基于支持向量機(jī)的人臉識別技術(shù)研究

論文編號:TX252  論文字?jǐn)?shù):20095,頁數(shù):71 有實(shí)驗(yàn)說明，PPT，代碼

摘   要
 人臉識別技術(shù)是國內(nèi)外共同關(guān)注的一個前沿課題，在現(xiàn)代經(jīng)濟(jì)和社會的發(fā)展中有著十分廣泛的應(yīng)用領(lǐng)域和應(yīng)用前景，如安全系統(tǒng)、罪犯識別、電視會議等，因而已經(jīng)成為當(dāng)前模式識別和人工智能的一個研究熱點(diǎn)。
 本文總結(jié)了人臉識別技術(shù)的研究現(xiàn)狀，討論將支持向量機(jī)用于模式識別的理論，研究了其中的關(guān)鍵技術(shù)和難點(diǎn)，并進(jìn)行了分析和比較。本文提出了一種基于圖片分割的人臉特征提取方法，該方法利用二維離散余弦變換對每個子圖片進(jìn)行分解，并利用支持向量機(jī)作為分類器來識別不同的人臉。基于圖象的劃分，一個新的圖象提取的方法，它使用2維的離散余弦變換來分解圖象，特征被提出來。根據(jù)DCT，一個臉部識別模型是由與SVMS綁定構(gòu)成的。為了劃分符合類型的分類，一對多的策略在我們的模型中被使用。支持向量機(jī)是新一代基于在靜態(tài)學(xué)習(xí)理論中的近代先進(jìn)的學(xué)習(xí)系統(tǒng)。SVMS在真實(shí)世界的實(shí)現(xiàn)中提交圖畫狀態(tài)的表現(xiàn)，諸如文本分類，圖象分類，小塊信息，等等。和目前一些人臉識別方法相比，本文提出的人臉識別算法具有較好的性能，在ORL人臉庫上的性能模擬表明，算法具有較高識別率。
 
關(guān)鍵詞：人臉識別；支持向量機(jī)；離散余弦變換；ORL數(shù)據(jù)庫

Research on Face Recognition Technology Based on Discrete Cosine Transform and Support Vector Machines

Abstract
 Face recognition technology (FRT) is front-line task in pattern recognition domain, which has extremely extensive applications such as security systems, criminal identifications, teleconferences and so on. Thus, the study of the technology has been a research focus in pattern recognition and artificial intelligence.
 In this paper, the actuality of automated face recognition is summarized, the theory of applying SVM into pattern recognition is discussed, and crucial face recognition technologies and difficulties are analyzed and compared. In this paper, A new method of feature extraction to face image, which uses 2-dimension discrete cosine transform to decompose each sub-image, is proposed based on images partition in this paper. And support vector machine is used as classifier to recognize different face image. Based on image partition, a new feature extraction method, which uses 2-dimension discrete cosine transform to decompose sub-image, is proposed. According to DCT, a face recognition model is constructed combined with SVM. In order to classify multi-class classification, one-vs-all strategy is used in our model. Support vector machine is a new generation learning system based on recent advances in statistical learning theory. SVMs deliver state-of-the-art performance in real-world applications such as text categorization, image classification, bioinformatics, and so on.  Compared with some current approaches, our algorithm has better performance, the simulation results on ORL database show that our system has a high recognition rate.
 
Key Words: face recognition; Support Vector Machines; discrete cosine transform; ORL database

目   錄
摘   要 I
Abstract II
圖目錄 III
表目錄 IV
目   錄 V
1. 緒 論 1
1.1 課題研究背景 1
1.2相關(guān)學(xué)科研究進(jìn)展 3
1.3自動人臉識別系統(tǒng) 4
1.4本文研究內(nèi)容及結(jié)構(gòu) 5
2. 人臉識別綜述 7
2.1 基于人工定義特征的識別方法 7
2.2 基于自動獲取特征的識別方法 7
2.2.1 基于支持向量機(jī)的識別方法 7
2.2.2 基于神經(jīng)網(wǎng)絡(luò)的識別方法 9
2.2.3 基于統(tǒng)計特征的識別方法 10
2.2.4 基于小波特征的彈性匹配方法 12
3. 支持向量機(jī)的基本理論和算法 16
3.1 支持向量機(jī)的特點(diǎn)與應(yīng)用 16
3.2 支持向量機(jī)概述 21
3.2.1 支持向量機(jī)（SVM）的人臉識別結(jié)構(gòu) 21
3.2.2 支持向量機(jī)（SVM）的人臉識別算法 22
4. 基于DCT和支持向量機(jī)的人臉識別系統(tǒng) 24
4.1 人臉特征的提取 24
4.1.1 離散余弦變換 24
4.1.2 系數(shù)選取 26
4.1.3 本實(shí)驗(yàn)中的DCT處理過程 31
4.2 支持向量機(jī)的結(jié)構(gòu)設(shè)計 31
5. 性能評價 33
5.1 人臉數(shù)據(jù)庫 33
5.2 實(shí)驗(yàn)結(jié)果 34
5.2.1 不同特征維數(shù)性能比較 34
5.2.2 不同核函數(shù)的性能比較 35
6. 總結(jié) 37
謝辭 38
參考文獻(xiàn) 39
附錄部分 41
附錄A 41