论文部分内容阅读
人脸识别技术作为生物识别技术的研究内容之一,是模式识别、人工智能及计算机视觉等领域中的一个前沿课题。同利用指纹、手形、视网膜、签名、声音、虹膜等其他特征进行识别相比较,人脸识别技术具有普遍、无侵害性、可采集、接受程度高、稳定性较好等优点。人脸识别在罪犯身份识别、银行及海关监控系统、信息安全等领域都具有广泛的应用前景。人脸识别技术是一种应用计算机处理人脸图像,分析图像中含有的有效鉴别信息,去除无效的冗余、噪声等信息,通过和已知数据库中的人脸分类图像相比较,从而达到识别人脸所属类别目的的一门技术。目前人脸识别领域主要有两个研究方向：1、基于整体的研究方法,这一方向主要考虑了人脸图像所含有的整体属性,通过提取全局的特征来识别人脸。包括特征脸方法,神经网络方法等；2、基于特征分析的方法,这一方向主要是通过提取人脸图像中主要特征点的几何、代数特征来识别人脸。例如：基于提取眼睛、耳朵、鼻子等部件特征而形成特征向量的方法。论文主要考虑了人脸图像的分类信息,在此基础上重构人脸图像,应用非负矩阵方法提取人脸图像的鉴别特征,在ORL人脸库上和传统的PCA,分块PCA方法进行了比较,提高了识别率和识别速度,实验结果证明了本文方法的有效性。文章主要从以下几个方面对人脸识别技术进行了研究：1、介绍人脸识别技术的发展、人脸识别的过程、目前人脸识别所面临的主要挑战、同时概要叙述了一下人脸识别的研究现状。然后仔细分析了人脸识别领域已经被广泛应用的技术,如PCA、FDA、SVD、NMF等人脸识别方法。2、提出了一种基于对称性特征分块主成分分析的人脸识别方法。深入地分析了PCA人脸识别方法的原理,应用这一技术达到对人脸图像降维的目的,同时对人脸图像分块,提高人脸图像的样本数量,在此基础上考虑人脸图像的对称性特征,提取其中的奇偶分量特征,对提取出的分量特征应用PCA方法识别人脸类别,和PCA方法及分块PCA方法的比较证明了这一方法的有效性。3、研究了基于非负矩阵分解算法的人脸识别方法,对元素均为非负数的矩阵应用非负矩阵分解算法得到系数矩阵和基矩阵。提出了一种考虑位面切割方法提取更多的人脸位面图像,同时结合NMF方法识别人脸类别,和SVD+NMF的比较证明了本文所提方法的有效性。