基于改进PCA算法和遗传算法的人脸识别研究

VIP免费
3.0 牛悦 2024-11-19 4 4 1.41MB 61 页 15积分
侵权投诉
摘要
随着社会的不断进步，人脸识别技术成为模式识别和计算机视觉领域最富挑
战性的研究课题之一，在身份验证上它是一种自然、直接的方法，且具有易接受
性、便利、友好的特性，因此，在公共安全、信息安全、人机交互等领域中有着
广泛的应用前景。本论文在此之前研究的基础上，对相关的问题进行了更深的研
究和探讨，主要工作有下：
首先，介绍了生物特征识别和人脸识别研究的背景和意义，概述了人脸识别
技术的发展历程，及在国内外的研究与发展现状；然后，详细说明了人脸识别的
整个过程中的各主要步骤，对每个步骤中所需要的算法、技术等作了比较细致的
介绍和研究。
在人脸特征提取这一部分，分别应用特征脸法和改进主成分分析算法进行提
取，在改进主成分分析方法中，应用二维
Gabor
小波进行滤波处理，出现人脸的
纹理特征，对此时纹理特征集的维数过高，识别时不能满足实时性要求这一问题，
本文利用主成分分析算法进行降维降噪处理，最后通过遗传算法来识别人脸。
利用基于遗传算法的模板匹配方法在每一个人脸候选区域内寻找人脸并识
别。在基于遗传算法的识别过程中，应用GAOT工具箱，经过选择、交叉、变异等
算子，针对本文设置相应的参数，最终达到最佳适应度值则达到最佳匹配。
关键词：人脸识别 改进PCA算法 Gabor小波变换 遗传算法
ABSTRACT
With the development of information technology, human face recognition
technology has become to one of the most challenging research topics between pattern
recognition and computer vision areas. In the area of identity authentication, it is not
only a natural and direct method, but also convenient , easy to accept, and friendly to
use. In the field of public security, information security and man-machine interaction,
face recognition has a broad prospect of application. Based on previous, my paper
mainly do the following work under the basis related problems:
Firstly, introduce the face recognition research background and significance,
expounds the development of face recognition technology, and the domestic and foreign
research and development of the status quo. Then from face recognition system
construction, discussed the whole face recognition process in each major steps and each
link of the necessary technology. Algorithm is introduced and studied in each step.
At the stage of the face feature extraction, we applied PCA method and improved
the PCA algorithm to extract the face feature. During the improved PCA method in this
paper, we first use a two-dimensional Gabor wavelet to filter, appeared the face the
texture characteristics. But now the texture characteristics’ dimension is too high, it can
not meet the requirements of the real-time property when recognition. So we use the
principal component analysis (PCA) to reduce dimension and noise. Last, through the
genetic algorithm to identify face.
Based on genetic algorithm, use the template matching method in every face
candidate area to search face. In the identification process, use toolbox of GAOT, then
through selection, crossover and mutation operator, set the corresponding parameters,
and finally reach the best fitness value to achieve the best match.
Key words: Face recognition, Improved Principle Component
Analysis, Gabor Wavelet，Genetic algorithm
目录
中文摘要
ABSTRACT
第一章 绪论 .....................................................................................................................1
§1.1 生物特征识别概述 ...........................................................................................1
§1.2 人脸识别概述 ...................................................................................................2
§1.2.1 人脸识别研究的背景和意义 .................................................................2
§1.2.2 人脸识别技术的发展历程和国内外的发展现状 .................................3
§1.3 人脸识别的主要研究内容 ...............................................................................5
§1.3.1 人脸检测 .................................................................................................5
§1.3.2 人脸的特征提取 .....................................................................................7
§1.3.3 人脸的识别判定 .....................................................................................9
§1.4 本文的主要工作和论文的章节安排 ...........................................................10
§1.4.1 本文的主要工作及主要创新点 .........................................................10
第二章 人脸检测及预处理 .........................................................................................12
§2.1 人脸检测 .........................................................................................................12
§2.1.1 人脸检测 ...............................................................................................12
§2.1.2 人脸子区域分割 ...................................................................................13
§2.1.3 ORL 人脸库 ...........................................................................................13
§2.2 人脸图像的预处理 .........................................................................................14
§2.2.1 尺寸归一化 ...........................................................................................14
§2.2.2 灰度均衡化 ............................................................................................15
§2.3 本章小结: ........................................................................................................ 16
第三章 基于主成分分析法的人脸特征提取 ...............................................................17
§3.1 K-L 变换 ...................................................................................................... 17
§3.2 基于 PCA 的人脸特征提取 ......................................................................... 19
§3.3 人脸的重构 .....................................................................................................22
§3.4 本章小结 .........................................................................................................23
第四章 改进 PCA 算法对人脸进行特征提取 ...........................................................24
§4.1 基于 Gabor 小波的人脸图像特征表示 .........................................................24
§4.1.1 一维 Gabor 小波变换 ...........................................................................24
