人脸特征提取算法研究开题报告

全文总字数：3050字

1. 研究目的与意义（文献综述）

在人工智能领域迅猛发展的今天，人脸识别技术也走进了人们的生活，在我们的日常生活中，人脸识别技术已经无处不在。从支付宝，微信，到各个银行手机app，都使用了人脸识别技术对用户进行身份验证。寝室门禁，企业打卡，车站刷脸进站也都用到了人脸识别技术。可见，人脸识别技术已经对人们的生活产生了重要的影响。

人脸识别技术包含三个部分，分别是：人脸检测，特征提取和人脸识别。它的本质是将需要识别的图像与之前已存的人脸识别库中的人脸图像进行识别匹配，通过人脸特征来实现身份的鉴别。从最初的人脸特征简单识别，到人机交互识别，再到如今的人脸自动识别，人脸识别技术的研究到现在已经有70年的时间了，取得了非常丰硕的科研成果。

目前，国内外针对人脸识别技术的研究遍地开花。song y j等人提出了一种利用面部几何特征和pca/lda，线性判别分析的复杂方法，提高了算法的识别率；英国college london大学的cox等人介绍了混合距离技术；上海交通大学图像处理与模式识别研究所的张俊等人提出了一种通过提取特征点信息的人脸识别方法；北京理工大学的孙艳丰等人提出了一种提取眉毛轮廓和下巴轮廓的人脸识别新方法。很多科研单位和公司也把科研成果转换成了产品，如中科院的人脸识别系统，百度的图片搜索等。

2. 研究的基本内容与方案

本次设计主要对人脸特征提取算法进行研究。从整幅人脸图上实现特征信息的提取称为全局区域特征提取，主成分分析法因为其在特征提取和降维方面的有效应用，成为现如今较为流行的人脸全局特征提取算法之一。而传统的PCA算法会因光照、姿态、遮挡、图像质量等因素使得算法的识别率受到影响，算法的运算量也比较大。故本次设计的主要内容为研究基于K-L变换和图像分块的PCA算法，与传统的PCA算法相比较，分析实验结果。本次设计选用应用广泛的ORL人脸库，以Matlab软件为实验环境，首先采用传统的PCA算法对人脸库中的特定图片进行特征提取，分别选取不同的特征值个数，记录识别率，比较特征值不同时识别率的变化。再采用分块PCA算法重复特征提取步骤，并采用不同的分块方式（如：2x2，2x4，4x4等分块方式）以验证分块PCA算法的有效性。得出识别率，比较不同分块方式的识别率，比较两种算法的识别率，分析实验结果。预计分块PCA算法的识别率将比传统PCA算法高，同一幅图片分块越多，识别率越高，选取的特征值个数越多，识别率越高。

3. 研究计划与安排

第1周—第3周 搜集资料，撰写开题报告；

第4周—第6周 论文开题，安装并熟悉实验所需软件；

第7周—第12周 分步实施，实验及分析，撰写论文初稿；

4. 参考文献（12篇以上）

[1] 李润青.基于pca改进与svm相结合的人脸识别算法研究[d].昆明：昆明理工大学，2018.

[2] 刘衍琦, 詹福宇, 蒋献文, 周华英. matlab 计算机视觉与深度学习实战[m]. 电子工业出版社,2017.

[3] 李雪.人脸特征提取及分类识别算法的研究与设计[d].南京：南京邮电大学，2018.