資源描述：
《人臉識(shí)別技術(shù)的研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、哈爾濱工程大學(xué)碩士學(xué)位論文摘要生物特征識(shí)別是一項(xiàng)利用人類特有的生理或行為特征來進(jìn)行身份識(shí)別的技術(shù)，它提供了一種高可靠性、高穩(wěn)定性的身份鑒別途徑。而人臉檢測(cè)和識(shí)別是目前生物特征識(shí)別中最受人們關(guān)注的一個(gè)分支，是計(jì)算機(jī)視覺與模式識(shí)別領(lǐng)域非常活躍的一個(gè)研究方向。本文以構(gòu)建一個(gè)視頻圖像人臉識(shí)別系統(tǒng)為目標(biāo)對(duì)于人臉識(shí)別的問題進(jìn)行了深入研究，主要工作及貢獻(xiàn)如下：①人臉檢測(cè)是人臉識(shí)別的第一步，文中的人臉檢測(cè)采用對(duì)人臉和非人臉樣本提取haar特征然后用adaboost算法訓(xùn)練分類器實(shí)現(xiàn)對(duì)人臉的檢測(cè)。對(duì)檢測(cè)出的人臉進(jìn)行大小，
2、灰度歸一化等預(yù)處理工作。提出將小波變換應(yīng)用到圖像處理中，提取人臉的低頻圖像用于識(shí)別，試驗(yàn)表明采用低頻圖像表示人臉不但降低了圖像維數(shù)，而且有效地減少了光照，表情的影響，取得了更高的識(shí)別率。②對(duì)三種典型的人臉識(shí)別方法：主成分分析方法、Fisher臉方法、K／CA方法進(jìn)行了詳細(xì)的論述和實(shí)驗(yàn)分析。實(shí)驗(yàn)結(jié)果表明Fisher臉方法對(duì)PCA特征的二次提取，得到了比PCA方法更好一些的識(shí)別結(jié)果。核主成分分析是線性PCA的非線性擴(kuò)展算法，它采用非線性的方法抽取主成分，描述了多個(gè)像素問的相關(guān)性，可以把在輸入空間不可線性分類
3、的問題變換到特征空間實(shí)現(xiàn)線性分類，從而取得比前兩者更好的效果。③提出了將支持向量機(jī)(SupportVectorMachine)用于人臉分類和識(shí)別，首先對(duì)人臉圖像用KPCA方法提取特征，然后用支持向量機(jī)進(jìn)行分類識(shí)別。該方法提取的特征“少而精”，計(jì)算量少，取得了很好的分類、識(shí)別效果。④構(gòu)造了一個(gè)基于靜態(tài)圖片的人臉識(shí)別系統(tǒng)和一個(gè)在線視頻人臉檢測(cè)與識(shí)別系統(tǒng)。前者主要實(shí)現(xiàn)對(duì)靜態(tài)人臉庫的人臉識(shí)別。后者包含圖像錄入，人臉檢測(cè)，人臉圖像預(yù)處理，特征提取，分類識(shí)別五個(gè)功能模塊，可以很好的對(duì)在線視頻做人臉檢測(cè)與識(shí)別，在智能
4、監(jiān)控領(lǐng)域有實(shí)際的應(yīng)用價(jià)值，可以用來做教研室的考勤系統(tǒng)。關(guān)鍵詞：模式識(shí)別；人臉識(shí)別：圖像處理；KPCA；支持向量機(jī)哈爾濱工程大學(xué)碩士學(xué)位論文AbstractThebiologicalcharacteristicrecognitionisakindofidentificationtechnologythatrisesthehuman’Sspecialphysiologyorbehaviorcharacteristic，itprovidedakindofhighreliability,goodstabilit
5、yapproachofidentityappreciation．FacedetectionandRecognitionisverypopularbranchofthebiologicalcharacteristicrecognition．Anditisalsoaveryactivesubjoctinthefieldsofthecomputervisionandthepatternrecognition．，Thispaperhasdonede印researchontheFaceRecognitionbys
6、tructureasystemofvideoimagefaceRecognition,themainjobandcontributionasfollows：First，ThefacedetectionisthefirststepofFaceRecognition,thispaperadoptthealgorithmabstractingthehaarcharacteristicfromhumanfaceandinhumanfaceandthenusingadaboosttrainingalgorithm
7、classifiertoachievethefacediction．Anddosomepretrealmentworkthatcarryingoutsize，gradationonthefacethatalreadybeendetected．TIlispaperalsosuggeststhatthewavelettransformcouldbeusedinimageprocessing；Pickuphumanface。Slowfrequencyimagewhichcallbeusedforrecogni
8、tion．Theexperimentresultshowthatadoptingthelowfrequencyimagepresentshumanfacenotonlydepresstheimagedimension,butalsodecreasetheinfluenceoflightandtexpression,obtainahigherrecognitionrate．Second，Thispaperalsodiddetaileddisc
