【摘要】：人臉識別是在圖像或視頻流中進行人臉的檢測定位和識別。近年來由于計算機運算速度的飛速發(fā)展使得圖像處理技術(shù)有了更好的硬件支持,進而人臉識別技術(shù)也成為計算機視覺與模式識別領(lǐng)域中非常活躍的研究課題,在身份驗證、可視通信、智能監(jiān)控、公安檔案管理等很多方面都有著廣泛的應(yīng)用。廣義上的人臉識別過程包括人臉的檢測定位和人臉的匹配識別兩個部分。本文先綜述了人臉識別的研究背景和研究現(xiàn)狀,并詳細的通過分類介紹了人臉檢測和人臉識別中的主要方法。然后在深入的研究了已有算法的基礎(chǔ)上,對算法進行了調(diào)整和融合,并完成了一個人臉識別軟件的設(shè)計和實現(xiàn)。在進行人臉檢測之前,本文先探討了人臉圖像的預(yù)處理,主要介紹了人臉圖像的灰度變換和直方圖均衡化。在介紹原理的基礎(chǔ)上,實驗選取了一幅靜態(tài)人臉圖像對操作效果進行了直觀描述。人臉檢測環(huán)節(jié),本文采用基于Adaboost算法的人臉檢測。Adaboost算法是采用分類器的思想,把人臉檢測問題看成一個只有兩個類的分類問題,即將圖像分為“人臉”和“非人臉”兩大類。通過對人臉樣本圖像進行訓(xùn)練得到的級聯(lián)分類器來對人臉進行檢測,在此基礎(chǔ)上實現(xiàn)了基于Adaboost算法的人臉檢測軟件。選取了ORL人臉數(shù)據(jù)庫和MIT人臉數(shù)據(jù)庫中的圖像樣本進行了統(tǒng)計實驗,觀察了級聯(lián)分類器個數(shù)對檢測率的影響。人臉識別部分,先介紹了NMF算法的原理,之后又介紹了幾種基于NMF的改進算法。最后在分析了非負矩陣分解和其改進算法的基礎(chǔ)上,采用了稀疏約束的非負矩陣分解算法進行特征提取,通過對基矩陣稀疏度的改變探討了其對人臉識別率的影響,并在ORL人臉庫上進行了實驗。本文的人臉識別和檢測部分的實驗以及最后給出的軟件都是采用Windows平臺,使用Visual C++6.0結(jié)合OpenCV實現(xiàn)的,實驗結(jié)果表明本文采用的算法在檢測率和識別率上都滿足要求。
[Abstract]:Face recognition is the detection, localization and recognition of face in image or video stream. In recent years, because of the rapid development of computer computing speed, image processing technology has better hardware support, and face recognition technology has become a very active research topic in the field of computer vision and pattern recognition. Visual communication, intelligent monitoring, public security file management and many other aspects of a wide range of applications. The process of face recognition in a broad sense includes two parts: face detection and location and face matching recognition. In this paper, the research background and current situation of face recognition are reviewed, and the main methods of face detection and recognition are introduced in detail by classification. Then, on the basis of deeply studying the existing algorithms, the algorithm is adjusted and fused, and a face recognition software is designed and implemented. Before face detection, this paper discusses the preprocessing of face image, mainly introduces the gray level transformation and histogram equalization of face image. On the basis of introducing the principle, a static face image is selected to describe the operation effect directly. In the aspect of face detection, this paper adopts the idea of classifier for face detection based on Adaboost algorithm, and regards the problem of face detection as a classification problem with only two classes, that is, the image can be divided into two categories: "face" and "non-face". The face detection software based on Adaboost algorithm is implemented based on the cascade classifier which is trained to the face sample image. The image samples from ORL face database and MIT face database are selected for statistical experiments, and the effect of the number of cascaded classifiers on the detection rate is observed. In the part of face recognition, the principle of NMF algorithm is introduced, and then several improved algorithms based on NMF are introduced. Finally, based on the analysis of the non-negative matrix decomposition and its improved algorithm, the sparse constraint non-negative matrix decomposition algorithm is used to extract the features, and the effect on the face recognition rate is discussed by changing the sparse degree of the base matrix. Experiments are carried out on ORL face database. The experiments of face recognition and detection in this paper and the software presented in the end are implemented on Windows platform and Visual C 6.0 combined with OpenCV. The experimental results show that the detection rate and recognition rate of the algorithm in this paper meet the requirements.
【學(xué)位授予單位】：西北師范大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TP391.41

