文档介绍：线性判别分析人脸识别系统的研究与实现广东工业大学硕士学位论文刘奇分类号:指导教师姓名、职称:学科ㄒ或领域名称:论文答辩日期:密级:学校代号:学号:学生所属学院:ぱ妒
篖:.珿,甊.
.摘要人脸识别技术是模式识别领域非常热门的研究课题之一,具有直接、方便、友好、易于被用户接受等优点,在海关、公安、银行等部门有着广泛的应用前景。它涉及到图像处理、模式识别、生理学、机器视觉等多个领域。广义的人脸识别通常包括人脸检测、图像预处理、特征提取和识别等技术,其中人脸检测和特征提取是人脸识别系统中非常关键的组成部分。本文详细分析了算法、主元分析法咝约鸱治龇琇⒒谧畲笊⒍炔钕咝约鸱治龇和二维线性鉴别分析法幕驹怼T谡庑┭芯抗ぷ鞯幕∩希疚奶岢隽巳缦***龃葱滤法。岢鲆恢纸岷戏羯ḿ觳夂虯惴ǖ淖远鹘故凳比肆臣觳夥椒ā该方法首先采用肤色信息定位皮肤区域,然后统计肤色区域像素数,再根据像素数进行调焦,最后采用算法进行人脸检测。实验结果表明该方法在传统算法的基础上缩短了检测时间,同时,由于消除了非肤色区域检测出人脸的可能性并改善了远距离人脸检测的缺陷,检测率提高了ィ蠹炻式档土岢隽艘恢中碌幕诎肱纪枷竦姆挚長方法。该方法采用半偶图像作为样本,对样本进行分块、并对各分块采用椒ㄌ崛√卣鳎詈笕诤各分块特征进行分类识别。采用对上述方法进行仿真,实验结果表明方法降低了样本维数,削弱了姿态、表情的影响,兼顾了图像的局部特征,其识别率达ァ岢隽艘恢只诎肱纪枷竦方法8梅椒ú捎算法直接提取半偶图像的人脸特征。和椒ㄏ啾龋方法不仅解决了算法的小样本问题,而且得到的离散度矩阵更加精确,其维数也大大降低,从而使得特征提取时间大为减少。在椒ǖ幕∩希琀算法采用半偶图像作为样本,进一步降低了离散度矩阵的维数,使得其特征提取时间更为优化。实验结果表明,椒ㄌ卣魈崛∈奔溆庞贚方法和椒ǎ⑶揖哂型鹊识别性能。最后,⒘苏鋈肆呈侗鹣低常⑷摘要ァ’
得了比较满意的识别效果。实现了人脸识别技术的实际应用价值。关键词:肤色检测;;人脸检测;蝗肆呈侗广东工业大学硕士学位论文
,現瓸%.琾,,琾,·琍琇猟,,,,.—.甌瑃’
瓹琤琒琱,’.:广东工业大学硕士学位论文...籄籉籐;
口三王摘要⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯目录⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.第一章绪论⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.研究背景和意义⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.国内外研究现状⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯...⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯./砉⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..第二章基于算法的人脸检测方法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..算法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.算法简介⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..实验结果及分析⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯第三章人脸图像预处理⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯图像灰度化⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯光照补偿⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。图像滤波⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯第四章基于统计特征的人脸识别方法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..斑⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.目录
惴ā惴ǖ囊搿甃变换⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.惴ǖ挠诺愫腿毕荨惴ā惴ǖ脑怼.⒍炔钕咝约鸱治觥惴ú街琛骸惴ǖ娜毕荨实验结果及分析⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯一小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