1 / 18
文档名称:

人脸识别报告.docx

格式:docx   大小:24KB   页数:18页
下载后只包含 1 个 DOCX 格式的文档,没有任何的图纸或源代码,查看文件列表

如果您已付费下载过本站文档,您可以点这里二次下载

分享

预览

人脸识别报告.docx

上传人:xiang1982071 2019/2/17 文件大小:24 KB

下载得到文件列表

人脸识别报告.docx

文档介绍

文档介绍:人脸识别报告信息工程学院本科生课程设计报告课程名称:数字信号处理设计题目:人脸识别系别:信息工程学院专业(方向): 年级、班: 学生姓名: 学号: 指导教师: 日目录一、设计目的.......................................... 二、设计要求.......................................... 三、设计原理.......................................... 四、设计用途.......................................... 五、设计总结.......................................... 六、参考文献.......................................... 摘要:人脸识别系统以人脸识别技术为核心,是一项新兴的生物识别技术,是当今国际科技领域攻关的高精尖技术。它广泛采用区域特征分析算法,融合了计算机图像处理技术与生物统计学原理于一体,利用计算机图像处理技术从视频中提取人像特征点, 利用生物统计学的原理进行分析建立数学模型,具有广阔的发展前景。在本次设计过程中我们详细的了解了人脸识别的内容和应用。关键词:图像预处理;特征提取;识别;应用一人脸识别系统概述 ,包括人脸图像采集、人脸定位、人脸识别预处理、身份确认以及身份查找等;而狭义的人脸识别特指通过人脸进行身份确认或者身份查找的技术或系统。人脸识别是一项热门的计算机技术研究领域,它属于生物特征识别技术,是对生物体本身的生物特征来区分生物体个体。生物特征识别技术所研究的生物特征包括脸、指纹、手掌纹、虹膜、视网膜、声音、体形、个人****惯等,相应的识别技术就有人脸识别、指纹识别、掌纹识别、虹膜识别、视网膜识别、语音识别、体形识别、键盘敲击识别、签字识别等。 。 ,是指该识别方式同人类进行个体识别时所利用的生物特征相同。例如人脸识别,人类也是通过观察比较人脸区分和确认身份的,另外具有自然性的识别还有语音识别、体形识别等,而指纹识别、虹膜识别等都不具有自然性,因为人类或者其他生物并不通过此类生物特征区别个体。 ,这会使该识别方法不令人反感,并且因为不容易引起人的注意而不容易被欺骗。人脸识别具有这方面的特点,它完全利用可见光获取人脸图像信息,而不同于指纹识别或者虹膜识别,需要利用电子压力传感器采集指纹,或者利用红外线采集虹膜图像,这些特殊的采集方式很容易被人察觉,从而更有可能被伪装欺骗。二人脸识别的应用同其他生物特征识别技术,如指纹识别、说话人语音识别、虹膜识别、DNA识别、步态识别等相比,人脸识别具有被动、友好、方便的特点。其应用范围广泛,可应用于以下的几个方面:·嫌疑犯照片的识别匹配·信用卡、驾驶执照、护照与个人身份的识别·银行、商场安全系统·门禁系统、计算机登录控制·专家识别系统·基于目击线索的人脸重构·嫌疑犯电子照片簿·基于残留人脸的人脸重构·基于父母人脸的小孩脸推导生成·,主要的人脸识别方法有: 几何特征的人脸识别方法:几何特征可以是眼、慧眼人脸识别考勤机人脸识别——特征脸方法贾东亚一、实验目的 1、学会使用PCA主成分分析法。 2、初步了解人脸识别的特征法。 3、更熟练地掌握matlab的使用。二、原理介绍 1、PCA 引用一个网上的例子。假设有一份对遥控直升机操作员的调查,用x1表示飞行员i的(i)飞行技能,x2表示飞行员i喜欢飞行的程度。通常遥控直升飞机是很难操作的,只有那些(i)(i)非常坚持而且真正喜欢驾驶的人才能熟练操作。所以这两个属性x1和x2相关性是非常强的。我们可以假设两者的关系是按正比关系变化的。如下图里的任意找的向量u1所示,数据散布在u1两侧,有少许噪声。(i) 现在我们有两项数据,是二维的。那么如何将这两项变量转变为一个来描述飞行员呢?由图中的点的分布可知,如果我们找到一个方向的U,所有的数据点在U的方向上的投影之和最大,那么该U就能表示数据的大致走向。而在垂直于U的方向,各个数据点在该方向的投影相对于在U上的投影如果足够小,那么我们可以忽略掉各数据在该方向的投影,这样我们就把二维的数据转化成了在U方向上的一维数据。为了将u选出来,我们先对数据进行预处理。先求出所有数据的平均值,然后用数据与平均值的偏差代替数据本身。然后对数据归一化以后,再代替数据本身。而我们求最大的投影和,其实就是求各个数据点在U上的投影距离的方差最大。而XTu就是投影的距离。故