【相似文獻】

相關(guān)期刊論文 前10條

1 何光輝;張?zhí)��?;保持拓撲性非負矩陣分解法在人臉識別的應(yīng)用[J];計算機工程與應(yīng)用;2010年14期

2 史加榮;焦李成;尚凡華;;不完全非負矩陣分解的加速算法[J];電子學(xué)報;2011年02期

3 王文俊;張軍英;;一種非負矩陣分解的快速方法[J];計算機工程與應(yīng)用;2009年25期

4 張雷鳴;李秋丹;廖勝才;;非負矩陣分解在標簽語義分析中的應(yīng)用[J];計算機科學(xué);2010年04期

5 于彬;;基于局部非負矩陣分解的人臉識別[J];科學(xué)技術(shù)與工程;2010年33期

6 姜偉;楊炳儒;隋海峰;;局部敏感非負矩陣分解[J];計算機科學(xué);2010年12期

7 宋金歌;楊景;陳平;佘玉梅;;一種非負矩陣分解的快速稀疏算法[J];云南民族大學(xué)學(xué)報(自然科學(xué)版);2011年04期

8 高燕燕;;非負矩陣分解及其應(yīng)用探討[J];硅谷;2011年23期

9 郝紅;徐常青;張新平;;基于非負矩陣分解的航拍圖像信息提取[J];浙江農(nóng)林大學(xué)學(xué)報;2012年01期

10 吳榮玉;樊豐;舒建;;基于非負矩陣分解的魯棒哈希函數(shù)驗證性研究[J];電子技術(shù)應(yīng)用;2012年01期

相關(guān)會議論文 前10條

1 孫江明;李通化;;非平滑三維非負矩陣分解[A];第九屆全國計算（機）化學(xué)學(xué)術(shù)會議論文摘要集[C];2007年

2 蔣永鍇;葉東毅;;基于稀疏非負矩陣分解的自動多文摘方法[A];中國計算機語言學(xué)研究前沿進展（2007-2009）[C];2009年

3 馬帥;吳飛;楊易;邵健;;基于稀疏非負矩陣分解的圖像檢索[A];第七屆和諧人機環(huán)境聯(lián)合學(xué)術(shù)會議（HHME2011)論文集【oral】[C];2011年

4 徐利民;龔珊;余再軍;;奇異值分解與非負矩陣分解色在數(shù)據(jù)降維方面的特性分析[A];2010年通信理論與信號處理學(xué)術(shù)年會論文集[C];2010年

5 蔡蕾;朱永生;;基于稀疏性非負矩陣分解和支持向量機的軸心軌跡圖識別[A];2008年全國振動工程及應(yīng)用學(xué)術(shù)會議暨第十一屆全國設(shè)備故障診斷學(xué)術(shù)會議論文集[C];2008年

6 蔣霈霖;;KL散度下的非負矩陣分解[A];中國自動化學(xué)會中南六�。▍^(qū)）2010年第28屆年會·論文集[C];2010年

7 楊寶;朱啟兵;黃敏;;基于非負矩陣分解一稀疏表示分類的玻璃缺陷圖像識別[A];第24屆中國控制與決策會議論文集[C];2012年

8 錢樂樂;高雋;徐小紅;;非負性約束的圖像稀疏編碼[A];第七屆全國信息獲取與處理學(xué)術(shù)會議論文集[C];2009年

9 朱昊;黃源水;付夢印;;基于NMF的道路識別算法在野外環(huán)境感知中的應(yīng)用[A];第九屆全國光電技術(shù)學(xué)術(shù)交流會論文集（下冊）[C];2010年

10 鄭能恒;蔡毅;李霞;Tan Lee;;基于非負矩陣分解和向量相似測度的語音與音樂分離算法[A];第十一屆全國人機語音通訊學(xué)術(shù)會議論文集（一）[C];2011年

相關(guān)博士學(xué)位論文 前8條

1 楊士準;基于樣本和特征的遷移學(xué)習(xí)方法及應(yīng)用[D];國防科學(xué)技術(shù)大學(xué);2013年

2 葉軍;基于正則化方法的非負矩陣分解算法及其應(yīng)用研究[D];南京理工大學(xué);2014年

3 胡俐蕊;非負矩陣分解方法及其在選票圖像識別中的應(yīng)用[D];安徽大學(xué);2013年

4 殷海青;圖像分析中的非負矩陣分解理論及其最優(yōu)化和正則化方法研究[D];西安電子科技大學(xué);2011年

5 楊洪禮;非負矩陣與張量分解及其應(yīng)用[D];山東科技大學(xué);2011年

6 史加榮;多尺度張量逼近及應(yīng)用[D];西安電子科技大學(xué);2012年

7 方蔚濤;人臉識別特征抽取算法的研究[D];重慶大學(xué);2012年

8 劉昱昊;基于非負矩陣分解算法的人臉識別技術(shù)的研究[D];吉林大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 謝昊;非負矩陣分解初始化及其應(yīng)用[D];暨南大學(xué);2015年

2 王一;凸與半非負矩陣分解的近點梯度方法研究[D];東北師范大學(xué);2015年

3 項磊;基于乳腺癌計算機輔助診斷的病理圖像分析[D];南京信息工程大學(xué);2015年

4 王丹;基于非負矩陣分解的腦電信號特征提取算法研究[D];燕山大學(xué);2015年

5 馬春霞;非負矩陣分解及在基因表達數(shù)據(jù)分析中的應(yīng)用研究[D];曲阜師范大學(xué);2015年

6 崔艷榮;基于非負矩陣分解的高光譜遙感數(shù)據(jù)融合方法分析及應(yīng)用[D];電子科技大學(xué);2014年

7 賴淑珍;非負矩陣分解若干算法研究與應(yīng)用[D];電子科技大學(xué);2014年

8 趙龍;基于多流形正則化非負矩陣分解的多視圖聚類[D];大連理工大學(xué);2015年

9 黃震;基于多視角非負矩陣分解的同名區(qū)分算法研究[D];大連理工大學(xué);2015年

10 邵強;改進的非負矩陣分解算法及其在人臉識別中的應(yīng)用[D];河北工業(yè)大學(xué);2015年

，

本文編號：2232422