论文部分内容阅读
生物特征识别技术是通过计算机利用人体所固有的生物特征或行为特征进行身份鉴定。与传统的身份认证技术相比,生物特征识别技术具有普遍性,唯一性,持久性以及可采集性等特殊性,成为新的身份验证手段。在众多的生物特征识别技术中,人脸识别技术提供了一种直接、友好、方便、非侵犯性、高可靠性和稳定的鉴别途径。因此,人脸识别技术有着非常广阔的应用前景。
本文全面阐述了人脸识别的一些新方法,重点研究了人脸图像的特征提取和特征匹配的内容,提出了改进算法。基于这些算法,实现了静态人脸识别系统。本文的主要工作包括以下几个方面:
(1)预处理:针对本文研究图像的特殊性,采用了以下处理方法:狄度均衡化,尺度归一化,小波压缩处理等方法。尽量使图像的干扰因素减少,特征得到突出,而弱化其不具有特征的部分。
(2)特征提取:本文在独立分量分析(ICA)方法的基础上,针对ICA特征空间没有选择优化能力,提出了遗传算法改进ICA的特征提取方法。实验证明改进的ICA方法比直接ICA方法提取的特征向量维数低,表征人脸能力强。
(3)分类器设计:在研究了神经网络分类器的基础上,提出了合作式的遗传神经网络分类器。该分类器首先利用遗传算法的全局搜索能力,在解空间内并行搜索得到神经网络的初始参数;然后使用BP算子在小范围内进行精确搜索,最终得到稳定解。研究表明,这种合作式的遗传神经网络有效地利用遗传算法的全局搜索特性和BP神经网络的局部搜索特性作分类器。实验结果表明该分类器能够改善神经网络训练过程的收敛步数。
本文使用MATLAB语言编程实现了人脸识别系统,利用该系统对两个标准的人脸数据库进行测试,识别率达可到90%以上。