基于主成分分析的人脸识别.doc

应用统计学课程设计 基于主成分分析和人工神经网络的人脸识别 姓名：崔卓须 学号：3101301308 姓名：姚顺兰 学号：3101301304 姓名：陈晓强 学号：3101301230 专业：信息与计算科学 指导教师：贺文武（博士） 2012年12月28日  目录 1.人脸识别概述 2 1.1选题背景与意义 2 1.2人脸检测的基本概念 2 1.3人脸检测问题的分类和挑战性 2 2.模型的建立 3 2.1主成分分析 3 2.11计算特征根矩阵 4 2.12计算主成分 4 2.2人工神经网络 4 2.21建立人工神经元 4 2.22 神经网络工作 5 2.23 分析结果 6 3.优缺点分析 7 3.1优点 7 3.2缺点 7 4.参考文献 7 5.附件 8 摘要 人脸识别技术作为生物特征识别领域中一种基于生理特征的识别技术，是以通过计算机提取人脸的特征，并根据这些特征进行身份验证的一种技术。人脸与人体的其他生物特征一样与生俱来，它们所具有的唯一性和不易被复制的良好特性为身份鉴别提供了必要的前提；同其他生物特征识别技术相比，人脸识别技术具有操作简单、结果直观、隐蔽性好的优越性。因此，人脸识别在信息安全、刑事侦破、出入口控制等领域具有广泛的应用前景。 本文对于人脸识别模型的建立基于两个部分： 第一部分，基于主成分分析的特征脸法，通过选择人脸图像库中的110幅人脸作为训练样本集。计算其独立主成分（涵盖90%的信息），实现对信息进行压缩处理，从而用主成分来进行人脸判别。 第二部分，用人工神经网络来进行人脸判别。建立输入人脸照片主成分输出人脸判别结果的神经网络，从而实现人脸的识别。 关键字：人脸识别，主成分分析，人工神经网络，特征脸 概述 1.1选题背景与意义 人脸检测问题来源于20 世纪60、70 年代的人脸识别的研究，但早期的人脸识别研究主要针对 有较强约束的人脸图像（如无背景图像），并往往假设人脸位置很容易获得，因此人脸检测问题并 没有受到重视。人脸识别是人们日常生活中最常用的身份确认手段，也是当前最热门的模式识别研究课题之一。虽然人脸识别的准确性要低于虹膜识别和指纹识别，但是由于它是非接触的、具有非侵犯性，因而人们对这种技术没有任何的排斥心理，所以人脸识别技术是一种最友好的生物特征识别技术。 随着多媒体技术的发展,人脸图像在各种领域中具有越来越重要的作用,如人机交互系统、视频监测系统、人脸图像数据库管理系统、人脸检测与识别系统等。在各种人脸图像的应用系统中,人脸特征定位是重要组成部分之一。例如在安全监控应用中，银行部门的监控和安保部门的监控，需要对人的各项特征进行有针对性的监视。对于监控对象的身高，衣着等特征，可以在较模糊图像中获 得，但是对人脸部分特征，却必须要清晰的图像才能获得。如果可以对人脸进行针对性的监视，就可以使得应用安全监控的部门获得更多的安全保证。而人脸自动定位是这一监控方法的第一步，它的性能如何直接决定了监控的效果。简单的说，所谓的人脸定位，就是在静态图像或动态图像中 标出人脸所在的位置，把人脸选取出来。而人脸的识别就是把选取出来得人脸与数据库中已有的人脸进行比较，找出匹配的档案来。有的文献也把人脸的定位和识别统称为人脸识别，定位和识别 则是两个主要的步骤。完整的人脸识别系统涉及到决定静态图像或动态图像中无人脸、计数、定位，然后根据数据库识别出个人，可能的话还要识别出表情，以及根据脸的图像做出描述；或者反过来根据描述挑选匹配的人脸图像。 而说到快速的人脸特征定位，就不得不提及人脸检测技术。人脸检测是人脸特征定位的前提，在整个过程中起着不可忽视的作用。人脸检测问题最初作为自动人脸识别系统的定位环节被提出， 近年来由于其在安全访问控制、视觉监测、基于内容的检索和新一代人机界面等领域的应用价值， 开始作为一个独立的课题受到研究者的普遍重视。下面我将对人脸检测的相关知识做一下简单的介绍。 1.2人脸检测的基本概念 人脸检测是指在输入图像中确定所有人脸（如果存在）的位置、大小和姿态的过程。人脸检测 系统输入的是可能包含人脸的图像，输出的是图像中是否存在人脸和人脸数目、位置、尺度等信息 的参数化描述。人脸检测任务的完成涉及从复杂的背景中分割、抽取、验证人脸区域和可能用到的 人脸特征（如眼睛、唇色等）。成功的人脸检测系统应能处理实际存在的光线、人脸方向和距照相机远近变化等各种情况。 1.3人脸检测问题的分类和挑战性： 人脸检测问题可以从不同角度来进行分类。从人脸姿态的角度，可以分为正面人脸检测、多姿态人脸检测（包括侧面，俯仰、旋转等）；从人脸个数的角度，可以分为单人人脸检测、未知人脸个数的检测。从图像背景复杂程度的角度，分为简单背景人脸检测（指无背景或