§4.1.2 二维 Gabor 小波变换 ...........................................................................24
§4.1.3 二维 Gabor 小波的滤波器组设计 ......................................................26
§4.1.4 人脸的二维 Gabor 小波表示 ...............................................................28
§4.1.5 Gabor 变换特征分析 .............................................................................29
§4.1.6 Gabor 特征的重组 .................................................................................29
§4.2 PCA 方法的特征降维 .....................................................................................29
§4.3 本章小结 .........................................................................................................31
第五章 遗传算法 ...........................................................................................................32
§5.1 遗传算法的基本原理 .....................................................................................32
§5.2 遗传算法的编码 .............................................................................................35
§5.3 适应度函数 .....................................................................................................37
§5.4 遗传操作 .........................................................................................................37
§5.5 遗传算法的收敛性 .........................................................................................38
§5.6 遗传算法的发展动向 .....................................................................................39
§5.6.1 基于遗传算法的机器学习 ....................................................................39
§5.6.2 并行处理的遗传算法 ...........................................................................39
§5.6.3 遗传算法和人工生命之间的渗透 .......................................................40
§5.6.4 遗传算法、进化规则和进化策略的结合 ...........................................40
§5.7 人脸识别的遗传算法实现 .............................................................................40
§5.7.1 实现环境 ...............................................................................................40
§5.7.2 实现过程 ...............................................................................................40
§5.7.3 实验结果 ...............................................................................................42
§5.8 识别结果 .........................................................................................................43
§5.9 本章小结 .........................................................................................................44
第六章 结束语 ...............................................................................................................45
参考文献 .........................................................................................................................46
在读期间公开发表的论文和承担科研项目及取得成果 .............................................49
致 谢 .............................................................................................................................50
附录:实验程序 ............................................................................................................... 51
第一章 绪论
1
第一章 绪论
§1.1 生物特征识别概述
随着计算机技术和生物医学技术的突飞猛进式的发展，利用人体的生物特征
来鉴定个人身份用以保护个人信息安全，已经成为安全验证的首要之选，并且引
起了各界的广泛关注和重视。应用人体生物特征来鉴别个人身份的生物特征识别
技术为安全验证提供了一个可靠的解决方案。
生物特征识别技术是一种将生物技术和信息技术相结合的一种新型识别技
术，它通过将计算机技术、光学技术、传感器技术和统计分析学等一些前沿学科
和高科技发展密切结合，利用指纹、视网膜、虹膜及人脸等人体的一些具有特殊
性的生物特征或语音、笔迹等一些行为特征作为元素进行个人身份验证。因为生
物特征具有很高的唯一性、不易丢失和不易破解性，因此，生物特征识别被认为
是一种更可靠、更方便、更快捷的大众化身份识别手段。
用于识别身份的生物特征只要满足以下条件，基本上就可以作为身份鉴定的
生物特征：
1.普遍性（universality）。每个生物个人都必备的特征。
2.安全性（safety）。人的某些生理特征所具有的独一无二的特性就是个人最
好标签，使个人信息具有很高的安全性能。
3.唯一性（uniqueness）。生物个体都存在着与其他个体不同的特征。
4.稳定性（stability）。每个人的生物特征都不会随时间等外界条件的改变而
发生变化，至少在一段时间内具有不变性。
5.可采集性（collect ability）。所选择的特征应该便于采集和测量。
然而一些生物特征满足了上述条件，但未必实际可行，实际的系统还必须考
虑到：
6.性能（performance）。识别的过程要有一定的速度，识别的结果要比较准
确，且鲁棒性要强。具有达到速度、准确性等能所要求的资源。
7.可接受性（acceptability）。被检测者对所选的个人生物特征及其应用的意
愿性。
8.可欺骗性（can be deceptive）。不易用一些欺骗手段蒙混过系统。
所有生物特征的识别的工作原理和实现过程大体上都是一致的。流程图如
基于 PCA 改进算法和遗传算法的人脸识别研究
2
下：
图1.1 典型生物特征识别系统
一个典型的生物特征识别系统主要有四个大的主要部分：特征传感器、特征
提取系统、匹配系统和生物特征数据库，以及采集特征样本、预处理、特征提取
和特征匹配四个处理过程。
§1.2 人脸识别概述
§1.2.1 人脸识别研究的背景和意义
与指纹、视网膜等一些人体生物特征一样，人脸也是与生俱来的，它同样具
有不易复制性和唯一性，这就说明它具备作为身份鉴定手段的前提。更为可佳的
条件是，人脸识别技术操作起来简单，不需要人主动的去配合，结果更为直观明
了、隐蔽性能好。因此，对于人脸的识别技术在很多领域都得到了广泛的应用，
特别是信息安全领域、出入境控制领域、刑事侦破等领域。
人脸识别技术最初的图像环境比较简单，一般是正面图像、背景单一、对其
灰度分析的识别，后来的研究环境越来越复杂，发展到多姿态人脸，有正面、侧
面等，以及实现动态人脸的识别，目前三维人脸的识别研究是人脸识别正在发展
的方向。人脸识别的研究历史虽然也比较长，研究所积累的经验也比较丰富，但
第一章 绪论
3
是现如今的识别技术仍还未能达到对所有复杂背景中的人脸进行准确完美的跟踪
和处理的水平。
§1.2.2 人脸识别技术的发展历程和国内外的发展现状
人脸识别的研究起源比较的早，分别于1888年和1910年，Galton 在Nature 杂
志上就已经相继发表了两篇有关人脸进行身份识别的文章[1][2]。目前，人脸识别研
究备受研究人员的追捧，更新更先进的新技术和好方法相继涌现了出来。尤其在
90年之后，人脸识别技术得到强劲的发展，大量的学术论文涌现。
通过经验我们可以知道，识别人最主要的还是正面人脸，它包含了人脸明显
的特征，所以在模式识别中对人脸正面模式的研究是最多的，它的发展可分为三
个时期：
第一个时期是从 20 世纪 50 到60 年代，以 Bertillon、Allen 和Parke 为
代表，他们主要研究人脸面部特征来用于人脸识别。在 Bertillon的识别系统中，
把数据库中的某一张人脸与一个简单语句相联系，同时又与相应的指纹识别相结
合，生成了一个比较强的识别系统。为达到较高的脸部识别率，Allen [3]对待识别
的人脸做了有效且逼真的摹写，随后不久这种想法则被 Parke 用计算机实现了[4]，
并且显示出较高质量的人脸灰度图像模型。本时期工作特点是：识别过程的要全
部由操作人员来完成，自动性和智能性都太差。
第二个时期为 20 世纪 70 年代，人机交互式识别阶段，Goldstion、Harmon
和Lesk 等人用几何特征参数来描述人脸正面图像[5]，表示人脸面部特征的特征矢
量维数为 21 维，并设计出了用这种方法表征的识别系统。Kaya和Kobayashi共同
合作，采用了欧式距离表征的统计学原理对人脸进行表征识别[6]，如两眼间的距离，
嘴唇的上下长度和左右宽度等。之后，T.Kanad 的半自动回溯识别系统[7]被设计了
出来，他这一发明具有创造性的意义，他的特征参数组是应用积分投影法在单幅
图像上计算出来的，然后运用模式分类技术与标准人脸进行匹配。总的来说，这
类方法需要技术操作人员的一些先验储备知识，所以不能少了人的干预，人还不
能解脱出系统。
第三个时期为本世纪以来，人脸识别正在逐步的向实用化、自动化方向发展。
近十年来，计算机速度更快、性能更高，人脸识别也随着有了很大的突破，并且
研发出了多种全自动识别系统[8]。特别是近几年来，人脸识别研究异常活跃，在取
得的新进展中，除了以 K-L 变换为基础的特征脸法和以奇异值为代表的代数特征
方法之外，小波变换、人工神经网络和遗传算法技术也被广泛的应用到人脸识别
研究中，而且涌现出了很多人脸识别的新方法。
摘要：

