文档介绍：西安电子科技大学学位论文创新性声明秉承学校严谨的学风和优良的科学道德,本人声明所呈交的论文是我个人在导师指
—一啪瓅摘要人脸识别技术是近年来随着图像处理技术、计算机视觉技术、模式识别技术等的快速进步而出现的崭新生物识别技术,它主要包括人脸检测和人脸识别两方面内容。该技术较于其他生物识别技术具有操作简单、结果直观、‘隐蔽性好的优点。人脸识别技术在信息安全、刑事侦破、公共事业等领域具有广阔的应用前景和重要的理论研究价值。本文所述的人脸图像识别过程包括三个主要阶段:人脸检测提取、人脸图像特征提取和人脸样本分类等环节。在人脸检测环节,采用了基于丈ǹ占涞娜肆臣觳馑惴ā8盟惴ㄊ且恢只于特征的人脸检测算法,它不受图像中人脸大小的影响,算法简单易于编程实现。经过实验验证,此算法对不同背景、不同尺寸和不同表情位姿的人脸图像都有较好的检测效为提高人脸识别概率,本文在空间域和频率域上分别研究了图像人脸特征。在空域方面,应用了基于最优单位正交向量基的主成分分析惴ǎ谄涤蚍矫妫芯了基于小波变换的方向矩阵特征提取算法。为对提取的特征向量进行分类处理以确定当前人脸的身份,本文使用了支持向量机掷嗍侗鹚惴ā为验证不同算法对识别率的影响,本文随机抽取肆呈菘庵肆惩枷瘢以每人的前魑Q盗费荆溆嘧魑J侗鹧尽=峁砻鳎盒〔ㄋ惴ㄊ侗鹇饰%,惴ㄊ侗鹇饰ァ1砻髟谛〔ù砘∩系腟切垤算法对具有小样本、高维数、非线性特征的人脸检测与识别具有较好的工程应用效果。关键词:人脸图像识别人脸检测主成分分析小波变换支持向量机果。;.
人脸检测与识别技术研究
,產锄恤篸鲥陊鷓鼬慨癳,‰癿鷓,锄鷓响鷆砌鷓,f誴而黮觚皅簊鷇伍,觚够,謉玳蟣谢锄均簃锄一矽缧瞖琾鷇籵甅瑃曛簊叠莣:硒也,產瓹鄊腷Ⅳ.;誽,瞖娟:,產,】,Ⅱ∞誩,%.Ⅱ琻鴈心畁,.
目录绪论⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯研究背景与意义⋯⋯⋯...⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯国内外研究与发展现状⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.谘芯坑敕⒄⒄瓜肿础人脸识别流程⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。人脸识别系统的评价⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯本文的主要内容及文章结构⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯对于人脸检测基本方法的介绍与对比⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.基于肤色的人脸检测方法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.ú士占浣樯堋.ú⒓***⊥枷竦穆瞬ù⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。本章小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.第三章人脸图像预处理⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.几何归一化⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。.狈酵季饣⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..
.⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.第四章人脸识别的特征提取与分类器设计⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯人脸特征提取⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..谥鞒煞址治鏊惴的人脸特征提取⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯〔ǚ治龅娜肆程卣魈崛人脸图像二维小波分解⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.基于小波变换的方向矩阵特征提取⋯⋯⋯⋯⋯⋯⋯⋯一分类器设计⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.赑的人脸识别算法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..训练样本数目对识别率的影响⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.采用不同生成矩阵的识别率比较⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.谛〔⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。第五章总结与展望⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