資源描述：
《基于PCA的人臉識別研究.doc》由會員上傳分享，免費在線閱讀，更多相關內容在行業(yè)資料-天天文庫。
1、.內容摘要生物特征識別是利用人類特有的生理或行為特征來識別個人身份的技術，它提供了一種高可靠性、高穩(wěn)定性的身份鑒別途徑。人臉檢測和識別是目前生物特征識別中最受人們關注的一個分支，是當前圖像處理、模式識別和計算機視覺領域內的一個熱門研究課題，在公安部門罪犯搜索、安全部門動態(tài)監(jiān)視識別、銀行密碼系統(tǒng)等許多領域有廣泛的研究，本文對此進行了較為深入的研究。首先描述了人臉識別技術的研究內容、方法、應用前景，對人臉自動檢測與識別技術進行了綜述。并且詳細介紹了人臉識別很重要的一個步驟—“人臉預處理”，文中提到的人臉預處理方法都是從圖像處
2、理的角度著手的，主要目的是使人臉圖像標準化，并在一定程度上消除光照的影響。本文介紹了幾種主要的預處理方法，如幾何歸一化，灰度歸一化。其次，本文重點描述了人臉識別的經典方法，PCA方法。主成分分析方法(PrincipalComponentAnalysis,PCA)，即離散K-L變換，是圖像壓縮中的一種最優(yōu)正交變換。它用一個低維子空間來描述人臉圖像，同時又能在一定程度上保存所需要的識別信息。其基本原理為:由高維圖像空間經K-L變換后得到一組新的正交基，對這些正交基作一定的取舍，保留其中的一部分生成低維的人臉空間，即人臉的特征
3、子空間，識別時將測試圖像投影到此空間，得到一組投影系數，通過與各個人臉圖像比較進行識別。這種方法使得壓縮前后的均方誤差最小，且變換后的低維空間有很好的分辨能力。但在這種人臉識別技術中，二維的人臉圖像矩陣必須先轉化為一維的圖像向量，才能進行PCA分析，而在這種轉化后，造成圖像向量的維數一般較高，使整個特征抽取過程所耗費的計算量相當可觀。關鍵詞人臉識別;人臉預處理;主成分分析頁腳.ResearchonFaceRecognitionBasedonPrincipalComponentAnalysisAbstractBiometr
4、icsisakindofscienceandtechnologyusingindividualphysiologicalorbehavioralcharacteristicstoverifyidentity.Itprovidesahighlyreliableandrobustapproachtotheidentityrecognition.Automaticfacedetectionandrecognitionisoneofthemostattentionbranchesofbiometricsanditisalsoth
5、eoneofthemostactiveandchallengingtasksforimageprocessing,patternrecognitionandcomputervision.Itiswidelyappliedincommercialandlawarea,suchasmugshotsretrieval,real-tinevideosurveillanceinsecuritysystemandcryptographyinbankandsoon.Themainresearchworksandcontribution
6、sareasthefollowing.First,theresearchcontent,approachanddevelopmentareemphasized.Theresearchstatusisintroduced.Thetechnologyofthefacedetectionandrecognitionaresummarized.Andthepaperdescribesfacepreprocessingindetailwhichisandimportantstepinthefacerecognition.Thefa
7、cepreprocessingmethodsweadoptarebasedonimageprocessingtechniques.Themainpurposeistogetthestandardizedfacialimages,andtoeliminatetheimpactofilluminationtosomeextent.Inthispaper,severalkeypreprocessingmethodsareintroduced,suchasgeometrynormalization,gray-scalenorma
8、lizationandimagesbinary-conversion.PrincipalComponentAnalysis(PCA)facerecognitionmethods頁腳.asthefoundationoftheK-Ltransformationisthemostsuperiorintheimagecomp
