【正文】 假設(shè)采集數(shù)據(jù)點是 (2,2)，一般并不會 記錄 (2 2,0) 。 PCA 的目標(biāo)就是找到這樣的 “ 主元 ” ，最大程度的去除冗余和噪音的干擾。如何去除噪音 是實驗者 每天 都要思考和解決的問題 。那么，一般來說，必須記錄下球的三維位置 (x0,y0,z0)。在神經(jīng)科學(xué)、氣象學(xué)、海洋學(xué)等等學(xué)科實驗中，假設(shè)的變 量個數(shù) 往往 非常之多 ， 但是真正的影響因素以及它們之間的關(guān)系可能又是非常之簡單的 。 PCA被 稱為 應(yīng)用線形代數(shù)最 有 價值的結(jié)果之一 。把通過上式得到畸變圖像位置上的灰度值去除添回 到空白校正圖像點陣中相應(yīng)的位置上，并且還需要經(jīng)過灰度內(nèi)插來確定 (x,y)的位置的灰度值。( , )( , )xyx F x yy F x y? ??? ??? （ ） 進行轉(zhuǎn)換，其中 ,xyFF為直接校正變換函數(shù) 。 幾何歸一化主要的內(nèi)容有大小矯正，平移，旋轉(zhuǎn)和翻轉(zhuǎn)。常用的圖像銳化方法為拉普拉斯銳化。邊緣保持濾波器結(jié)合兩者的優(yōu)點，在濾除噪聲脈沖的同時，也不會使圖像的邊緣十分模糊。它在平滑脈沖噪聲方面非常有效，同時它可以保護像素尖銳的邊緣。這就意味著平滑圖像不會被不需要的高頻信號所污染，同時保留了大部分所需信號。 2. 高斯平滑濾波器 由于高斯函數(shù)的傅里葉變換仍是高斯變換，因此高斯函數(shù)能構(gòu)成一個在頻域具有平滑性能的低通濾波器，它對去除服從正態(tài)分布的噪音非常有效。全局處理類的方法需要了解信號和噪聲的統(tǒng)計模型。動態(tài)閥值法適應(yīng)性和性能都比較好，實際中對于人臉識別常采用此法進行二值化。 二 、 二值化 二值化是通過選取適當(dāng)?shù)拈y值將灰度圖像的灰度值從 0 到 255 變換為只有 0 和 255 的黑白圖像。[ , ]ab ，則 它們 之間關(guān)系為 39。常用的人臉預(yù)處理有：灰度變化，二值化 ，直方圖 均衡 ，圖像濾波，圖像銳化和歸一化處理。 PNG 是目前保證最不失真的格式，它綜合 GIF 和 JPG 兩者的優(yōu)點，存儲形式豐富，兼有GIF 和 JPG 的色彩模式。與 GIF 相關(guān)的專利于 2021 年 8 月 11 日過期。據(jù) Unisys 公司稱，他們已注冊了 LZW 算法中的 W 部分。 四 、 GIF 格式 GIF 圖像互換格式（ Graphics Interchange Format） 是 CompuServe 公司在 1987 年開發(fā)的圖像文件格式。 三 、 BMP 格式 BMP(BitmapFile） 圖形文件是 Windows 采用的圖形文件格式，在 Windows 環(huán)境下運行的所有圖象處理軟件都支持 BMP 圖象文件格式。 JPEG2021 通常被認為是未來取代 JPEG（基于離散余弦變換）的下一代圖像壓縮標(biāo)準(zhǔn)。 一 、 JPEG格式 JPEG 文件格式是常用的圖像文件格式。 CASE— PEAL— R1 為 CASE— PEAL 的共享版，可以提供給研究人員用以研究使用。 faces94 數(shù)據(jù)庫中人臉圖像是在 受試者坐在距離相機固定位置，并要求講話的情況下采集而成 。任何人都可以下載它的人臉數(shù)據(jù)庫，但是你不能發(fā)布，打印，銷售或發(fā)行這些圖像。 MIT 人臉數(shù)據(jù)庫有麻省理工大學(xué)媒體實驗室建立，由 16 位志愿者的2592 副多姿態(tài)，多光照和不同大小的圖像組成。 第 三 節(jié) 人臉數(shù)據(jù)庫 人臉數(shù)據(jù)庫是人臉識別研究，開發(fā)和評測不可缺少的。然后對相鄰區(qū)域所 有邊界進行分析，若便捷信息強，則邊界不變，若邊界信息弱 ，則消除個邊界并合并相應(yīng)的鄰 域。全局閥值方法是使用整個圖像的灰度信息，來得到用于分割的閥值。其包含有基于邊緣檢測的方法，基于閥值的方法和基于區(qū)域增長的方法。一般而言，動態(tài)人臉圖像采集應(yīng)用于特殊場合，如犯罪識別過程，而靜態(tài)人臉圖像采集應(yīng)用于普通的安全場合。靜態(tài)人臉圖像的采集相對比較簡單，用數(shù)碼相機即可獲取。在人臉識別技術(shù)的主要難點小節(jié)主 要講解人臉識別的主要技術(shù)難點及本文是在什么樣的條件進行試驗的。特征提取是通過某種變換的方法組合原有的高維特征，從而得到一組低維的特征。 2. 特征 提取 原始數(shù)據(jù)組成的空間 被稱為 測量空間。由于物理特征和結(jié)構(gòu)特征容易被察覺，觸覺以及其他感覺器官所感知，所以人類常常是利用這些特征來 對對象進行識別。 二 、 預(yù)處理 預(yù)處理 是為了除去噪聲 和對測量儀器或其他因素對人臉圖像造成退化現(xiàn)象進行復(fù)原。 五 、 遮擋問題 對于非配合情況下，采集到的人臉圖像一般都不是完整的，這會影響人臉特征提取與識別，可能還會導(dǎo)致人臉檢測算法的 失效 。如何提高人臉識別系統(tǒng)對姿態(tài)的魯棒性是人臉識別中一個具有挑戰(zhàn)性的任務(wù)。但在人員不配合，采集條件不理想下，系統(tǒng)的性能陡然下降。三維人臉相比較于二維圖像提供了更加完整的人臉信息。 二 、 動態(tài)跟蹤人臉識別系統(tǒng) 目前的靜態(tài)人臉識別技術(shù)只能滿足一般身份識別場合如門禁系統(tǒng)，考勤系統(tǒng)等，無法進行人臉的動態(tài)跟蹤與識別。 人臉圖像維數(shù)都很高， PCA 方法不但很好表征人臉而且通過去除相關(guān)性，減少冗余，解決了在人臉識 別過程中圖像為數(shù)過高的問題 。 光照和姿態(tài)問題成為了研究焦點。它是人臉建模方面的一個新的進步。對于輸入的圖像，其通過一種優(yōu)化搜索策略來定位預(yù)先定位的若干面部關(guān)鍵特征點，同時提取它們的 Jet 特征，得到輸入人臉圖像的屬性圖。 后來很多人臉識別技術(shù)都與特征臉有 關(guān) ，現(xiàn)在特征臉已與歸一化的協(xié)相關(guān)量方法一起成為了人臉識別性能測試的基準(zhǔn)算法。 不過 1990 年以來，才得到了長足的進步。 本文主要介紹基于 PCA 的人臉識別 算法的實現(xiàn)， 除第一章外，其余 內(nèi)容按照人臉識別的流程可分為 人臉圖像獲取，人臉圖像預(yù)處理，人臉特征提取和 特征匹配 四個部分。 