论文部分内容阅读
在社会治安形势复杂化和国际反恐态势严峻的今天,在北京奥运会即将到来之际,国家安全、城市安全正在日益成为人们关注的焦点,准确地辨别个人身份是各系统安全的必要前提。人脸是区别人的主要器官,利用计算机分析人脸图像,从而提取出有效的识别信息,是用来进行身份验证的最自然直接的手段。人脸识别可以被应用到公安系统的罪犯身份识别、银行及海关的监控系统等各安全系统中,而且在医学、视频会议、家庭娱乐等方面也有着巨大的应用前景。本文主要研究了人脸识别的特征提取和分类器设计两个方面。在特征提取方面,本文首先实现了两种典型的人脸特征提取方法:主成分分析(PCA)方法和Fisher线性判别分析方法,分别对他们进行了分析和实验验证。然后主要探讨了利用Gabor小波变换进行特征提取的方法,其优点在于Gabor小波函数可以比较准确的描述人脑视觉皮层简单细胞的感受野,从而能有效的提取人脸特征。利用这一特点,本文将Gabor小波方法和PCA、Fisher线性判别分析方法相结合来提取人脸特征,即首先对人脸图像进行Gabor小波变换,得到Gabor小波变换特征,然后应用下采样和PCA方法降低Gabor特征向量的维数,最后运用Fisher线性判别分析方法进行最利于分类的投影,得到变换特征基,人脸图像在其上面的投影作为分类器的输入。在分类器设计方面,研究并实现了K-近邻(K-NN)分类方法,由于K-近邻只是基于一种度量的方法,故本文首先使用以改进城市块距离度量为基础以角度距离度量进行二次分类的组合近邻分类器,然后提出一种以加权角度距离度量进行一次分类和改进城市块距离度量进行二次分类的组合近邻分类器,将这两种K-近邻组合分类器进行比较并与最近邻分类方法进行比较,实验结果表明利用Gabor小波变换和基于加权角度距离为度量的一次分类和改进城市块距离为度量的二次分类的组合近邻分类器效果最好,在ORL标准人脸数据库上的实验取得了99.5%的平均识别率。