基于PCA算法的人脸识别.docx

中南民族大学毕业论文(设计)学院：电子信息工程学院专业：电子信息工程年级：2012级题目:基于PCA算法的人脸识别学生姓名：学号：指导教师姓名:职称:2016年5月26日中南民族大学本科毕业论文（设计）原创性声明本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加以标注引用的内容外本论文不包含任何其他个人或集体已经发表或撰写的成果作品。本人完全意识到本声明的法律后果由本人承担。作者签名：年月日注：本页放在学位论文封面后目录前面目录摘要1Abstract11绪论21.1人脸识别的研究意义21.2人脸识别国内外概况21.3人脸识别的主要研究内容31.4本文研究内容与结构安排42PCA算法原理42.1PCA原理42.1.1K-L变换原理52.1.2K-L变换性质62.1.3特征值选取72.2PCA计算过程73基于PCA算法的人脸识别83.1构建特征脸空间83.2特征提取83.3人脸识别94人脸识别实验104.1图像的预处理104.1.1几何归一化104.1.2直方图均衡化114.1.3灰度归一化114.2人脸库介绍124.3实验设计124.3.1实验基本流程图134.3.2实验设计过程134.4实验结果与分析144.4.1实验结果144.4.2实验结果分析165总结16致谢17参考文献18基于PCA算法的人脸识别摘要：本文探讨了基于主成分分析（PCA）的人脸识别方法。二十多年以来PCA算法已广泛应用于人脸识别成为最流行的人脸表示方法之一。它不仅降低了人脸图像特征的维数缓解了维数灾难的问题同时使得人脸表达更为紧凑。在本文的研究中首先利用PCA对人脸降维其次采用最邻近法对人脸图像进行分类最后在AT＆T人脸数据库上对此方法进行评估。实验结果表明该方法具有较好的识别性能。关键词：人脸识别；主成分分析法；最邻近法FaceRecognitionBasedonPCAMethodAbstract:Inthispaperwestudytheprincipalcomponentanalysis(PCA)whichisoneofthemostpopularrepresentationmethods.NotonlydoesthePCAmethodreducethedimensionalityofthefaceimagebutitavoidstheproblemoftheCurseofDimensionalityaswelltherebygettingmorecompactfacerepresentation.Soithasbeenextensivelyemployedforfacerecognitioninthepastfewdecades.AfterperformingthePCAmethodthenearestneighborruleisappliedtoclassifythefaceimage.FinallythePCAalgorithmisevaluatedontheAT&Tfacedatabaseandtheexperimentalresultsshowthatthisalgorithmachievesprettygoodperformance.Keywords:facerecognition;principalcomponentanalysis;nearestneighborrule1绪论1.1人脸识别的研究意义进入21世纪以来人们的日常生活向着自动化和科技化方向发展信息安全也日趋重要普通的身份识别方式（如钥匙、磁卡、密码等）已经无法保证信息的安全。生物特征识别技术因具有高效、稳定、快速等特点而迅速成为人们关注的研究领域。它是一项用能标识个人特定身份的生理特征或者行为、神态等进行身份认证的技术。虹膜识别、步态识别和人脸识别等均属于该项技术的研究方向这些识别方法具有高效、便捷、难以被伪造等特点避免了传统的身份认证易丢失、遗忘和被破解的弊端。人脸识别是借助计算机分析人脸图像提取出可识别信息进行身份认证的一种方法。与其它生物特征识别相比人脸识别起步较晚不过由于其个体的差异性和自身很强的稳定性它具有友好、方便、直接等显著优势迅速席卷业界成为一项热门的