论文部分内容阅读
身份验证或识别是目前计算机领域里的一个研究热点,如何可靠、方便地进行身份验证和识别己成为人们日益关心的问题。人脸识别技术早在六七十年代就引起了研究者的强烈兴趣,由于人脸图像采集具有的非接触性和易获取性,使得人脸识别技术的应用非常广泛。但是,由于人脸受到光照、表情、年龄等变化的影响,其识别精度有待进一步提高。因此人脸识别技术直到现在仍然受到广大研究者的关注。 论文首先介绍了人脸识别技术的研究背景、研究意义以及典型的人脸识别系统,分析了人脸识别过程中的难点,归纳总结了目前人脸识别的主要方法,并对小波变换和人工神经网络理论进行了深入的研究分析,提出了一种基于小波与神经网络的人脸识别方法。 首先利用小波技术与图像基本处理方法对原始图像进行预处理,接着定位出双眼瞳孔中心的位置并进行人脸标准化,再利用小波变换和非负矩阵分解(NMF)的方法对标准化人脸图像进行特征提取,最后把提取出的人脸特征向量载入 BP神经网络进行训练或匹配。 另外,构建了一个小规模的人脸库以验证所提方法的有效性,采集了10个不同个体的人脸作为研究图像,每个人采集了7幅人脸图像共70幅,包括了不同位置、不同光照条件下的人脸。同时,为了便于与以往的研究进行对比,本文还采用了Yale人脸库中的人脸图像进行大量试验。 本文具有以下特点: (1)提出了小波、神经网络与非负矩阵分解的人脸识别技术与方法。 (2)构建了不同条件下小规模人脸库以验证本文的有效性,识别率达到100%。在MATLAB7.1平台上,经实验研究表明,所提出的方法在自建人脸库上的识别率 为100%,误识率为0%。用耶鲁大学的Yale标准人脸库中的人脸图像进行实验,识别率有一定的提高。此外,本文提出的方法还有简单易行、运行效率高等特点。