基于PCA算法的人脸识别

中南民族大学毕业论文(设计)学院：电子信息工程学院专业：电子信息工程年级：2012级题目:基于PCA算法的人脸识别学生姓名：学号：指导教师姓名:职称:2016年5月26日中南民族大学本科毕业论文（设计）原创性声明本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加以标注引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写的成果作品。本人完全意识到本声明的法律后果由本人承担。作者签名：年月日注：本页放在学位论文封面后，目录前面目录摘要................................................................1Abstract............................................................11绪论..............................................................21.1人脸识别的研究意义..........................................21.2人脸识别国内外概况..........................................21.3人脸识别的主要研究内容......................................31.4本文研究内容与结构安排......................................42PCA算法原理......................................................42.1PCA原理.....................................................42.1.1K-L变换原理...........................................52.1.2K-L变换性质...........................................62.1.3特征值选取.............................................72.2PCA计算过程.................................................73基于PCA算法的人脸识别............................................83.1构建特征脸空间..............................................83.2特征提取....................................................83.3人脸识别....................................................94人脸识别实验.....................................................104.1图像的预处理...............................................104.1.1几何归一化............................................104.1.2直方图均衡化..........................................114.1.3灰度归一化............................................114.2人脸库介绍.................................................124.3实验设计...................................................124.3.1实验基本流程图........................................134.3.2实验设计过程..........................................134.4实验结果与分析.............................................144.4.1实验结果..............................................144.4.2实验结果分析..........................................165总结.............................................................16致谢...............................................................17参考文献...........................................................181基于PCA算法的人脸识别摘要：本文探讨了基于主成分分析（PCA）的人脸识别方法。二十多年以来，PCA算法已广泛应用于人脸识别，成为最流行的人脸表示方法之一。它不仅降低了人脸图像特征的维数，缓解了维数灾难的问题，同时使得人脸表达更为紧凑。在本文的研究中，首先利用PCA对人脸降维，其次采用最邻近法对人脸图像进行分类，最后在AT＆T人脸数据库上对此方法进行评估。实验结果表明，该方法具有较好的识别性能。