人脸识别作业-贵州大学.docx

图像处理与模式识别课程报告报告题目：欧式距离分类器学 院：大数据与信息工程学院专 业：电子与通信工程学 号：学生姓名：任课教师：刘本永 教授2015年6月摘要：首先对人脸识别相关的技术进行了简要的介绍，并列举了它们进行了简要的分析，做了简要的对比。本文首先把人脸分为训练样本和测试样本，由于样本里生成的特征向量的维数过高，我们得通过PCA算法降维压缩，最后用欧式距离完成测试样本和训练样本的人脸识别,通过实验得出最后相匹的人脸。关键词： 人脸识别 PCA 特征提取 欧式距离Abstract：First, face recognition technology related to a brief introduction, and lists them in a brief analysis, a brief comparison. Firstly, the human face into training and testing samples, due to the dimension of the sample in the generated feature vectors are too high, we have to go through PCA dimension reduction compression algorithm, and finally completed the Euclidean distance face recognition test samples and training samples, by experiment last matches of the persons face.Key words:facerecognitionPCAfeature extraction Euclidean distance1、引言计算机人脸识别技术是近20年才发展起来的，90年代更成为科研热点。仅1990年到1998年之间，IE可检索到相关的文献就多达数千篇。计算机人脸识别技术就是利用计算机分析人脸图象,进而从中提取出有效的识别信息，用来“辨认”身份的一门技术。人脸识别技术应用非常广泛，在国家安全、军事安全和公共安全领域，智能门禁、智能视频监控、公安布控、司机驾照验证等是典型的应用。在民事和经济领域，各类银行卡、金融卡储蓄卡的持卡人的身份认证，社会保险人的身份验证等具有重要的应用价值。虽然人类的人脸识别能力很强，并且能够记住并辨别上千个不同的人脸，但对于计算机就困难得多。其表现在: 人脸表情丰富；人脸随年龄增长而变化;；人脸所成图象受光照、成象角度及成象距离等影响；而且从二维图象重建三维人脸是病态( illposed)过程。目前尚没有很好的描述人脸的三维模型。另外，人脸识别还涉及到图象处理、计算机视觉、模式识别以及神经网络等学科。也和人脑的认识程度紧密相关。这诸多因素使得人脸识别成为一项极富挑战性的课题。因此，研究好人脸识别，不仅能推动图像处理，模式识别理论与应用的发展，更能推动其他相关学科的进步，比如认知科学、生理学的。1.1、人脸识别相关技术介绍1.1.1、基于几何特征的人脸识别判别方法人脸的几何特征主要有：眉毛的厚度以及与眼睛中心的垂直距离，鼻子的垂直位置和宽度，嘴巴的垂直位置、宽度以及它和上下嘴唇的高度等。基于几何特征的人脸是被的主要思想是：首先找出这些特点的具体位置，测出他们之间的距离，组成一个特征矢量，然后用这些特征矢量与人脸库中的特征矢量进行比较，找出最佳匹配。所以，基于几何特征的人脸识别方法最终归结为特征矢量之间的匹配，基于欧式距离的判据是最常用的识别方法。同时，识别所采用的几何特征是以人脸器官的形状和几何关系为基础的特征矢量，其分量通常包括人脸指定两点间的欧式距离、曲率、角度等。基于几何特征的识别方法易于理解，而且对每幅图像只需存储一个特征矢量，对光照不敏感。但从图中提取稳定的特征比较困难，对强烈的表情变化和姿势变化的鲁棒性差，因此它比较适合与粗分类。1.1.2、基于模板匹配的人脸识别模板匹配法是一种经典的模式识别方法，它充分利用了人脸的纹理和灰度特征。它的识别方法就是将待识别的人脸图像与数据库中所有的模板进行比较，找出最相近的脸。模板分为一般模板和弹性模板。其中，一般的模板包括人脸的形状、眼睛、鼻子、眉毛等，而弹性模板是由一组根据特征形状的先验知识来设计可调参数来定义的。这个参数是由能量函数来决定的，首先利用图像的边缘、峰值、谷值和强度信息以及特征形状的先验知识设计能量函数，然后将参数向能量函数减小的方向调整，当能量函数达到最小时，这组参数所对应的模板形状最符合特征形状。模板匹配法要由于几何特征法。1.1.3、基于K-L变换的特征脸识别方法