基于PCA的人脸识别研究

人脸识别是计算机视觉、模式识别等领域研究的热点也是难点之一。它具有广泛的应用前景和重要的理论研究价值。人脸识别主要包括人脸检测、特征提取和人脸识别三个部分。本文在前人的研究基础上，完成了以下工作： （1）研究国内外具有代表性的人脸识别算法和技术，比较它们的优缺点。 （2）研究Adaboost人脸检测算法原理和实现步骤，用Haar-like（哈尔）特征和Adaboost分类算法实现实时人脸检测。本文在人脸检测前，先对输入图像进行预处理，然后用椭圆肤色模型对图像进行了分割，后续的人脸检测只需要在肤色区域进行，提高了人脸检测的速度。 （3）深入研究了PCA和2DPCA人脸识别算法，在2DPCA的基础上通过二次特征提取引出了2DDPCA算法，并比较了三个方法的优缺点。本文在Yale、ORL、Grimace三个人脸数据库上进行了大量有针对性的实验，分析了特征空间的维数、距离函数、协方差矩阵的选择、训练样本数目等因素对三个算法识别率的影响。 （4）在算法研究的基础上，实现一个实时人脸检测与识别的系统，并对本文的算法做了大量验证性实验。