摘要随着社会的不断进步，人脸识别技术成为模式识别和计算机视觉领域最富挑战性的研究课题之一，在身份验证上它是一种自然、直接的方法，且具有易接受性、便利、友好的特性，因此，在公共安全、信息安全、人机交互等领域中有着广泛的应用前景。本论文在此之前研究的基础上，对相关的问题进行了更深的研究和探讨，主要工作有下：首先，介绍了生物特征识别和人脸识别研究的背景和意义，概述了人脸识别技术的发展历程，及在国内外的研究与发展现状；然后，详细说明了人脸识别的整个过程中的各主要步骤，对每个步骤中所需要的算法、技术等作了比较细致的介绍和研究。在人脸特征提取这一部分，分别应用特征脸法和改进主成分分析算法进行提取，在改进主...

展开>> 收起<<
基于改进PCA算法和遗传算法的人脸识别研究.pdf

共61页,预览7页

还剩页未读， 继续阅读

相关推荐

更多
立即下载
作者：牛悦 分类：高等教育资料 价格：15积分 属性：61 页 大小：1.41MB 格式：PDF 时间：2024-11-19

开通VIP享超值会员特权

  • 多端同步记录
  • 高速下载文档
  • 免费文档工具
  • 分享文档赚钱
  • 每日登录抽奖
  • 优质衍生服务

作者详情

相关内容

更多

推荐作者

热门标签

/ 61
评分 收藏
分享
立即下载 VIP免费下载
客服
关注