基于支持向量机的人脸识别算法研究开题报告

全文总字数：3482字

1. 研究目的与意义（文献综述）

随着科学技术的不断发展，身份认证逐渐成为了人们日常生活中不可或缺的一项技术，日常活动中需要用到身份认证的方面越来越多，而传统的身份认证（如钥匙、密码等）安全性得不到保障，造成了许多安全问题，所以人们对信息安全越来越重视，生物识别以其高效、稳定、单一等优点，解决了传统识别的弊端，成为了一个十分活跃的研究课题。人脸识别是生物识别的一个重要分支，虽然没有指纹识别、虹膜识别准确性高，但由于用户对其接受度高，操作简单，设备成本较低，已经成为了一个热点研究领域。人脸识别已经被大众慢慢认可，在公共安全、身份验证、智能解锁等领域的应用越来越深入和广泛，有巨大的应用前景。支持向量机（support vectormachine, svm）是一种二分类模型，最早由cortes和vapnik在1995年提出，作为一种预测工具已经受到众多研究者的关注，它在人脸识别领域内有广泛应用。

人脸识别技术发展到现在，取得了令人瞩目的成就，主要可以分为三个阶段：第一个阶段是上世纪50年代到60年代，主要研究重点是人脸特征识别；第二个阶段是上世纪70年代，人脸正面图像的几何特征参数成为了研究重点；第三个阶段是上世纪80年代至今，随着计算机技术的高速发展，人脸识别技术也越来越先进，研发出了许多全自动人脸识别系统，人脸识别变得越来越方便快捷， 1991 年首次将主成分分析法（pca）用于人脸图像的识别，神经网络、小波变换技术等也都被应用到了人脸识别领域，并取得了巨大的成果。

在人脸识别领域，我国虽然起步较晚，但是也取得了诸多成就。国内具有代表性的研究机构和学校有清华大学、中科院自动化研究所、香港中文大学等。2015年易军提出了一种主局部二值模式特征，sun y等人从卷积层和池化层构建两种深层的神经网络结构。2016年卢凌云结合局部结构判别信息，研究了基于权重的核稀疏表示人脸识别算法。2017年梁淑芬等人提出一种在非限制条件下的人脸识别算法，将lbp纹理特征作为深度学习网络的输入人脸图像特征。在最近几年，手机解锁、车站安检、手机支付等方面，都能看到人脸识别技术的影子。比如阿里巴巴推出的无人超市，其运营所需的核心技术之一就是人脸识别技术，能够通过摄像头识别记录顾客的身份。近几年发展迅速的支付宝在支付方面也用到了人脸识别技术——扫脸支付，该技术是基于人脸的相貌和特征来进行甄别。

2. 研究的基本内容与方案

传统的人脸识别算法主要是主成分分析（PCA）算法，PCA算法是图像压缩中的一种最优正交变换，它是一个线性变换，能够有效的对人脸特征信息进行降维和提取主要特征，消除数据之间的相关性，丢掉人脸图像间的冗余信息。支持向量机在小样本、非线性和高维模式的识别中具有良好的分类性能，而实际采集到的人脸图像数量是有限的，因此，支持向量机作为分类器在人脸识别的特征识别阶段可以获得很好的分类识别效果。因此本文打算将PCA与SVM结合，在最后分类识别中使用SVM分类器，有效地对图像进行分类识别，从而达到人脸识别的目的。具体步骤就是以剑桥大学计算机实验室的ORL Faces数据库作为实验数据，利用MATLAB将待分类图像先进行直方图均衡化、滤波去噪、几何矫正的预处理之后再进行特征提取，获得一组稳定可靠的人脸特征模型，并用同样的方法将人脸库中的图像也进行特征提取，最后再基于SVM分类算法，通过构造SVM分类器，将待识别的图像模型与人脸库的模型进行匹配，找到与之对应的训练集头像，从而实现人脸识别的功能。

3. 研究计划与安排

第1周—第4周 搜集资料，撰写开题报告；

第5周—第6周 论文开题，硬软件总体设计；

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]苑军科. 基于pca 的人脸识别系统的设计与研究[d]. 石家庄：河北科技大学,2018.