matlab kfda,SVD与KFDA相结合人脸识别-matlab-毕业论文

XXXXxx毕业设计(论文)

目录

摘要 ................................................................................................................................. I Abstract ........................................................................................................................... II 1 绪论 ............................................................................................................................. 1 1.1 人脸识别技术的历史发展 ........................................................................................... 1 1.2人脸识别的研究内容 ................................................................................................... 2 1.3人脸识别研究的意义 ................................................................................................... 3 1.4本文的主要研究内容和安排......................................................................................... 4 2. 人脸识别算法原理 ....................................................................................................... 5 2.1奇异值方法(SVD) ................................................................................................... 5 2.2 主分量分析(PCA)方法 ........................................................................................... 6 2.3 Fihser线性鉴别分析 .................................................................................................... 7 2.4 SVD与KFDA相结合人脸识别 ................................................................................... 9 2.4.1 核Fishe判别分析(KFDA).................................................................................. 10 2.4.2 SVD与KFDA的融合 .......................................................................................... 11 3 实验结果与分析 ........................................................................................................ 13 3.1 ORL人脸库实验 ....................................................................................................... 13 3.2 CAS-PEAL人脸库实验.............................................................................................. 15 3.3 结果分析.................................................................................................................. 18 4.总结 ............................................................................................................................ 19 参考文献 ........................................................................................................................ 20 致谢 ............................................................................................................................... 22 附录1 ............................................................................................................................ 23

XXXXxx毕业设计(论文)

摘要

目前于统计特征的线性方法在人脸识别中发展的比较成熟，但是由于人脸识别涉及光照、表情、姿态等问题，线性方法在实际应用中表现的远远不够。因此，将线性方法拓展到非线性领域以提高识别率是一个极待解决的问题。

本论文主要研究了奇异值分解和核Fisher判别分析相结合的方法，将线性Fisher判别算法拓展到非线性方法。既在进行非线性映射之前，首先利用奇异值分解(SVD)，提取所得到的奇异值矩阵左上角区域的值作为KFDA的输入空间，再进行进行核Fisher判别分析(KFDA)。在ORL和CAS-PEAL标准人脸库的试验表明，与经典的线性子空间识别方法以及核Fisher鉴别分析(KFDA)，它具更高的识别率，识别速度也比较快。

关键词： 人脸识别；奇异值分解 ；核Fisher鉴别分析

I

XXXXxx毕业设计(论文)

Abstract

Face recognition is an important branch of biologic feature identification.Because of its advantages comparing to other biologic features，considerable attention has been paid to face recognition.Due to the importance of human being in the multimedia information，the recognition based on man’s biometrics information is one of the important topics in compute rvision and patten recognition in past 20 years. Many approaches to face recognition problem have been devised，from the early geometry based methods to statistiec based methods.

A fusion of SVD and KFDA for face recognition is developed. The algorithm includes two stages :firstly ,all the train sample are projected into the matrix which come from the SVD of the standar face image.Then the left-top information of projecting coefficient matrix is extracted as the primary feature.Then,used the method of KFDA extracted the finall feature which are used to recognition.ORL and CAS-PEAL database are used to test,the experimental results show the method is effective than many other method such as PCA,LDA,KFDA.

Keywords: face recognition ; singular value decomposition ;Kernel Fisher discriminant Analysis

II

XXXXxx毕业设计(论文)

1 绪论

随着社会的发展以及技术的进步，尤其是最近十年内计算机的软硬件性能的飞速提升，以及社会各方面对快速高效的自动身份验证的要求日益迫切，生物识别技术在科研领域取得了极大的重视和发展。由于生物特征是人的内在属性，具有很强的自身稳定性和个体差异性，因此是身份验证的最理想依据。在人与人的接触中，人脸所包含的视觉信息占据了重要地位，它是区分人与人之间差异的最重要特征之一。而人脸识别就是利用计算机从图像或图像序列中检测出人脸，并判断其身份。而相对于指纹、虹膜、掌纹、步态、笔迹、声纹等生物特征，利用人脸来识别具有不可比拟的优势。

1.1 人脸识别技术的历史发展

人脸识别的研究已经有很长的历史，早在19世纪后期法国人Francis Calton就曾对此问题进行了研究，他用一组数字代表不同的人脸侧面特征来实现对人脸侧面图像(Profile)的识别。一直到20世纪90年代以前，典型的人脸识别技术始终是用人脸正面(Frontal side)或者侧面的特征点之间距离度量，而且早期的人脸识别多集中在对侧影图像的研究。

计算机人脸识别技术是近20年才逐渐发展起来的。20世纪90年代更成为科研热点。仅1990年到1998年之间，EI可检索的相关文献就多达数千篇。

Harmon等人利用与Galton类似的方法识别人脸，他采用9个基准点表征侧影在此基准点上导出一组特征，如基准点之间的距离和角度，由基准点形成的三角区域的面积等，然后利用特征之间的归一化欧式距离进行识别。其后期的工作又增加了两个基准点和一些新的特征，而且人脸侧影轮廓曲线可从侧影图像中的自动抽取得到。Kaufman和Breeding也设计了一个对人脸侧影进行识别的系统，他们采用基于特征的方法，其中特征为极坐标形式的自然相关函数的系数。同时对动量不变性特征也进行了实验。Baylou等人选择了10个特征点对人脸侧影进行识别。

由于侧影识别对获取图像的约束较多，人们逐渐转向对正面人脸的识别研究最早的半自动正面人脸识别系统由Bledsoe于20世纪60年代提出。在该人脸识别系统中，首先由操作员定出面部特征点并将其位置输入计算机，这些特征点之间的距离，采用最近邻原则或者其他分类规则即可识别出待识别的人脸。由于特征提取是由人来完成的，该系统对人脸的旋转，倾斜等变太敏感。Kelly对Bledsoe的系统进行了改进。他采用了一种从上到下的分法从图像中自动抽取头部和身体的轮廓，然后应用一些启发式的方法搜索眼鼻子和嘴的位置。在这个人脸识别系统中主要用到的距离测度包括:头的宽两眼之间，头顶和眼睛之间，眼睛和鼻子之间，鼻子与嘴之间的距离。Kaya和Kobayashi采用统计的识别方法，用欧式距离来表征人脸特征，用人脸的著特征组成特征向量，包括内眼宽度，外眼宽度，鼻子宽度，嘴的宽度，处脸的宽度，鼻子与眼睛中间处脸的宽度，下唇与下巴之间的距离，上唇子的距离以及嘴唇的高度，然后根据这些特征值及其估计建立分类器，对特征根据其统计行为

1