基于Shearlet变换的人脸识别技术研究的中期报告.docx

基于Shearlet变换的人脸识别技术研究的中期报告
尊敬的评委、老师们：
我是XX，我的课题是基于Shearlet变换的人脸识别技术研究。今天，我来给大家汇报一下我的中期研究进展情况。
一、研究背景
人脸识别技术是一种用于辨别人脸的生物识别技术，近些年来得到了广泛的应用。在日常的院校门禁、手机解锁等领域都有着重要的实际应用。目前主流的人脸识别技术是基于特征点的。但是当面部表情、光照、角度变化较大的时候，常规的特征点提取算法会出现一定的鲁棒性问题。因此，研究人脸识别的方法，提高算法鲁棒性，成为了目前本领域的一个重要问题。
二、研究方法
本研究基于Shearlet变换的静态人脸识别技术，利用Shearlet变换对图片做多尺度分解，从而提取出多个尺度下的人脸特征，构建多尺度Shearlet特征向量，并利用SVM完成分类任务，提高人脸识别率。同时，通过实验得到最优的Shearlet尺度参数，用于人脸识别的特征提取。
三、实验结果
为了验证我们的方法的实用性和效果，我们在lfw和YaleB两个公共的人脸数据集上进行实验。实验结果表明：我们提出的算法，相较于传统的PCA和LBP特征提取算法，能够提高人脸识别的准确率，并且对于不同表情、光照、角度的变化更加鲁棒。
四、研究展望
由于时间和实验条件限制，我们的实验结果还存在一定的改进空间。在之后的研究中，我们将进一步完善算法，同时结合其他的算法，进一步提高人脸识别的准确率和鲁棒性。同时，我们也将探索Shearlet变换在多媒体处理中的更广泛应用。
以上是我的中期报告，感谢各位评委老师的聆听，欢迎提出宝贵的意见和建议。