《基于模糊线判别分析的人脸识别算法设计设计.doc》由会员分享,可在线阅读,更多相关《基于模糊线判别分析的人脸识别算法设计设计.doc(57页珍藏版)》请在启牛文库网上搜索。
1、沈阳航空航天大学毕业设计(论文)基于模糊线性判别分析的人脸识别算法设计学 院专 业班 级学 号姓 名指导教师负责教师摘 要人脸识别技术是生物识别技术的一种,以其直接性,唯一性,方便性等特点,在公安,海关,交通,金融,视频会议,机器人的智能化研究等方面得到了越来越广泛的应用。人脸识别技术是模式识别领域中的一个前沿课题。在过去的几十年里,研究者尝试利用计算机来模仿人类识别人脸的能力,并提出了很多人脸识别的有效算法,利用不同技术提高了人脸识别算法的平均识别率。本文着重讨论一种把特征脸和模糊线性判别分析(FLDA)算法结合起来进行人脸识别的方法。该方法利用主成分分析(PCA)方法求得训练样本的特征空间
2、,然后在此基础上计算FLDA算法的特征子空间,进一步对特征脸空间降维。经过FLDA降维后的子空间中,同一类别的样本尽可能靠近,不同类别的样本尽可能分散(即降维后同一个人的人脸图像尽可能的靠近,不同人的人脸图像尽可能的分散开)。模糊LDA方法引入了模糊技术来优化特征提取,利用隶属度信息来描述样本的分布信息,能得到一个更好的类中心位置估计。应用于Yale及ORL人脸库的实验结果表明,该算法具有较高的识别率。关键词:人脸识别;主成分分析;模糊线性判别分析;特征脸Face Recognition Algorithm based on Fuzzy linear discriminant analysis
3、AbstractFace recognition technology is a kind of Biological recognition technology. With its immediacy, uniqueness and convenience, etc. It gets more and more widely used in terms of public security, customhouse, traffic, finance, video conference, the study on robots intelligence. Face recognition
4、technology is a frontier topic in the field of pattern recognition. In the past few decades, the researchers tried to use a computer to imitate humans ability to recognize faces, and a lot of effective algorithm of face recognition was proposed, and they used different technology increased the avera
5、ge recognition rate of face recognition algorithm. This paper focuses on a face recognition method which combining with the principal component analysis and fuzzy linear discriminant analysis (FLDA) algorithm.This method obtains the characteristics space of the training sample with the principal com
6、ponent analysis(PCA) algorithm, then on the basis of this calculation, get another FLDAS feature subspace which has lower dimensions. In this FLDAs feature subspace, samples of the same category are as near as possible, different types of sample are as disperse as possible (In other words, after the
7、 dimension reduction, the same person face image are as near as possible, the different human face image are as far as possible). The fuzzy technology is used in fuzzy LDA to optimize feature extraction, it can get a better class center position estimate with using membership information to describe
8、 the distribution information of the sample. The experimental results on Yale and ORL face database show that this algorithm has high recognition rate.Keywords: Face Recognition; Principal Component Analysis; Fuzzy Linear Discriminate Analysis; Eigenface目 录1 绪 论11.1 人脸识别的研究背景和意义21.2 人脸识别的发展史和应用31.2.
