开题报告-基于PCA的人脸识别.docVIP

一、选题的目的和意义 人脸识别技术应用广泛，在国家安全、军事安全和公共安全领域，智能门禁、智能视频监控、公安布控、海关身份验证、司机驾照验证等是典型的应用。在民事和经济领域，在各类银行卡、金融卡、信用卡、储蓄卡的持卡人的身份验证，社会保险人的身份验证等具有重要的应用价值。在家庭娱乐等领域，人脸识别也具有一些有趣的应用，比如能够识别主人身份的智能玩具、家政机器人，具有真实面相的虚拟游戏玩家等等。虽然人类的人脸识别能力很强，能够记住并辨别上千个不同的人脸，但对于计算机来说则困难多了。 计算机人脸识别技术是近20年才逐渐发展起来的，90年代更成为科研热点。仅1990年到1998年之间，IE可检索到的相关文献就多达数千篇。计算机人脸识别技术就是利用计算机分析人脸图像，从中提取出有效的识别信息，用来辨认身份的--II技术。人脸识别技术应用广泛，在国家安全、军事安全和公共安全领域，智能门禁、智能视频监控、公安布控、海关身份验证、司机驾照验证等是典型的应用。在民事和经济领域，各类银行卡、金融卡、信用卡、储蓄卡的持卡人的身份验证，社会保险入的身份验证等具有重要的应用价值。在家庭娱乐等领域，人脸识别也具有一些有趣有益的应用，比如能够识别主人身份的智能玩具、家政机器人，具有真实面像的虚拟游戏玩家等等。虽然人类的人脸识别能力很强，能够记住并辨别上千个不同的人脸，但对于计算机来说则困难多了。主要表现在：人脸表情丰富；人脸随年龄增长而变化；人脸所成图像受光照、成像角度及成像距离等影响；从二维图象重建三维人脸是一个病态(i11posed)过程，目前尚没有很好的描述人脸的三维模型。另外，人脸识别还涉及到图象处理、计算机视觉、模式识别以及神经网络等学科，也和人脑的认识程度紧密相关。这诸多因素使得人脸识别成为一项极富挑战性的课题。所以，研究人脸识别，不仅推动了图像处理、模式识别理论与应用的发展，满足身份验证、基于内容的检索等实际需求，而且由于人脸的特殊性，对人脸识别进行应用研究，对推动认知科学、生理学、心理学等相关学科的研究也有积极的影响。 二、国内外研究现状及发展趋势 到目前为止，人脸识别的方法随识别方法的不同而不同。早期研究较多的静态人脸识别方法有基于几何特征的人脸识别方法和基于相关匹配的人脸识别方法。目前，静止图像的人脸识别法主要有三个研究方向:? (一)、基于整体的人脸识别方法，主要有：1.特征脸(Eigenface)方法：特征脸方法是从主成分分析(Principal?Component?Analysis,PCA)导出的一种人脸识别和描述技术。特征脸方法就是将包含人脸的图像域看作是一种随机向量，采用KL变换获得正交KL基底。对应其中较大特征值的基底具有与人脸相似的形状，故将其称为特征脸。利用这些基底的线性组合可以描述、表达和逼近人脸图像，因此可以进行人脸识别和合成。识别过程就是将人脸图像映射到由特征脸张成的子空间上，比较其与已知人脸在特征脸空间中的位置。但是，实验表明，特征脸方法随着光照、角度和人脸尺寸等因素的引入，识别率急剧下降，因此特征脸方法还存在着理论上的缺陷。近年来，据此发展了多种对特征脸的改进方法，如双子空间法、相形歧义分析方法，.Fisher脸方法等。2.弹性图匹配方法：弹性图匹配方法是一种基于动态链接结构(Dynamic?Link?Architecture，DLA)的方法。它将人脸用格状的稀疏图表示，图的节点用图像位置的Gabor小波分解得到的特征向量标记，图的边用连接节点的距离向量标记。匹配时，首先寻找与输入图像的最相似的模型图，再对图中的每个节点位置进行最佳匹配，这样产生一个变形图，其节点逼近模型图的对应点的位置。Wiscott等人使用弹性图匹配方法，以FERET图像库做实验，准确率达到97.3%。这种方法对光照、位移、旋转及尺度变化都不敏感，是一种优于特征脸方法的人脸识别方法。其主要缺点是对每个存储的人脸需计算其模型图，其计算量和存储量都较大。3.支持向量机(SVM)是近年来在Vladimir?N．Vapnik等人所建立的以解决有限样本机器学习问题为目标的统计学习理论(SLT)的基础上发展起来的一种新的学习机器．在解决小样本、非线性及高维模式识别问题 中表现出许多特有的优势。? （二）、基于特征的人脸识别方法，主要有:1.隐马尔科夫模(Hidden Markow Model)方法：隐马尔科夫模型(Hidden Mlarkov Model,HMM)〕[6]是用于描述信号统计特性的一组统计模型。.其优点是为每人训练一组模型参数，把各个器官的数值特性与一个状态转移模型联系起来，有较好的识别性能，能结合局部特征描述和概率决策，稳健性好。2.基于神经网络的方法：神经网络在人脸识别应用中有很长的历史。比起其它类型的人脸识别