论文部分内容阅读
人脸识别是通过计算机分析人脸图像,并从人脸图像中提取有效信息进行身份识别的过程。随着电子商务等应用的发展,人脸识别已成为最有潜力的身份验证手段之一,其可以被应用于公安系统的罪犯身份识别,银行及海关监控系统,自动门卫系统和家庭娱乐等方面。人脸识别系统分为人脸检测和人脸识别两个部分。人脸检测是人脸识别系统中关键性的第一步,因此人脸检测算法的精度直接影响到后继工作的进行,本文采用了基于AdaBoost的人脸检测方法,能够较好的完成人脸识别系统的前期工作。而人脸识别的重点在于特征提取,本文对主要的特征提取算法及Gabor小波进行了研究与分析。根据实验结果,采用了Gabor小波和监督的局部线性嵌入算法(Supervised Local Linear Embedding, SLLE)对人脸图像进行特征提取,并通过仿真实验验证了该算法的有效性。其主要研究工作如下:1)分析并实现了基于AdaBoost的人脸检测算法,利用从互联网上搜集的图片进行实验,给出实验结果并进行分析。2)介绍了Gabor小波变换的基本概念,讨论了利用Gabor小波变换进行特征提取的方法,其优点主要在于Gabor小波能够比较准确的描述人脑视觉皮层简单细胞的感受野,而且Gabor小波变换克服了传统Fourier变换在频域内无任何时域分辨力的缺陷,体现了信号的联合时频分析特性。重点分析了二维Gabor小波的参数意义及其在人脸识别中的应用。3)介绍了PCA、LDA、KPCA、KLDA、LLE等比较典型的人脸识别算法,并对这些算法进行分析,在Matlab平台上进行仿真实验,找出每种算法的优势及存在的问题。根据实验结果,针对一般算法在利用样本信息上的不足,提出并实现了一种基于Gabor小波和SLLE的人脸识别算法,即先得到人脸图像的Gabor特征,考虑到后继处理的复杂性,对得到的Gabor特征进行下采样,然后利用SLLE算法对下采样后的Gabor特征进行降维。在ORL和YALE库上的实验表明,该算法平均识别率比其他算法提高3.5%~37.8%,有效提高了人脸识别算法的性能。4)在分析实验结果的基础上,在Visual C++ 6.0上实现了基于人脸识别的考勤系统。经过多次的实验,本系统在包含20个人,每个人10张图片的数据库上,识别率能够达到90%以上,且识别时间在1秒以内,体现出了较高的识别率和实时性。