人臉特征提取和識別算法的研究與實現(xiàn).pdf

1、人臉識別是人工智能領(lǐng)域和模式識別領(lǐng)域的一個前沿課題，它涉及模式識別、圖像處理、神經(jīng)網(wǎng)絡(luò)以及生理學(xué)、心理學(xué)等諸多學(xué)科的內(nèi)容。由于人臉識別具有非接觸、隱蔽、快捷等優(yōu)勢，以及難度大、多學(xué)科的特點，針對人臉識別的研究具有重要的學(xué)術(shù)價值，并且已經(jīng)作為一種重要的生物識別方式被應(yīng)用到刑偵破案，證件驗證，門禁系統(tǒng)，視頻監(jiān)視等場合中。
　　 人臉自動識別系統(tǒng)一般包括人臉檢測，特征提取，人臉識別三個部分。本文著重研究了應(yīng)用于特征提取和人臉識別兩個部

2、分的算法。首先，本文從原理上分別討論了小波變換，頻域變換，支持向量機(Vector Support Machine，SVM)分類器和二維主成分分析(2-Dimensional Principal Component Analysis，2D PCA)等方法，并分別在ORL人臉庫和Yale人臉庫進行實驗，找出了小波變換適合于人臉識別的小波函數(shù)和子圖像選取方式，最有利于提高識別率的濾波函數(shù)，離散余弦變換的系數(shù)選擇比例，最佳的SVM懲罰因子和核

3、參數(shù)，以及最佳的2D PCA的主成分個數(shù)等。其次，本文按識別步驟的不同討論和比較了空間濾波、頻域濾波和基于均值調(diào)整算法等三種預(yù)處理方法；比較了小波變換、離散余弦變換和2D PCA等三種特征提取方法的效果，并給出了它們在ORL人臉庫和Yale人臉庫上的識別結(jié)果。最后，本文將討論過的各種方法結(jié)合，以求達到最高的識別率。
　　 結(jié)合小波理論、圖像處理、SVM分類器和2D PCA理論，通過反復(fù)實驗，本文得到了一些有價值的結(jié)論。在ORL人