论文部分内容阅读
人脸识别具有主动性、非侵犯性和用户友好等许多优点,是人体生物特征识别技术的一个重要方向。因其在安全验证系统、信用卡验证、医学、档案管理、视频会议、人机交互、系统公安(罪犯识别等)等方面的巨大应用前景而越来越成为当前模式识别和人工智能领域的一个研究热点。虽然人类能毫不费力地识别出人脸及其表情,但人脸的自动机器识别却是一个难度极大的课题。它牵涉到模式识别、图像处理及生理、心理学等方面的诸多知识。
本文的研究内容主要是单人正面人脸图像的特征提取以及鉴别和匹配。论文描述了人脸识别的主要过程:图像预处理、人脸特征的提取和匹配。基于普渡大学人脸识别研究组提供的AR 人脸数据库,本文采用最小欧氏距离和支撑向量机(SVM )分类器分别对人脸图像的PCA 、KPCA 、R-LDA 、KDDA 和中心矩特征进行了识别试验。结果表明,SVM 分类器的识别性能优于最小欧氏距离分类器,且KDDA 特征的识别性能最优。