去光照条件下人脸识别算法的研究和实现的中期报告.docx

去光照条件下人脸识别算法的研究和实现的中期报告
一、绪论
人脸识别系统是一种基于人脸图像的生物识别技术，它通过人脸图像中的特定信息对个体进行识别，它具有使用方便、易于理解和被大众接受的特点，在安全监控、刑侦调查、交通安全等方面有着广泛的应用。但是由于光照变化的影响，人脸图像与模板间的差异会严重增大，影响人脸识别算法的效果。为此，针对光照条件下的人脸识别问题，本文进行研究，选择了LBP、PCA、LDA等算法，并在光照变化的条件下进行实验。以下是中期报告。
二、研究方法
本次研究的主要目标是在不同光照强度和光照方向下，对人脸图像集进行识别。首先需要建立一个人脸数据集，并对其进行预处理。预处理中的主要步骤包括：归一化、直方图均衡化、降噪处理等。接下来，选择LBP、PCA、LDA等算法进行实验，对识别结果进行分析。
三、研究内容
1.建立人脸数据集
人脸数据集应包含不同的光照条件下的人脸图像，数据集的构建应尽量满足多样性和覆盖范围广的要求。
2.预处理
预处理中的主要步骤包括：归一化、直方图均衡化、降噪处理等。归一化可以将图像尺寸统一，直方图均衡化可以增加图像的对比度，降噪处理有助于去除图像中的噪声信息。
3.实现算法
选择LBP、PCA、LDA等算法进行实验，对识别结果进行分析。其中，LBP算法可以对图像的纹理特征进行提取，PCA可以将高维度的数据映射到低维度空间，LDA可以对不同类别的特征进行分离。
4.实验结果分析
对实验结果进行分析，分别对不同算法的识别精度进行比较，分析不同光照条件下的影响因素和算法的鲁棒性。
四、预期成果
1.建立人脸数据集
建立一个包含不同光照条件下的人脸数据集。
2.定义识别算法
选择LBP、PCA、LDA等算法进行实验，并在MATLAB平台上实现。
3.实验分析
对不同算法的识别精度进行比较，分析不同光照条件下的影响因素和算法的鲁棒性。
四、参考文献
[1]ZhaoWY,ChellappaR,PhillipsPJ,etal.Facerecognition:Aliteraturesurvey.ACMComputingSurveys,2003,35(4):399-429.
[2]AhonenT,HadidA,PietikäinenM.FaceRecognitionwithLocalBinaryPatterns.ComputerVision-ECCV,SpringerBerlinHeidelberg,2004:469-481.
[3]TurkM,PentlandA.EigenfacesforRecognition.JournalofCognitiveNeuroscience,1991,3(1):71-86.
[4]BelhumeurPN,HespanhaJP,KriegmanDJ.Eigenfacesvs.Fisherfaces:RecognitionUsingClassSpecificLinearProjection.IEEETransactionsonPatternAnalysisandMachineIntelligence,1997,19(7):711-720.