基于PCA和SVM的人臉識(shí)別關(guān)鍵技術(shù)研究與實(shí)現(xiàn).pdf

1、人臉識(shí)別作為當(dāng)今科研領(lǐng)域最熱門的課題之一，它的應(yīng)用已經(jīng)深入到了金融系統(tǒng)、信息安全、公共安全等各個(gè)領(lǐng)域。橫向?qū)Ρ葋砜?，人臉識(shí)別在眾多模式識(shí)別方式中優(yōu)勢(shì)明顯，具有自然性、非侵?jǐn)_性、采集成本低以及人機(jī)交互性強(qiáng)的天然優(yōu)勢(shì)，應(yīng)用場(chǎng)景更加廣闊?？v向分析，各大上市公司不斷推出大量商業(yè)化人臉識(shí)別產(chǎn)品，人臉識(shí)別將在未來呈現(xiàn)爆發(fā)式的增長(zhǎng)。因而研究人臉識(shí)別具有重大的現(xiàn)實(shí)意義。
　　本文重點(diǎn)研究了人臉預(yù)處理、人臉特征提取和人臉識(shí)別這三大內(nèi)容。尤其是對(duì)主成

2、分分析(Principal Component Analysis, PCA)和支持向量機(jī)(Support Vector Machines, SVM)算法進(jìn)行了深入的研究，并針對(duì)其并未利用類別信息的不足，引入了線性判別分析(Linear Discriminant Analysis, LDA)，提出了基于PCA和SVM的人臉識(shí)別改進(jìn)框架，并基于改進(jìn)后的框架，實(shí)現(xiàn)了一個(gè)實(shí)時(shí)人臉識(shí)別系統(tǒng)。本文的主要工作有以下五個(gè)部分。
　　(1)研究了多

3、種常用的人臉圖像預(yù)處理技術(shù)，包括彩色圖像的灰度化、圖像的灰度變化、直方圖均衡化及幾何歸一化等方法。人臉圖像預(yù)處理技術(shù)降低了外界因素，如光照、姿態(tài)、拍攝角度等問題對(duì)圖像的影響，實(shí)現(xiàn)了圖像的標(biāo)準(zhǔn)化處理，為之后的人臉識(shí)別工作的開展奠定了良好的基礎(chǔ)。最后，利用Matlab做了相關(guān)的算法檢驗(yàn)工作。
　　(2)深入研究了基于 PCA的人臉識(shí)別的理論基礎(chǔ)和具體的實(shí)施過程。由于在PCA算法中直接計(jì)算協(xié)方差矩陣的特征值和特征向量計(jì)算量太大，所以引入

4、了SVD定理，實(shí)現(xiàn)了主元子空間的間接運(yùn)算。并利用Matlab進(jìn)行了大量的實(shí)驗(yàn)，對(duì)PCA算法的優(yōu)劣進(jìn)行了分析，得出PCA算法具有良好降維效果，但并沒有分類的效果。
　　(3)深入研究了線性支持向量機(jī)的理論基礎(chǔ)，論述了SVM的分類器在小樣本以及學(xué)習(xí)等方面的優(yōu)點(diǎn)。然后運(yùn)用核函數(shù)，將線性支持向量機(jī)擴(kuò)展成非線性支持向量機(jī)，使得支持向量機(jī)能夠滿足人臉識(shí)別的分類要求。討論SVM多分類方法的實(shí)現(xiàn)。
　　(4)針對(duì) PCA算法中并未利用分類信

5、息的問題，引入線性判別分析，并提出基于PCA和SVM的人臉識(shí)別改進(jìn)框架，最終形成了PCA+LDA+SVM的人臉識(shí)別框架，并在Matlab平臺(tái)上經(jīng)過大量的實(shí)驗(yàn)，探討了維數(shù)比率、訓(xùn)練樣本數(shù)目對(duì)算法的影響，驗(yàn)證了它良好分類效果。
　　(5)基于改進(jìn)的人臉識(shí)別框架，用Visual Studio2010、OpenCV庫以及Qt框架實(shí)現(xiàn)了一個(gè)實(shí)時(shí)人臉識(shí)別系統(tǒng)。通過動(dòng)態(tài)人臉識(shí)別的測(cè)試，識(shí)別率為97.3％，識(shí)別效果優(yōu)良，每次的識(shí)別時(shí)間平均為356