关键词：人脸识别；主成分分析法；最邻近法FaceRecognitionBasedonPCAMethodAbstract:Inthispaper,westudytheprincipalcomponentanalysis(PCA)whichisoneofthemostpopularrepresentationmethods.NotonlydoesthePCAmethodreducethedimensionalityofthefaceimage,butitavoidstheproblemoftheCurseofDimensionalityaswell,therebygettingmorecompactfacerepresentation.Soithasbeenextensivelyemployedforfacerecognitioninthepastfewdecades.AfterperformingthePCAmethod,thenearestneighborruleisappliedtoclassifythefaceimage.Finally,thePCAalgorithmisevaluatedontheAT&Tfacedatabase,andtheexperimentalresultsshowthatthisalgorithmachievesprettygoodperformance.Keywords:facerecognition;principalcomponentanalysis;nearestneighborrule21绪论1.1人脸识别的研究意义进入21世纪以来，人们的日常生活向着自动化和科技化方向发展，信息安全也日趋重要，普通的身份识别方式（如钥匙、磁卡、密码等）已经无法保证信息的安全。生物特征识别技术因具有高效、稳定、快速等特点，而迅速成为人们关注的研究领域。它是一项用能标识个人特定身份的生理特征或者行为、神态等进行身份认证的技术。虹膜识别、步态识别和人脸识别等均属于该项技术的研究方向，这些识别方法具有高效、便捷、难以被伪造等特点，避免了传统的身份认证易丢失、遗忘和被破解的弊端。人脸识别是借助计算机分析人脸图像，提取出可识别信息，进行身份认证的一种方法。与其它生物特征识别相比，人脸识别起步较晚，不过由于其个体的差异性和自身很强的稳定性，它具有友好、方便、直接等显著优势，迅速席卷业界，成为一项热门的生物特征识别技术[1-3]。人脸识别技术广泛应用在国家安全、保险、民政、金融等领域[4]。公安部门存有居民的户籍档案等，刑侦部门对犯罪人员的档案进行备份。利用现场抓拍或监控等方式可以获取可疑分子照片，再应用人脸识别技术检索犯罪嫌疑人数据库，从而快速锁定嫌疑人，提高破案效率。又如反恐工作中，人脸识别技术被用于加强银行等重要场所的监控和安检，以防恐怖袭击。人脸识别的研究还涉及到计算机视觉、人工智能、人脑认识和心理学等众多领域[5]。计算机视觉等相关理论知识指导人脸识别技术研究的不断深入，同时人脸识别也引领这些理论知识延伸发展和开拓前进，促进新理论和新方法的产生。因此，人脸识别技术作为一项具有重要理论价值和广阔应用前景的课题，一直被业界所青睐。1.2人脸识别国内外概况人脸识别的研究已有很长的历史，甚至可以追朔到上个世纪50年代，大致可以分为三个阶段[6]。第一阶段（20世纪50年代至90年代），人脸识别被当作一个一般性的模式识别问题，主流技术基于人脸的几何结构特征。这项技术并没有形成一个统一、较好的特征提取方法，尽管取得的成果也很多，但并没有得到广泛应用。第二阶段（20世纪90年代），人脸识别迅速发展，出现了很多经典的方法，例如EigenFace,FisherFace和ElasticGraphMatching[7,8]等，此时主流的技术路线为人脸表观建模。这些方法在较理想的图像采集条件、测试对象配合、中小规模正面人脸数据库上达到了非常好的性能，得到广泛应用，并沿用至今。3第三阶段（20世纪90年代末至今），人脸识别的研究不断深入，研究者开始关注真实条件的人脸识别问题，主要包括以下四个方面的研究：1）提出不同的人脸空间模型，包括以LDA为代表的线性建模方法，以核方法为代表的非线性建模方法；2）深入分析影响人脸识别的因素，包括光照不变人脸识别、姿态不变人脸识别和表情不变人脸识别等；3）利用新的特征表示，包括局部描述子（GaborFace，LBPFace等）和深度学习方法；4）利用新的数据源，例如基于视频的人脸识别和基于素描、近红外图像的人脸识别。人脸识别基本架构包括四个部分：人脸检测、人脸对齐、特征提取和分类识别，如图1-1所示。人脸检测人脸对齐特征提取分类识别静态图像身份确认图1-1人脸识别系统架构人脸检测判断静态图像中是否包含人脸，若存在，返回人脸的大小和位置，是人脸识别中的关键步骤。人脸对齐是在人脸检测的基础上，进一步确定脸部特征点（眼睛、眉毛、鼻子、嘴巴、脸部外轮廓）的位置。特征提取可以从图像中提取特定的判别特征以区分不同人脸。特征提取是人脸识别的关键部分,它直接关系到人脸识别系统的性能，一直是人脸识别研究的难点与热点。分类识别是对测试人脸和数据库人脸用有效分类器进行比较，确定测试人脸的身份。人脸识别借助计算机并使用特定算法，将测试人脸图像与数据库中的人脸比对，进行身份判定，概念上划分为身份确认和身份辨识两种[9]。按获取的人脸图像的维数来分，人脸识别可以分为2D人脸识别和3D人脸识别。人脸是三维结构的典型代表，所以二维的人脸会丢弃人脸面部一些特征信息，如深度信息等。所以3D人脸识别比2D人脸识别更好。这方面的经典成果有：Xiao[10]提出的三维形变模型、Lee[11]提出的三维网格模型、Ye[12]提出的三维多模态模型及Hallinan[13]提出的三维弹性图模型等。人脸识别还可分为基于静态图像和基于视频图像的人脸识别。连续变化的人脸可以估计3D人脸模型，从而补偿人脸姿态变化，这是视频人脸识别的主要优点。另外，视频序列中的运动信息，也有利于提高人脸识别的识别率和鲁棒性。本文研究的人脸识别是一种基于静态图像的2D人脸识别。1.3人脸识别的主要研究内容人脸识别(FaceRecognition)的研究范围大致包括以下5个方面的内容[6]：人脸检测(FaceDetection)、人脸表达(FaceRepresentation)、人脸鉴别(Face4