基于線性子空間分類的人臉識別應(yīng)用研究.pdf

1、隨著計算機技術(shù)的發(fā)展和信息安全意識的提高，人們對快速有效的身份識別技術(shù)的需求日益迫切。相比其他生物特征，如指紋、虹膜、聲音和掌紋等，人臉具有直接、友好、不具侵犯性的優(yōu)點，同時也有很強的自身穩(wěn)定性和個體差異性的特點，因此人臉識別技術(shù)成為身份鑒別的研究熱點，并且有著廣闊的應(yīng)用前景。
　　 人臉識別技術(shù)發(fā)展至今，技術(shù)上已經(jīng)達到了一定的成熟度，很多商業(yè)公司都依托知名大學和研究機構(gòu)多年以來的研究成果做出了一批人臉識別的產(chǎn)品并應(yīng)用于國家安全

2、、公共安全和信息安全等各個領(lǐng)域。
　　 本文主要研究和設(shè)計一個自動人臉識別系統(tǒng)并將其應(yīng)用于考勤管理。一般人臉識別過程可以分為3個步驟:人臉檢測及規(guī)一化、特征提取和特征匹配。
　　 本文在人臉檢測階段先使用了Viola-Jones檢測器進行快速人臉檢測，然后用主動形狀模型方法(ASM)分割出人臉區(qū)域?？紤]到光照對人臉特征提取的影響，本文使用伽瑪校正、高斯差分濾波和對比度均衡化的處理來減少惡劣光照條件對結(jié)果的影響。在特征提取

3、階段，首先對規(guī)范化的人臉圖像進行5個尺度、8個方向的Gabor濾波，然后對得到的幅值圖利用局部二值模式(LBP)編碼，用這些模式區(qū)域形成的直方圖序列描述人臉。最后在特征匹配階段，對特征向量做相似度測量后進行匹配識別。
　　 本文對基于線性子空間的人臉分類方法進行了深入的理論研究，其中包括主成分分析方法(PCA)和線性判別分析方法(LDA)，比較了這兩種子空間方法的利弊。線性判別分析方法對局部圖像的變形非常敏感，因此本文研究了基于