人臉識別算法研究及實(shí)現(xiàn).pdf

1、隨著科技的不斷進(jìn)步，生物識別技術(shù)的發(fā)展也越來越受到人們的廣泛關(guān)注。在眾多生物識別技術(shù)中，人臉識別技術(shù)以其使用方便、用戶接受度高、直觀性突出、識別精確度高、速度快、不易仿冒、成本較低和易于推廣使用等優(yōu)點(diǎn)成為最有前途的生物別技術(shù)之一。 本文首先介紹了人臉識別方法。人臉識別過程包括三部分：人臉檢測與定位、人臉圖像預(yù)處理、人臉識別，其中人臉識別包括人臉特征提取、訓(xùn)練與匹配。概述了人臉檢測、人臉圖像預(yù)處理、人臉識別這三部分常用的方法。

2、 接著采用了一種基于膚色的人臉檢測與定位方法。使用一種自適應(yīng)的彩色圖像光照補(bǔ)償方法對采集的圖像進(jìn)行光照補(bǔ)償。通過對幾種常用的顏色空間膚色提取方法的比較，采用了一種利用YCbCr和KL顏色空間相結(jié)合進(jìn)行膚色提取的方法。然后對得到的人臉候選區(qū)域進(jìn)行中值濾波，膨脹和腐蝕操作，最后確定人臉的位置。通過實(shí)驗(yàn)可知，此種膚色提取的方法對光線較強(qiáng)和光線較暗的圖像都有很好的膚色提取效果。 然后給出了人臉預(yù)處理方法，包含了圖像剪裁、圖像類型轉(zhuǎn)換

3、、圖像濾波、圖像灰度變換和圖像尺寸歸一化五個部分。本文采用的人臉圖像尺寸歸一化方法，通過確定人臉左右邊界、雙眼的位置和嘴巴的位置來剪裁圖像，保證人臉特征的完整性，更有利于后續(xù)的人臉特征的提取和識別。 最后，采用了一種基于PCA與小波的人臉識別方法。首先對原圖像進(jìn)行三次小波分解，用低頻分量和平均分量來代替原始人臉圖像，解決了PCA算法存在計(jì)算量大的問題。當(dāng)使用PCA進(jìn)行降維處理時，一個?？紤]的問題就是該保留多少個特征向量。本文提出