9、1 发展历史及发展现状31.2.2 应用和分类41.3 本文的主要内容与安排52 人脸识别基础72.1 人脸库72.1.1 Yale人脸库72.1.2 ORL人脸库82.2 特征提取82.2.1 主成分分析92.2.2 线性辨别分析102.3 分类器设计133 基于子空间分析的人脸识别方法153.1 基于PCA的特征脸算法153.2 基于LDA的Fisher脸算法173.3 基于FLDA的模糊线性判别分析算法184 基于PCA和FLDA的人脸识别204.1 基于PCA+FLDA的人脸识别算法204.2 实验仿真214.2.1 Yale人脸库214.2.2 ORL人脸库244.3 小结27结 论
10、28参考文献30致 谢32附录 源程序清单33V沈阳航空航天大学毕业设计(论文)1 绪 论人脸在日常生活中发挥着重要作用,人类根据人脸进行身份识别和表情判断,完成日常的交际,人脸因此成为最重要和最自然的身份识别对象。人类有着与生俱来的自动识别人脸的能力,能在剧烈变化不确定因素影响下快速且准确的识别人脸,同时进行身份匹配和表情判断。身份识别与验证是人类日常活动中的基本活动之一。在目前的技术水平下,几乎全部的身份验证还依靠传统的物理验证方式来完成,主要包括身份证件、钥匙、密码等,但这些验证方式存在方便性、可靠性和安全性等问题,因而不能适应社会的发展和需求。因此我们需要更加方便、可靠、安全的身份验证
11、方式。而生物特征识别技术的出现很好的解决了这一问题,近年来已经逐步成为重要场所必备的安检手段。与传统的身份验证方法相比,生物特征识别技术的优势在于生物特征是人类固有的特性,可以从根本上杜绝伪造和窃取的现象,从而满足了人类对于验证方式可靠性和安全性方面的需求。由于人脸识别对识别对象没有侵犯性,所以到目前为止是一种最有好的生物特征识别技术。人脸识别系统通过视频或静态图像来自动捕获和识别人脸,在生物特征认证、监控、安检、人机交互和多媒体监督等领域有着广泛的应用前景。人脸识别技术就是通过图像采集设备捕捉人类的脸部区域,然后把捕捉到的人脸图像和人脸数据库中的图像进行匹配分析,进而完成身份识别的任务。然而
12、,开发一个能完全自动识别人脸的系统是十分困难的,实际环境中,采集人脸图像的过程会受到人脸姿态、光照条件、面部表情和脸部饰物等诸多不确定因素的影响。过去的几十年里,研究者尝试利用计算机模仿人类识别人脸能力,提出了许多人脸识别的有效算法。尽管已经取得很多进展,但到目前为止人脸识别仍然是一个难度很大的课题,识别算法只能在用户配合、条件理想、小规模的人脸库上取得较好的识别效果。人脸识别的评估报告表明多数人脸识别方法的最佳性能在人脸姿态,光照,表情和部分遮挡等因素变化时都会发生很大的退化,人脸识别因此成为图像处理,模式识别,人工智能和计算视觉等领域最活跃的研究课题之一,也是本文的主要研究探讨对象。1.1
13、 人脸识别的研究背景和意义人脸识别(Face Recognition)是一种很重要的生物特征识别技术。所谓的生物特征识别技术是指通过对人类固有的特征进行自动的身份鉴别甄选技术。现阶段技术水平可依据的生理特征一般为:手型、掌纹指纹、人脸、虹膜、耳廓、DNA等;可依据的行为特征如:字迹、步态、语音等。目前,基于这些人类特征,已有相对应的生物识别技术,比如指纹识别、人脸识别、语音识别、虹膜识别、签名识别、步态识别等。在科技、人文高速发展的现今社会中,基于传统的物理性的身份标识方法如:证件、钥匙、用户名、密码等,由于其易丢失、易遗忘、易造假、易冒充等问题,已经远不能满足人类的需求,现今的人类迫切需要一
14、种快捷、有效并且安全的身份识别、标识方法。而基于生物特征识别的身份鉴定系统与传统的物理性身份鉴定手段相比,具有唯一性、安全性、可靠性、不易丢失、不易伪造等优点,因此正在逐步取代传统的身份鉴别方法,在信息安全、金融、交通、公共安全等领域得到了广泛的应用,并且对其识别技术、识别率等要求越来越高。在各种生物特征识别技术中,人脸识别技术更具有其独特的优势,主要有以下几个方面:(1)隐蔽性强,可在一定距离之外,识别对象不知情的情况下完成识别过程,特别适用于安全监控系统。(2)非接触式操作,对识别对象没有侵犯性,可被大多数人接受,理论上来说是最友好的生物特征识别技术。(3)图像采集数据存储,成本低廉。(4
15、)用户界面简单直接,相比较于文字等信息,图片信息更容易被人理解,交互性较强。(5)通过对人脸的表情,姿态,口型等分析,能获得较其他识别技术更多更难以获得的信息。由此可见,人脸识别技术已经逐渐成为最有发展潜力的生物特征识别技术,是当前的热门研究课题之一。并已在反恐,人事档案管理,视频监控,通行识别管理,人机交互等领域得到广泛应用,成为自动身份认证领域的主要研究方向。另外,对于人脸识别技术的研究也带动了多门相关学科的相互促进和相互发展。人脸识别作为典型的图像模式分析、理解与分类计算问题,其研究面跨越了模式识别、图像处理分析与理解、计算机视觉、人工智能、认知科学、人工神经网络、神经生理学、心理学等众多的学科领域,并为这些学科领域创造新方法、验证新理论和解释新现象提供了良好的应用平台。人脸识别技术的相关研究可以极大地促进这些相关学科领域的发展、创新和成熟,同时这些学科领域的成熟也反过来促进人脸识别技术中问题的解决和技术的革新。1.2 人脸识别的发展史和应用1.2.1 发展历史及发展现状人们从事人脸识别技术的研究历史比较悠久。最早在1888年,Calton在Nature上发表了一篇关于利用人脸进行身份鉴别的文章,对人类自身对面孔的识别能力进行了分析。人脸识别技术的研究从最开始需要人工干预、识别方法匮乏、识别率低下逐步发展到现在的自动化识