论文部分内容阅读
随着时代的发展和社会的进步,人们的防范意识越来越强,现代社会对快速有效自动身份验证的要求日益迫切。人脸识别,简单的说就是利用计算机视觉和模式识别技术的方法,提取表示人脸图像数据中的特征,判断该人脸的归属,进而确认该人的身份。人脸识别技术是模式识别领域一个非常活跃的研究课题,在法律、商业等领域有着广阔的应用前景。 人脸识别主要包括三个部分:一是人脸的检测定位和输入图像的预处理;二是进行人脸特征的选择与提取;三是设计识别分类器,并且利用设计好的分类器进行分类和识别。本文主要对第一步人脸图像预处理以及第二步特征提取中的若干问题进行研究,主要工作如下: 1.人脸图像预处理,消除背景、头发、服装等干扰,保留人脸识别所需的主要信息,以利于后续的特征提取与识别。本文针对眼部特征的定位提出了一种微分与积分投影相结合的定位算法,为人脸旋转归一化和尺寸归一化提供了较为精确的基准。 2.选择适当的特征提取技术,使其不仅能充分反映不同人脸的微妙差别,同时又保证同一对象的不同人脸图像特征有好的聚类性。本文介绍了基于图像代数特征的经典算法:PCA算法和LDA算法,并在04年新提出的2DPCA算法基础上,提出了基于类间散布矩阵的2DPCA方法,采用最近邻分类器进行分类和识别,取得了良好的分类效果。 3.代码的DSP移植和优化。本文选用TI公司TMS320C6x系列的DM642芯片,利用C语言和汇编语言混合编程的方法对代码进行DSP移植和优化。