基于图像矩阵的人脸识别方法与实现开题报告

全文总字数：1820字

1. 研究目的与意义

人脸识别，是基于人的脸部特征信息进行身份识别的一种生物识别技术，通过采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，用计算机提取人脸的特征，并根据这些特征进行身份验证。人脸与人体的其它生物特征（指纹、掌纹、耳纹、DNA、虹膜等）一样与生俱来，它的唯一性和不易被复制的良好特性为身份鉴别提供了必要的前提，与其它类型的生物识别相比，人脸识别技术具有操作简单、结果直观、隐蔽性好的优越性。因此人脸识别在信息安全、刑事侦破、出入口控制等领域具有广泛的应用前景。

2. 国内外研究现状分析

kirby和sirovich在k-l展开的框架下讨论了人脸图象的最优表示，揭开了主分量分析在人脸识别领域中应用的序幕。他们指出，任何图象都可近似地用特征图线性表示，通过增加特征图的数量可以提高所给图象的表示精度，他们讨论的重点是人脸的表示，对一幅给定的人脸图象，其线性表示的权重系数作为它的特征。

turk和pentland由人脸实验数据库中的人脸图象得到了一个人脸平均图象，然后计算每个人脸图象与平均图象的差异，进而对所求出的样本的总体协方差矩阵作k-l变换以求出特征向量，即得到特征脸(eigenfaces)，将人脸图象投影到这些特征脸上，得到的权值矢量用来表示人脸。如果将kl变换直接用于没有标准化的人脸图象，则对图象的变化稳定性差，故在kl变换前应先做仿射变换，包括旋转、平移以及按尺度缩放，对人脸的大小、位置和姿态进行标准化。识别人脸时，只需将测试图象的权值向量与训练图象的权值向量作比较，确定哪一幅训练图象与测试图象最接近。turkandpentland在实验中使用2500个人脸图象的数据库，每类人脸包括3种不同的照明亮度、脸部方向和脸部尺寸变化，对于这3种变化的识别率分别为96%、85%和64%。随后，他们又建立了一个由3000人的7562幅图片组成的图象集并按照性别、种族、年龄层次等分类。实验显示，对成年白人和黑人的识别率分别为90%和95%，而亚洲成年人只有80%的识别率。

特征脸的概念后来逐步扩展到特征眼、特征嘴等，分别用来识别或检测眼、嘴等。此外，也可将这些识别结果组合起来鉴别或检测人脸。

3. 研究的基本内容与计划

研究内容：基于流形学习理论,提出针对图像矩阵的维数压缩方法。这种方法是基于样本图像矩阵来构建非局部散度矩阵和局部散度矩阵的,并且通过引入邻接矩阵来刻画高维数据的局部几何结构。准则函数是投影样本的非局部散度与局部散度之商的最大化来刻画的.这方法是对图像矩阵行和列方向同时进行维数压缩而得到特征矩阵。这种方法被称为基于图像矩阵的双方向无监督鉴别投影（(2d)2udp）。

研究计划：

1、查阅文献，了解研究动态，做开题报告。2015.1.202015.3.20

4. 研究创新点

用MATLAB进行计算机仿真，给出各种结论的仿真程序模式识别好坏指标：识别率，计算速度，计算的稳定性，比较新方法与PCA、LPP、UDP和(2D)2PCA的识别率和识别速度。