基于子图分割的人脸特征提取算法性能比较研究
摘 要
人脸识别技术是国内外共同关注的一个前沿课题，在现代经济和社会的发展中有着十分广泛的应用领域和应用前景，如安全系统、罪犯识别、电视会议等，人脸识别技术也是当前模式识别和人工智能领域的研究热点之一。
本文分析了人脸识别技术的研究现状，结合已有的研究基础提出了基于变异系数的人脸特征提取算法和基于奇异值分解的人脸特征提取算法，并结合子图分割思想和神经网络技术对算法进行了评价。在基于变异系数的算法中，选择合适的变异系数代表原图的特征减少了图像信息的冗余。进一步研究表明去除包含信息量少的子图能在一定程度上提高识别率并节约计算资源。在基于奇异值分解的算法中，将图像变换后的奇异值作为特征，这具有一些良好的性质，如稳定性、比例不变性和旋转不变性。和一些人脸识别方法相比，本文提出的两种人脸识别算法具有较好的性能，基于ORL人脸库的性能模拟实验表明，算法具有较高识别率。此外，本文在VC++ 6.0环境下，作者依据前期研究成果并结合图像处理和模式识别的基本原理开发了一个静态人脸图像识别演示系统。该系统能有效快捷的进行人脸识别。
关键词：人脸识别，子图分割，变异系数，奇异值分解，反向传播神经网络
目 录
摘 要.....................................................I
ABSTRACT......................................................II
1. 绪论 1
1．1 课题研究背景 1
1．2 课题研究内容 2
1．3 论文组织结构 3
2. 人脸识别综述 4
2．1 特征提取算法 4
2．1．1 基于几何特征的方法 4
2．1．2 基于模型的方法 5
2．1．3 基于统计的方法 5
2．1．4 弹性图匹配方法 6
2．2 基于三维数据的人脸识别的方法 7
2．2．1 基于曲率的方法 7
2．2．2 基于模型合成的方法 7
2．3 分类算法 7
2．3．1 基于神经网络的方法 7
2．3．2 多分类器集成方法 8
2．4 总结 8
3. 神经网络概述 10
3．1 人工神经网络概述 10
3．2 神经元模型 10
3．3 BP神经网络分类器 11
3．3．1 BP神经网络模型 11
3．3．2 BP网络学习算法 12
4. 基于子图分割的人脸特征提取算法与人脸识别系统 15
4．1 子图分割思想 15
4．2子图分割与变异系数相结合的人脸特征提取算法 15
4．2．1变异系数的传统意义及其在图像处理中的应用 15
4．2．2变异系数的几何意义及其在图像处理中的应用 16
4．2．3变异系数的选取 18
4．3 子图分割与奇异值分解相结合的人脸特征提取算法 20
4．3．1 奇异值的代数特性及其在图像处理中的应用 20
4．3．2 奇异值的降维压缩 21
4．3．3 奇异值的选取 22
4．4 系统框架 23
4．4．1 图像预处理 23
4．4．2 特征提取算法中系数选取的方案 24
4．4．3 BP神经网络的结构设计 25
5. 性能分析 27
5．1 人脸数据库 27
5．2 实验结果 28
6. 静态人脸图像识别演示系统 35
6．1 系统简介 35
6．2 系统的基本技术要求 35
6．3 系统中的关键技术 35
6．4 系统的软硬件平台 35
6．5 系统实现 36
6．5．1 系统流程图 36
6．5．2 系统总体编程框架 36
6．5．3 程序使用说明 38
7. 总结 43
致 谢 44
参考文献 45
