【正文】 .. 2 第二章 人臉圖像的處理 ....................................................................................... 4 圖象的人臉定位 ............................................................................................. 4 圖象的預處理 ................................................................................................. 4 人臉樣本庫圖象的訓練 ................................................................................. 4 第三章 基于 PCA 算法的人臉識別 .................................................................. 5 PCA 的基本思想 .............................................................................................. 5 PCA 算法基本數(shù)學原理 .................................................................................. 5 人臉識別中 PCA 算法的具體步驟 ................................................................. 6 PCA 算法在人臉識 別中的應(yīng)用 ...................................................................... 7 PCA 人臉識別優(yōu)缺點分析 .............................................................................. 8 第四章 人臉識別系統(tǒng)的實現(xiàn)及實驗結(jié)果分析 .......................................... 8 人臉識別系統(tǒng)的設(shè)計 ..................................................................................... 8 系統(tǒng)功能介紹 ................................................................................................. 9 主菜單界面 ................................................................................................. 9 訓練圖像 ..................................................................................................... 9 載入照片 ................................................................................................... 10 人臉識別的功能與說明 ........................................................................... 10 功能實現(xiàn)及主要函數(shù)說明 ........................................................................... 10 保存圖像和訓練圖像 ............................................................................... 11 人臉識別的過程 ......................................................................................... 11 實驗結(jié)果 ........................................................................................................ 12 影響人臉識別的因素 .................................................................................... 12 光照變化 ..................................................................................................... 13 人臉形態(tài)變化 ............................................................................................. 13 結(jié)論 ............................................................................................................................ 15 致謝 ............................................................................................................................ 16 參考文獻 ................................................................................................................... 17 附錄 ............................................................................................................................ 18 I 基于 PCA 算法的人臉識別系統(tǒng)設(shè)計 摘要 ： 近年來，人臉識別在國內(nèi)有著蓬勃的發(fā)展趨勢，在很多領(lǐng)域都有應(yīng)用。本文最后總結(jié)了本次畢業(yè)設(shè)計中，自己的不足之處，以及對這次畢業(yè)設(shè)計的感悟，自己的心得體會。當前社會，很多地方都涉及到安 全問題，上網(wǎng)娛樂、銀行業(yè)務(wù)、網(wǎng)上購物、家庭防盜門等許多日?；顒佣几艽a息息相關(guān)，隨著服務(wù)數(shù)量的增加，密碼也隨之增多，導致不能準確的記憶。中國已經(jīng)掌握了當前熱點研究領(lǐng) 域的人臉識別核心技術(shù)。 人臉識別的理論發(fā)展趨勢大概可以 劃分為三個階段： 第一個階段，主要以貝迪永、艾倫和帕克為代表，研究的是人臉識別需要用到的的臉部特征。我們可以預測出人臉圖像識別在未來會有非常開闊的應(yīng)用前景，如表 中所列舉就是已經(jīng)完成或正在完善的應(yīng)用。如表 所示。 利用 MALTALAB軟件的圖 象處理，對圖象進行歸一化處理。 第三章 基于 PCA 算法的人臉識別 PCA 的基本思想 PCA：就是我們通常說的主成分分析法，它可以把確定一個事物的特征提取出來，舍去沒有特點的特征值，提取事物的本質(zhì)因素，從而使復雜的問題簡化。 接著求出協(xié)方差矩陣 C 的特征值，我們選取前 q（ qk）個最大的特征值，然后求出這 q個特征值對應(yīng)的特征向量。 3．選取第 2 步所得的 15 個最大特征值對應(yīng)的特征向量組成投影矩陣 A，將每張樣本庫的圖象向矩陣 A投影，得到 15 個新的矩陣。 對于圖像的識別，也被視為一個列向量，投影到子空間中獲得一個投影矩陣，然后求出這個投影矩陣與樣本圖象投影矩陣之間的歐式距離，找出歐式距離最小的那張圖象，這張圖像就是與待識別圖 像最相近的。 因此，為了提高識別率，減少外部環(huán)境對辨別結(jié)果的影響，該系統(tǒng)的實際應(yīng)用中，往往需要結(jié)合其他方法，如小波變換， Gabor 算法，神經(jīng)網(wǎng)絡(luò)算法等等，使用 PCA 方法單獨開發(fā)的系統(tǒng)很難在實踐中應(yīng)用，但與其它方法結(jié)合可以達到很好的效果，現(xiàn)在的人臉識別系統(tǒng)的產(chǎn)品大多數(shù)都是采用幾種方法相結(jié)合的方式。在人臉樣本眾多的情況下，樣本訓練過程會比較慢，人臉識別過程也會相對復雜，所以本設(shè)計只針對少量樣本 10 的人臉庫。 圖 人臉的識別 功能實現(xiàn)及主要函數(shù)說明 11 本設(shè)計主要有三個函數(shù)： 、 、 。接著利用 PCA算法，提取圖象的特征值。 實驗結(jié)果 設(shè)計中有 7個人的頭像，每個人有 5張樣本圖象，一共有 35張樣本圖象。 光照變化 在 人臉識別中，如果樣本庫圖象光照與待識別圖象光照差距很大的時候，識別率一般都會很低。 系統(tǒng)存在的問題 首先，在運行時間方面，一般是可以接受的，但反應(yīng)速度慢，對數(shù)據(jù)庫的讀寫和存儲的主要相關(guān)，且計算量比較大。 （ 2）分析了各種分類器在人臉識別中的使用。最后非常感謝每一位幫助過我的老師和同學。Value39。gui_OpeningF39。 if nargin amp。,39。 39。)。*.png。 end strfullname = strcat(pathname,filename)。 39。,39。,39。%提示信息 set(,39。你還未訓練樣本，請先訓練 !39。 load trainresult %裝載訓練結(jié)果 25 goalpixnum = goalsize(1)*goalsize(2)。string39。%取出某個樣本的 PCA 特征 d = dist(testfeatures,tempfeature)。string39。 39。,classlabel,picindex)。 strtitle = sprintf(39。 set(,39。 axes()。 end [minvalue,minindex] = min(dd)。測試數(shù)據(jù)降維 ......39。%獲取圖片的大小，以及色彩類型 if color == 3%如果是彩色圖片 I1 = rgb2gray(I)。提示 39。,report)。}。,39。 set(,39。%讀取圖片 axes