基于小波理论的人脸特征提取与识别的算法研究.docVIP

基于小波理论人脸特征提取与识别的算法研究 院 （系专 业 学　　 2014年月 一、 绪论 1 1.1人脸识别的研究背景与意义 1 1.2人脸识别系统 2 1.3主要研究内容及行文安排 2 二、小波理论与分析 3 2.1小波分析变换及其性质 3 2.1.1一维小波变换 3 2.1.2高维连续小波变换 4 2.1.3离散小波变换 5 2.2多分辨分析与Mallat算法 6 2.2.1多分辨分析 6 2.2.2Mallat算法 7 2.3最优小波基选择与分解层数确定 8 2.3.1最优小波基选择 8 2.3.2分解层数的确定 9 2.3.3小波系数的选择 10 三、基于分块小波的人脸识别算法 11 3.1引言 11 3.2 Karhunen-Loeve变换及主成分分析法 11 3.2.1 K-L 变换 11 3.2.2主成分分析法 13 3.3线性识别 13 3.4分块小波组合特征提取 15 3.4.1确定分块小波系数 15 3.4.2组合特征的提取及识别算法 17 3.5实验结果与讨论 18 四、总结与展望 20 4.1总结 20 4.2展望 21 参考文献 22 绪论 1.1人脸识别的研究背景与意义 人脸识别是模式识别的一个研究领域，是当今新兴的生物识别的一个重要组成部分。所谓的人脸识别技术，就是将人脸图像或者包含人脸的视频流序列输入计算机进行分析，从而提取出能有效表达人脸图像的特征,进行身份辨别，从而达到监督,管理和控制目标的一门技术。它涉及的领域非常广，包括：模式识别、图像处理、生理学、心里学、计算机视觉等许多的学科知识，并且与基于生物特征的身份鉴别方法等的研究领域以及相关学科的发展关系密切。 人脸识别的研究已经有很长一段时间了,它大致可以分为四个阶段：最早可以追溯到1888年Galton在Nature杂志发表的关于用人脸来进行身份识别的文章，1954年,Bruner于1954年写了《人类的知觉》这本关于心理学的书Bledsoe 在 1964 年就工程学写了“The Model Method in Facial Recognition”，1965年他又发表了一篇关于自动人脸识别的技术论文；始于1970s的机器识别是人脸识别研究的第二阶段，Parke等主要研究人脸识别所需要的面部特征，首次用计算机实现了较高质量的人脸灰度图模型。该阶段的工作完全依赖于操作人员，不能实现自动识别；研究者们设计的基于几何特征参数的识别系统开始了第三阶段:人机交互式识别的历程。Harmon和Lesk用几何特征参数来表示人脸正面图像。人脸面部特征釆用多维特征矢量表示，并设计了一个识别系统。Kobayashi等用统计中的欧氏距离来表征人脸特征进行识别，这种方法依然依靠某些先验知识，摆脱不了人的干预；直到20世纪90年代初中期，随着高性能计算机的出现，人脸识别方法才有了重大突破，才真正的进入了机器自动识别阶段:第四阶段。 人脸识别技术对学科的发展和巨大的应用前景主要表现在两个方面： （1）人脸识别促进了对各门学科的极大发展。它作为一个典型的模式识别、图像分析处理、理解及分类计算的问题,它为模式识别、数字图像处理、计算机视觉、计算机图形学、神经网络、心理学、生理学等学科提供了一个非常好的平台，为研究具体问题创建了一个用于创新方法、验证新的理论、解释新的现象的提供了一个好的环境。人脸识别的进一步研究和最终问题的解决，将极大的促进这些学科的成熟和发展。 （2）目前身份识别和验证是人们日常生活中的重要的基本活动之一。每天我 们都要面对大量的人的身份做出相关判断、并用相关手段证明自己。比如银行的ATM机上的金融业务需要输入自己的密码,进行网络交易时需要用到自己的账号和密码等,但这些方式不安全、不可靠、不唯一，这些缺点可能会导致大量的经济损失等。这些问题使得原有的措施已经越来越不能适应社会的发展了，我们需要提供一个更方便、更安全、更可靠的身份验证手段。生物识别技术就是被认为是解决这些问题的理想方式。 国内外有许多学校和机构都在研究人脸识别技术。随着计算机技术的快速提高，人脸识别技术也得到了长足的发展，其研究有着重要的意义。 1.2人脸识别系统 广义的人脸识别系统主要包括：人脸图像釆集、人脸区域、人脸表征、特征提取、人脸识别以及分类结果等。而我们所研究是狭义的人脸识别，主要研究的是:特征提取、人脸识别和分类结果。预处理：其中人脸检测、人脸区域定位和人脸的表征我们统称其为预处理。主要是通过相关设备采集图像，然后确定人脸的位置、大小等过程,最后通过数字化、几何变换、归一化、平滑、复原和增强等步骤得到标准的人脸图像。特征提取：所谓的特征提取，从图像信息中利用各种方法挑选出对分类最有利的特征，降低特征空间维数的过程就是特征选择。特征的提取实