二维人脸识别实验报告.pdf

二维人脸识别实验报告--第1页 实 报 告 课程名称 人工智能 实验名称 二维人脸识别 班 级 学 号 姓 名 成 绩 指导教师 实验日期 二维人脸识别实验报告--第1页 二维人脸识别实验报告--第2页 一．实验目的 （1）通过本次人脸识别实验，进一步加深图像处理和基本算法的掌握，能利用 已有的算法和程序去找出和识别人脸。 （2）通过本次人脸识别实验，进一步掌握和熟悉所学到的人工智能知识，能将 所学知识和实际的生活联系起来，去解决一些比较复杂的问题。 （3）熟悉并且掌握人脸识别过程中各种算法的实现过程，能熟练的利用各种软 件（VC++6.0，MATLAB等）去实现算法的编写。 （4）熟悉人脸识别的过程和原理，进一步巩固PCA+LDA算法，掌握其本质， 并能将其运用于其他类似模型中，去解决一些问题。 （5）通过实验进一步提高编程能力和解决问题的能力，能独立的思考和类比所 学到的知识，进一步了解它们的本质，巩固实际用处。 二．实验原理 基于PCA人脸识别算法的实现原理 主成分分析为一种统计学中特征提取方法，在实际中应用的非常广泛。PCA 是通过提取原始数据的主元来减少数据的冗余，使数据在低维度的空间中被处 理，同时它还能很好保持了原始数据的绝大部分信息，有效的解决了由于空间维 数过高而导致的一系列问题。如下将详细介绍如何使用PCA算法进行人脸识别。 第一个环节：提取图像数据并处理 1.读入人脸，并将图像变化为相应的灰度图像。 2.将变换后的二维人脸灰度图像变换为一维人脸向量矩阵 一个大小为M*N 的二维人脸图像可以看成长度为MN 的人脸图像列向量。为 了将二维人脸图像变为以为列向量，我们采取的措施为：首先计算出人脸图像的 大小，然后将人脸图像经行转置，最后按列依次取出取出所有灰度值形成大小为 MN 的一维向量，其实整个阶段的效果相当于将图像的灰度值按行取出依次连接 成一维图像向量。 本环节完成后将会产生由一维图像向量组成的矩阵T。 第二个环节：计算特征脸 1.对图像矩阵T进行规范化 首先计算出图像矩阵中一维列向量的平均值m，然后对图像矩阵的每一列都 减去平均值形成规范化的图像矩阵A。 2.计算特征脸 人脸训练图像的协方差矩阵为C=AA T 其中人脸训练样本为A[ ,..., ]， ， 1 P 维度为MNP，则协方差矩阵C 的维度为（MN）2。这就出现问题，C 的维度 过高，在实际中直接计算它的特征值和特征向量非常困难。因此，本文使用奇异 值分解定理来解决这个问题。 奇异值分解定理： 假设B为nm维秩为p 的矩阵，则存在两个正交矩阵和一个对角矩阵： 正交矩阵为