基于Gabor特征的人脸识别方法-通信与信息系统专业论文.docx

中南民族大学
学位论文原创性声明
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。对本文的研究做出重要贡献的个人和集体,均已在文中以明确方式标明。本人完全意识到本声明的法律后果由本人承担。
作者签名: 日期: 年 月 日
学位论文版权使用授权书
本学位论文作者完全了解学校有关保留、使用学位论文的规定,同意学校保留并向国家有关部门或机构送交论文的复印件和电子版,允许论文被查阅和借阅。本人授权中南民族大学可以将本学位论文的全部或部分内容编入有关数据库进行检索,可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。
本学位论文属于
1、保密□,在_ _年解密后适用本授权书。
2、不保密√□。
(请在以上相应方框内打“√”)
作者签名:
日期:
年
月
日
导师签名:
日期:
年
月
日
摘 要
人脸识别一直都是生物识别领域的研究热点,是一种重要的生物特征识别技术,在当今的自动化身份识别中变得越加重要。人脸识别的研究重点是人脸表达,其实质就是特征提取,特征提取一直以来都是人脸识别领域里的一个研究热点问题。人脸的特征提取大致可以分为全局特征和局部特征。由于基于全局特征的人脸表达对于光照、姿态、表情等因素的影响较为敏感,而局部特征反映的是人脸的局部区域,侧重于提取人脸的细节特征,使其能够克服基于全局特征的不足,因此被越来越多的应用到人脸识别中。
Gabor 小波变换是一种典型的局部特征提取方法,由于在人脸特征提取方面的优越性,使其成为了人脸特征提取的主流方法。本文基于 Gabor 小波变换特征提取的有效性开展研究,主要工作包括以下三个方面:
(1)系统的分析了基于二维 Gabor 小波变换的实现原理,针对直接采用 Gabor 小波变换提取得到的特征维数过高的问题,提出了首先对提取得到的特征进行向下采样,然后采用核主成分分析的方法进行降维处理。在分类器的设计中,选择了支持向量机作为分类器。在此基础上提出了一种基于 Gabor 特征的人脸识别方法。
(2)为了考核本文所提算法的有效性,通过在 ORL 和 Yale 人脸库上与当前主流人脸识别算法进行仿真测试和对比分析,测试本
文算法的有效性。
(3 )为了进一步考核本文所提算法的实际使用价值,采用 MFC+Opencv 实现了基于本文算法的人脸识别系统,包括人脸图像的采集、预处理、特征提取以及识别。
通过对人脸识别系统的实际测试,验证本文所提算法具有实际使用价值。
关键字:人脸识别;Gabor 小波变换;核主成分分析;支持向量机; 特征提取
ABSTRACT
As an important biometric identification technology, face recognition has e an active research in the field of biological recognition, and played increasingly important role in today's automated identification. Face recognition emphasizes on face representation, the substance and hot spot issue of this research is feature extraction. Generally speaking, there are two kinds of face features, global and local. Global features are more sensitive to the impact of factors such as light, gesture, facial expression. On the other hand, the localized feature reflects the local area of the face, focus on extracting details of human face. So the local facial feature can e the drawbacks of global features, and is widely applied in face recognition. Gabor wavelet transform is a typical method of local feature extraction, and has e a mainstream wa