论文总字数：19546字

摘 要

当今社会信息化的高速发展，为信息和系统的安全性提出了更高的要求。由于传统的方法不能对人的本身进行身份验证，传统方式已经不能满足当今社会信息安全的要求。人脸识别技术成为了近年来模式识别领域、计算机领域及视觉领域的一个重要性和实用性价值都非常高的研究热点。人脸识别技术中的主成分分析法（PCA）更是一直受到人们的关注。

人脸识别最经典的方法，基于线性的特征提取算法适合处理线性结构的数据。这类方法的优点在于方法简单、直观、计算快速、方便，所以广泛应用于数据降维。使用主成分分析(PCA)的人脸识别方法在ORL数据库上进行了测试，得到相应维数的系统识比率。

关键词：模式识别;人脸识别;主成分分析;ORL数据库；识别率

Reserch on Face Recognition Based on Principal Component Analysis

Abstract

With the rapid development of modern society, the security of information and system has put forward higher requirements. Because the traditional method can’t carry on the identity verification to the person, the traditional way can’ t satisfy the request of the information security of the society. Face recognition technology has become a research hotspot in the field of pattern recognition, computer science and the field of vision. And the principal component analysis (PCA) of face recognition technology has been paid more attention by people.

The classical method of face recognition is studied in detail, it high lights the recognition classical approach, based on linear feature extraction algorithm for data processing of linear structures. The advantage of this method is that the method is simple, intuitive, fast and convenient, so it is widely used in data reduction.The principal component analysis (PCA) method is used to test the ORL database, and the corresponding dimension of the system is obtained.

Keywords: Pattern Recognition;Face Recognition ; Principal component Analysis ;ORL Database; Recognition Rate

目 录

摘 要 I

Abstract II

第一章 引言 1

1.1人脸识别技术研究的背景 1

1.2人脸识别技术研究的目的及意义 1

1.3人脸识别技术研究的应用前景 2

1.4人脸识别技术研究的优缺点 2

第二章 人脸识别的方法 3

2.1人脸识别的常用方法 3

2.1.1基于特征脸的人脸识别技术研究的方法 3

2.1.2与PCA结合的LDA 4

2.1.3基于模板匹配的人脸识别方法 4

2.1.4其他方法 5

2.2 本章小结 5

第三章 基于PCA的人脸识别 6

3.1引言 6

3.2 PCA人脸识别方法原理 6

3.2.1主成分分析 6

3.2.2 K-L变换原理 9

3.3最近邻法决策规则 9

3.4 PCA人脸识别的步骤 10

3.5 本章小结 11

第四章 人脸识别的MATLAB实现和结果分析 12

4.1 MATLAB简介 12

4.2常见的人脸数据库的简介 12

4.3人脸识别的设计方案 14

4.3.1训练过程 14

4.3.2识别过程 14

4.4实验结果分析 15

4.4.1 PCA进行识别 15

4.4.2 PCA LDA进行识别 16

4.4实验过程中遇到的问题及解决办法 18

4.5 本章小结 19

第五章 总结与展望 20

5.1全文总结 20

5.2展望 20

致 谢 22

参考文献 23

第一章 引 言

1.1人脸识别技术研究的背景

人脸识别研究的人脸检测问题要追溯到19世纪末学者发表的有关这方面的文章，但是研究是从20世纪60、70年代开始的，人脸识别给人们的日常生活中提供了最常用也是最经典的一种身份确认手段，同时也是目前很受关注的模式识别领域中的前沿课题。现在的身份识别方法大致分为两大类，一是通过持有物例如各种证件口令、密码登的传统的识别方法；二是采用生物识别技术，即通过生理或行为特征进行识别。前一种的方法有其局限性，不方便、不安全、不可靠等缺陷。随着信息技术网络的飞速发展，也给人们各方面的，例如信息的安全性和隐蔽性带来了隐患，所以身份认证等识别技术得到了飞快的发展。而利用人脸特征进行识别与身份验证又是最自然直接的方式，与人体其他生物特征识别技术系统相比，人脸识别具有更好地优势与友好性，其方便性更能为人们接受。所以其有很广阔的研究背景。

国外对于人脸识别的技术方面较早就有研究，国外很多的知名科研机构为了研究人脸识别技术的检测和识别，设立了专门的研究小组做探讨和研究。一些著名的人脸识别检测和识别的研究机构有：美国成立的卡奈基梅隆大学（CMU）机器人研究所、麻省理工学院（MIT）媒体实验室和人工智能实验室、英国的剑桥大学、法国的INRIA研究所、瑞士IDIAP研究所、日本ART研究所和一些知名的国际会议，一些知名期刊（如IEEE等）也纷纷设立了人脸识别专题。国际上也逐步形成了几个主流的研究方向：基于几何特征的方法、基于模板匹配的方法、基于肤色模型的方法、基于K-L变换的特征脸方法等一系列方法。

