基于PCA的人脸特征提取及识别.docVIP

工程设计报告 设计题目：基于PCA的人脸特征抽取及识别 学 院： 电子工程学院 专 业： 智能科学与技术 姓名： 钟佩 学号： 时 间： 2011年11月 指导教师： 缑水平 目录  TOC \o 1-3 \h \z \u  HYPERLINK \l _Toc309242819 摘要  PAGEREF _Toc309242819 \h 3  HYPERLINK \l _Toc309242820 1．PCA进行特征抽取和识别的方法及理论基础  PAGEREF _Toc309242820 \h 3  HYPERLINK \l _Toc309242821 1.1 K-L 变换  PAGEREF _Toc309242821 \h 3  HYPERLINK \l _Toc309242822 1.2 利用 PCA 进行人脸识别  PAGEREF _Toc309242822 \h 4  HYPERLINK \l _Toc309242823 1.3 PCA 的理论基础  PAGEREF _Toc309242823 \h 4  HYPERLINK \l _Toc309242824 1.3.1 投影  PAGEREF _Toc309242824 \h 4  HYPERLINK \l _Toc309242825 1.3.2 PCA 的作用及其统计特性  PAGEREF _Toc309242825 \h 5  HYPERLINK \l _Toc309242826 1.3.3 特征脸  PAGEREF _Toc309242826 \h 6  HYPERLINK \l _Toc309242827 1.3.4 图片重建  PAGEREF _Toc309242827 \h 7  HYPERLINK \l _Toc309242828 1.3.5 奇异值分解（SVD）  PAGEREF _Toc309242828 \h 7  HYPERLINK \l _Toc309242829 1.3.6 利用小矩阵计算大矩阵特征向量  PAGEREF _Toc309242829 \h 8  HYPERLINK \l _Toc309242830 1.3.7 图片归一化  PAGEREF _Toc309242830 \h 8  HYPERLINK \l _Toc309242831 2．结果  PAGEREF _Toc309242831 \h 9  HYPERLINK \l _Toc309242832 1.识别率  PAGEREF _Toc309242832 \h 9  HYPERLINK \l _Toc309242833 2.特征脸  PAGEREF _Toc309242833 \h 9  HYPERLINK \l _Toc309242834 3.人脸重构  PAGEREF _Toc309242834 \h 10  HYPERLINK \l _Toc309242835 3．参考文献  PAGEREF _Toc309242835 \h 10  HYPERLINK \l _Toc309242836 4 附录—matlab 源码  PAGEREF _Toc309242836 \h 11  HYPERLINK \l _Toc309242837 4.1 人脸识别  PAGEREF _Toc309242837 \h 11  HYPERLINK \l _Toc309242838 4.2 特征人脸  PAGEREF _Toc309242838 \h 12  HYPERLINK \l _Toc309242839 4.3 人脸重建  PAGEREF _Toc309242839 \h 14  摘要 对于一幅图像可以看作一个由像素值组成的矩阵，也可以扩展开，看成一个矢量，如一 幅N*N 象素的图像可以视为长度为N2 的矢量，这样就认为这幅图像是位于N2 维空间中的 一个点，这种图像的矢量表示就是原始的图像空间，但是这个空间仅是可以表示或者检测图 像的许多个空间中的一个。不管子空间的具体形式如何，这种方法用于图像识别的基本思想 都是一样的，首先选择一个合适的子空间，图像将被投影到这个子空间上，然后利用对图像 的这种投影间的某种度量来确定图像