论文部分内容阅读
人脸识别是人工智能领域和模式识别领域的一个前沿课题,它涉及模式识别、图像处理、神经网络以及生理学、心理学等诸多学科的内容。由于人脸识别具有非接触、隐蔽、快捷等优势,以及难度大、多学科的特点,针对人脸识别的研究具有重要的学术价值,并且已经作为一种重要的生物识别方式被应用到刑侦破案,证件验证,门禁系统,视频监视等场合中。人脸自动识别系统一般包括人脸检测,特征提取,人脸识别三个部分。本文着重研究了应用于特征提取和人脸识别两个部分的算法。首先,本文从原理上分别讨论了小波变换,频域变换,支持向量机(Vector Support Machine, SVM)分类器和二维主成分分析(2-Dimensional Principal Component Analysis,2D PCA)等方法,并分别在ORL人脸库和Yale人脸库进行实验,找出了小波变换适合于人脸识别的小波函数和子图像选取方式,最有利于提高识别率的滤波函数,离散余弦变换的系数选择比例,最佳的SVM惩罚因子和核参数,以及最佳的2DPCA的主成分个数等。其次,本文按识别步骤的不同讨论和比较了空间滤波、频域滤波和基于均值调整算法等三种预处理方法;比较了小波变换、离散余弦变换和2DPCA等三种特征提取方法的效果,并给出了它们在ORL人脸库和Yale人脸库上的识别结果。最后,本文将讨论过的各种方法结合,以求达到最高的识别率。结合小波理论、图像处理、SVM分类器和2DPCA理论,通过反复实验,本文得到了一些有价值的结论。在ORL人脸库上,在5个训练样本,5个测试样本的情况下,采用本文提出的结合图像变换预处理和多种特征提取结合的方式进行人脸识别,利用“一对多”SVM分类器,最大识别率可达98%;在Yale人脸库上,在5个训练样本,6个测试样本的条件下,可以得到最高93.3%的识别率。