模式識(shí)別課程論文——人臉識(shí)別_gai

1、基于 基于 Opencv 和 Matlab 的人臉檢測(cè)和識(shí)別 的人臉檢測(cè)和識(shí)別——模式識(shí)別課程設(shè)計(jì) 模式識(shí)別課程設(shè)計(jì)組長(zhǎng)：宋海波 組員：王思齊、顏陸紅、賈琛、曾常和、秦亞超人臉識(shí)別.................................................................................................................................

2、...........1——模式識(shí)別課程設(shè)計(jì)............................................................................................................1摘要.......................................................................................

3、.............................................................1一、 問(wèn)題概述............................................................................................................................1二、 實(shí)現(xiàn)原理...................

4、.........................................................................................................2三、 實(shí)現(xiàn)方法...........................................................................................................

5、.................3（一） Adaboost 算法 .......................................................................................................3（二） PCA 算法........................................................................

6、.......................................3四、 實(shí)驗(yàn)結(jié)果與分析................................................................................................................7五、 總結(jié)....................................................

7、................................................................................7參考文獻(xiàn).......................................................................................................................................

8、.....8附錄....................................................................................................................................................8摘要 摘要在本課程設(shè)計(jì)中,我們首先使用 opencv 實(shí)現(xiàn)了基于 Adaboost 算法電腦攝像頭視頻圖像中的人臉檢測(cè)、樣本連

9、續(xù)采集。之后我們利用 matlab 實(shí)現(xiàn)了對(duì)于采集到的人臉樣本圖像進(jìn)行了 RGB 圖像到灰度圖像的轉(zhuǎn)換、人臉部分提取以及歸一化，并實(shí)現(xiàn)了基于主成分分析的 PCA 人臉識(shí)別算法的訓(xùn)練，取得了良好的人臉識(shí)別效果。關(guān)鍵詞： 關(guān)鍵詞：人臉檢測(cè) 人臉識(shí)別 Adaboost 算法 PCA 算法 一、 一、 問(wèn)題概述 問(wèn)題概述相對(duì)于傳統(tǒng)的身份識(shí)別方式，人臉識(shí)別具有無(wú)可比擬的優(yōu)越性，近幾十年來(lái)得到了飛速發(fā)展，許多有效實(shí)用的人臉識(shí)別技術(shù)被

10、廣泛應(yīng)用于海關(guān)、機(jī)場(chǎng)、金融機(jī)構(gòu)等安全性要求較高的重要場(chǎng)所。但是由于諸多原因，人臉識(shí)別至今仍定位至需要的人臉部分，保存圖像。圖像預(yù)處理可以改善圖像質(zhì)量、加強(qiáng)有用的信息，包括提高圖像對(duì)比度、消除噪聲等，可視具體應(yīng)用而選用；特征提取模塊通過(guò)訓(xùn)練形成特征子空間從而提取人臉特征，如何提取穩(wěn)定和有效的特征是識(shí)別系統(tǒng)成敗的關(guān)鍵；特征提取結(jié)束后，下一步就是人臉識(shí)別。在數(shù)據(jù)庫(kù)中預(yù)先存放了已知的臉圖像或有關(guān)的特征值，識(shí)別的目的就是將待識(shí)別的圖像或特征與數(shù)據(jù)

11、庫(kù)中數(shù)據(jù)進(jìn)行匹配。三、 三、 實(shí)現(xiàn)方法 實(shí)現(xiàn)方法（一） （一） Adaboost 算法 算法Adaboost 是一種迭代算法，其核心思想是針對(duì)同一個(gè)訓(xùn)練集訓(xùn)練不同的分類器(弱分類器)，然后把這些弱分類器集合起來(lái)，構(gòu)成一個(gè)更強(qiáng)的最終分類器(強(qiáng)分類器)。其算法本身是通過(guò)改變數(shù)據(jù)分布來(lái)實(shí)現(xiàn)的，它根據(jù)每次訓(xùn)練集之中每個(gè)樣本的分類是否正確，以及上次的總體分類的準(zhǔn)確率，來(lái)確定每個(gè)樣本的權(quán)值。將修改過(guò)權(quán)值的新數(shù)據(jù)集送給下層分類器進(jìn)行訓(xùn)練，最后將每次訓(xùn)

12、練 得到的分類器最后融合起來(lái)，作為最后的決策分類器。AdaBoost算法的具體步驟如下： 設(shè)輸入的n個(gè)訓(xùn)練樣本為:{(x1,y1)，(x2,y2)，......(xn,yn)}，其中xi是輸入的訓(xùn)練樣本，yi∈{0,1}分別表示正樣本和負(fù)樣本，其中正樣本數(shù)為 l，負(fù)樣本數(shù)m。n=l+m，具體步驟如下： (1) 初始化每個(gè)樣本的權(quán)重wi,i∈D(i); (2)對(duì)每個(gè)t=1,..., T(T為弱分類器的個(gè)數(shù)) ①把權(quán)重歸一化為一個(gè)概率分布