1、人脸识别方法的分析与研究 - - I 目 录 摘要 III 第 1 章 绪论 . - 1 - 1.1 人脸识别技术的细节 . - 1 - 1.2 人脸识别技术的广泛应用 . - 1 - 1.3 人脸识别技术的难点 . - 2 - 1.4 国内外研究状况 . - 2 - 1.5 人脸识别的研究内容 . - 3 - 1.5.1 人脸识别研究内容 . - 3 - 1.5.2 人脸识别系统的组成 . - 4 - 第 2 章 人脸识别方法 . - 6 - 2.1 基于特征脸的方法 . - 6 - 2.2 基于神经网络的方法 . - 6 - 2.3 弹性图匹配法 . - 7 - 2.4 基于模板匹配的方法
2、 . - 7 - 2.5 基于人脸特征的方法 . - 7 - 第 3 章 PCA 人脸识别方法 . - 9 - 3.1 引言 . - 9 - 3.2 主成分分析 . - 9 - 3.3 特征脸方法 - 11 - 第 4 章 仿真实验 - 13 - 4.1 流程图 - 13 - 4.2 仿真结果 - 14 - 第 5 章 总结与展望 - 15 - 5.1 总结 - 15 - 5.2 展望 - 15 - 人脸识别方法的分析与研究 - - II 参考文献 . - 17 - 附录 . - 18 - 人脸识别方法的分析与研究 - - III 摘要 人脸识别是当前模式识别领域的一个前沿课题，人脸识别技术就
3、是利用计算机技术， 根据数据库的人脸图像，分析提取出有效的识别信息，用来“辨认”身份的技术。 本文介绍了多种人脸识别方法，基于对人脸识别方法优缺点的分析比较, 提出了一种 基于主元分析(PCA )的人脸识别方法。通过PCA 算法对人脸图像进行特征提取, 再利用 最邻近距离分类法对特征向量进行分类识别。利用剑桥ORL的人脸数据库的数据进行实验 仿真，仿真结果验证了本算法是有效的。 关键词：人脸识别， 主元分析，最近邻距离分类法，人脸库 人脸识别方法的分析与研究 - - - 1 - 第 1 章 绪论 人脸识别是模式识别研究的一个热点, 它在身份鉴别、信用卡识别, 护照的核对及 监控系统等方面有着广
4、泛的应用。人脸图像由于受光照、表情以及姿态等因素的影响, 使 得同一个人的脸像矩阵差异也比较大。因此, 进行人脸识别时, 所选取的特征必须对上述 因素具备一定的稳定性和不变性. 主元分析(PCA)方法是一种有效的特征提取方法,将人 脸图像表示成一个列向量, 经过PCA 变换后, 不仅可以有效地降低其维数, 同时又能保 留所需要的识别信息, 这些信息对光照、表情以及姿态具有一定的不敏感性. 在获得有效 的特征向量后, 关键问题是设计具有良好分类能力和鲁棒性的分类器. 支持向量机(SVM ) 模式识别方法,兼顾训练误差和泛化能力, 在解决小样本、非线性及高维模式识别问题中 表现出许多特有的优势。 1.1 人脸识别技术的细节 一般来说，人脸识别系统包括图像提取、人脸定位、图形预处理、以及人脸识别（身 份确认或者身份查找） 。系统输入一般是一张或者一系列含有未确定身份的人脸图像，以 及人脸数据库中的若干已知身份的人脸图像或者相应的编码，而其输出则是一系列相似度 得分，表明待识别的人脸的身份。 1.2 人脸识别技术的广泛应用 一项技术的问世和发展与人类的迫切需求是密切相关的，快速发展的