国内在人脸识别的技术研究方面起步还是较晚的，大约从1995年来，由于国内的一些研究在项目资金的资助下，也考虑从事这方面的研究，其中包括国内主要的计算机实验室和各大高校，创造了很多学术上的硕果，到目前为止，已经有很多有名的论文期刊发表。当然，也有很多人脸识别系统开始投入使用，包括商业，医疗，安防，门禁囊括了各个方面，虽然技术上还是有一些的局限性，导致还没有普及使用，只是在某些领域上有着初步的使用，其识别率受到的环境的影响还是很大的。因此在人脸识别技术的研究上，仍然需要更加深入的研究，开发出更加优化简便的人脸识别的系统或者产品，以满足人们对它的需求，使其应用前景不断地扩大普及。

1.2人脸识别技术研究的目的及意义

当今社会的网络、通信和交通等技术的飞速发展推动了整个社会的进步，也意味着人们将面临着各种信息安全威胁，因此对快速有效的自动身份验证的要求日益迫切。所以身份识别已经成为了人们研究的热点和需求。对于固有传统的安全技术在信息化的发展下暴露的缺陷也越来越多，人们必须寻求身份识别的更有效的方法，提高身份识别的安全性、可靠性、准确性和实用性。基于主成分分析的识别技术是目前较简便的识别技术，而且人脸识别技术与其他生物识别技术比起来意义更加重大：

1. 可以在隐蔽的条件下进行；
2. 数据采集方便，采集设备成本低廉；
3. 人脸识别在用户友好方面比较有优势，它的快捷、方便、非接触的三大特点很容易被人们接受；
4. 已经具有丰富的人脸数据库，具有丰富的比对现有数据，例如公安机关系统的大型人脸数据库，学校学生学籍的档案人脸数据库等现有的数据库；

研究人脸识别技术对模式识别领域、计算机领域、视觉领域有着重要的科学意义，对于新兴技术领域的开拓有着促进作用，也对跨领域的综合发展有着重要的奠基意义。

1.3人脸识别技术研究的应用前景

人脸识别的研究设计模式识别、人工智能、视觉领域、心理生理学领域和神经网络领域等都有着很密切联系，虽然目前国内外已经研究出很多的识别系统，而且也已经被应用，但是会很容易受到环境的影响，只有在一定的条件下，才能实现让人比较满意的识别效果。因此，就目前来看，人脸识别技术还有待更加深入的完善，还着很大的研究发展空间。并且人脸识别已经成为识别技术中的关键技术，在进行身份验证，行政破案，入口控制，视频监视，人工智能及医学方面具有广阔的商业价值和应用前景。

1.4人脸识别技术研究的优缺点

1. 人脸识别的优点：
2. 人脸识别有着唯一性和不被复制性的良好特性。
3. 人脸识别同其他生物特征技术比起来，具有更好地优越性，例如思想简单、操作简单、结果直观、隐蔽性好。
4. 利用主成分分析的方法，可以对矩阵进行降维，同时也可以保留了百分之九十的信息，使模型大大的简化。
5. 人脸识别的方法就数学角度上分析，PCA在以K-L变换为基础的变换方法时，其统计方法时最优的，使得均方误差达到最小的。
6. 人脸识别的缺点：
7. 人脸本身的特点的限制：人脸是具有多样性的，正脸的获取条件是有要求的，在自然条件下获得的也并不总是正脸，如果人脸稍微的偏转或俯仰，也会造成脸部信息的部分缺失，这样就会对脸部特征的提取造成了一定的影响；并且人脸的表情的变换是很细微而复杂。
8. 计算机本身的限制：由于在计算机上处理的图像是二维的，而三维的人脸被提取到了二维的图像，这样就会有信息的缺失。给计算机的是否正确处理巨大的信息量上带来了一定的限制，也是目前人脸识别的技术的研究难点之一。
9. 环境的影响：环境也是多变的，由于受到旋转、距离、光照等不确定的因素。例如，光照的变化就会对像素的采集有影响，因为每个亮度值依赖于环境中的各种因素，光照的条件的影响。图像也可能受到噪声的干扰。因此，对人脸的特征提取一般要作预处理。
10. 年龄问题也是限制因素，人脸识别算法会局限于不同的年龄段，因为人的面部外观会随着人的年龄变化而发生变化，得到的识别率也不同。

第二章 人脸识别的方法

2.1人脸识别的常用方法

基于特征脸方法和基于模板方法是人脸识别的常用两大方法。随着人脸识别这方面的技术越来越得到人们关注，研究出的人脸识别技术的方法也越来越多。最基本的方法就是基于特征，基模板匹配的方法，到了中期的时候，研究出了神经网络、色彩信息、统计模型、形状分析等，近期人们也研究出一些方法，例如支持向量法，Adaboost算法等。

2.1.1基于特征脸的人脸识别技术研究的方法

特征脸方法是从主成成分分析(PCA)导出的一种人脸识别和描述技术。它在人脸数据库中将包含人脸图像的区域作为随机变量，利用K-L变换的方法得到正交K-L基，通过正交基的线性组合方式表述出人脸图像来进行人脸识别。由于K-L变换的得到的与相对应较大特征值的那个基的形状与人脸较为相似，故这些具有人脸形状的正交基又被称为特征脸。

剩余内容已隐藏，请支付后下载全文，论文总字数：19546字