距離之外，識(shí)別對(duì)象不知情的情況下完成識(shí)別過(guò)程，特別適用于安全監(jiān)控系統(tǒng)。（ 5）通過(guò)對(duì)人臉的表情，姿態(tài)，口型等分析，能獲得較其他識(shí)別技術(shù)更多更難以獲得的信息。人臉識(shí)別作為典型的圖像模式分析、理解與分類計(jì)算問(wèn)題，其研究面跨越了模式識(shí)別、圖像處理分析與理解、計(jì)算機(jī)視覺(jué)、人工智能、認(rèn)知科 學(xué)、人工神經(jīng)網(wǎng)絡(luò)、神經(jīng)生理學(xué)、心理學(xué)等眾多的學(xué)科領(lǐng)域，并為這些學(xué)科領(lǐng)域創(chuàng)造新方法、驗(yàn)證新理論和解釋新現(xiàn)象提供了良好的應(yīng)用平臺(tái)。人臉識(shí)別技術(shù)的研究從最開始 需要人工干預(yù)、識(shí)別方法匱乏、識(shí)別率低下逐步發(fā)展到現(xiàn)在的自動(dòng)化識(shí)別程度較高、識(shí)別方法算法豐富、識(shí)別率較高階段，大致經(jīng)過(guò)了三個(gè)發(fā)展階段： 第一階段為非自動(dòng)識(shí)別階段，以 Bertillon， Allen 和 Parke 為代表，主要研究如何提取人臉特征。這一階段的工作模式特點(diǎn)是需要人工干預(yù) ，識(shí)別過(guò)程完全依賴操作人員。 （ ）設(shè)計(jì)了一個(gè)有一定知識(shí)導(dǎo)引的半自動(dòng)回溯識(shí)別系統(tǒng)，利用積分投影法從單張圖像上提取計(jì)算出一組人臉特征參數(shù)，然后利用模式分類技術(shù)與標(biāo)準(zhǔn)人臉圖像相匹配，相較于之前的識(shí)別系統(tǒng)， Kanad 的系統(tǒng)實(shí)現(xiàn)了快速、實(shí)時(shí)地處理，這是一個(gè)很大的進(jìn)步。上個(gè)世紀(jì) 90 年代起，計(jì)算機(jī)、數(shù)字圖象處理、模式識(shí)別等技術(shù)的發(fā)展和人類社會(huì)對(duì)人臉圖像自動(dòng)識(shí)別系統(tǒng)的迫切需求推動(dòng)了人臉識(shí)別技術(shù)的突破，多種基于計(jì)算機(jī)的全自動(dòng)人臉識(shí)別系統(tǒng)開始問(wèn)世。比如 Vision nics 公司的 Face It 人臉識(shí)別系統(tǒng)， Microsoft 公司的 TrueFace 系統(tǒng)，和 Zn Boc hum Gmbh 公司的 ZNFace 系統(tǒng)等。反過(guò)來(lái)也正是越來(lái)越多領(lǐng)域?qū)θ四樧R(shí)別技術(shù)的應(yīng)用和需求愈加增長(zhǎng)，大力推動(dòng)了人臉識(shí)別技術(shù)的發(fā)展速度。大多應(yīng)用在公共安全領(lǐng)域：如公安系統(tǒng)中對(duì)嫌疑犯、被害人等的身份進(jìn)行鑒定；銀行、公司等公共場(chǎng)合發(fā)生非法分子闖入或異常狀況時(shí)先通過(guò)視頻監(jiān)控采集人臉圖像，再利用人臉識(shí)別技術(shù)與數(shù)據(jù)庫(kù)進(jìn)行對(duì)比，確定闖入者身份。 隨著人臉識(shí)別技術(shù)的不斷發(fā)展和創(chuàng)新，人臉識(shí)別的應(yīng)用領(lǐng)域?qū)?huì)更加的廣闊。本文中，主要采用主成分分析（即 PCA）和模糊線性判別分析（即 FLDA）兩種算法結(jié)合設(shè)計(jì)一個(gè)人臉識(shí)別算法。 第二章，人臉識(shí)別基礎(chǔ)知識(shí)。本章介紹了基于主成分分析（ PCA）的特征臉?biāo)惴?、基于線性判別分