【關(guān)鍵詞】 人臉識別 PCA 算法 奇異值分解定理 歐幾里得距離 III ABSTRACT With the development of science and technology, the progress of human society, the traditional identification is easy to lose, easy to be cracked and it has not play an identifiable role. People need a more secure and reliable identification technology. Biometric is unique, easy to lose and replication characteristics of good meet the needs of the identification. With the development of puter science and technology and biomedical makes use of biometric identification has bee possible. In the field of biometric identification, face recognition with the advantages of operation is fast and simple, the results are intuitive, accurate and reliable,do not need coordination, has bee the focus of attention. The principal ponent analysis (PCA) to extract high dimensional face image of the main element, making the images are processed in lowdimensional space and it reduces the difficulty of image processing. PCA solves effectively the problem of high dimension image space and it has bee a very important theory in face recognition field. This paper is in this context of writing from. In accordance with the full recognition process to analyze the performance of PCAbased face recognition algorithm. The first to use the method of access to monly used face images for face images. In order to better analysis is based on the performance of the PCA face recognition system selected Essex face database. Next is the face image preprocessing methods. Essex face image quality is better, and have done the appropriate pretreatment, using only grayscale processing of this trial. Then use the PCA for face feature extraction using singular value deposition theorem to calculate the covariance matrix of the eigenvalues and eigenvectors, and use the Euclidean distance of the nearest neighbor classifier to the classification of human face discrimination. In the experiment, we found that a high recognition rate of the PCAbased face recognition system, but with a certain robustness, the PCAbased face recognition algorithm to achieve meaningful. 【 Key words】 face recognition PCA algorithm SVD Euclidean distance IV 目 錄 前 言 ................................................................. 1 第一章 人臉識別系統(tǒng)概述 ............................................... 2 第一節(jié) 人臉識別的研究概況 .......................................... 2 第二節(jié) 人臉識別的發(fā)展趨勢 .......................................... 3 一、多數(shù)據(jù)融合與方法綜合 ........................................ 4 二、動態(tài)跟蹤人臉識別系統(tǒng) ........................................ 4 三、基于小波神經(jīng)網(wǎng)絡(luò)的人臉識別 .................................. 4 四、三維人臉識別 ................................................ 4 五、適應(yīng)各種復(fù)雜背景的人臉分割技術(shù) .............................. 4 六、全自動人臉識別技術(shù) .......................................... 4 第三節(jié) 人臉識別技術(shù)的主要難點 ...................................... 5 一、復(fù)雜條件下人臉的檢測和關(guān)鍵點定位 ............................ 5 二、光照問題 .................................................... 5 三、資態(tài)問題 .................................................... 5 四、表情問題 .................................................... 5 五、遮擋問題 .................................................... 5 第四節(jié) 人臉識別流程 ................................................ 6 一、人臉圖像采集 ................................................ 6 二、預(yù)處理 ...