題-1_100_100.jpg)
基本信息
- 項目名稱：
- 基于支持向量機的人臉識別算法研究及其仿真實現(xiàn)
- 小類：
- 信息技術(shù)
- 簡介：
- 基于支持向量機對人臉識別的算法進行研究，并通過縮小尺寸、離散余弦變換(DCT)、基于類內(nèi)平均臉的主成分分析（PCA）和支持向量機（SVM）等方法地結(jié)合使用，并在MATLAB R2009b下進行仿真實驗，同時，重點還對影響人臉識別系統(tǒng)速度和識別準確率相關(guān)因素進行了研究。
- 詳細介紹：
- 1.對人臉識別概念，人臉識別研究歷史、現(xiàn)狀，以及其優(yōu)勢和廣泛應(yīng)用進行介紹。 2. 人臉圖像預(yù)處理，介紹了幾何變換、直方圖均衡化和離散余弦變換（DCT）等相關(guān)內(nèi)容。 3. 人臉圖像特征提取，介紹了主成分分析法(PCA)，基于類內(nèi)平均臉的PCA和奇異值定理(SVD)的相關(guān)內(nèi)容。 4.支持向量機，介紹了支持向量機的基本思想，主要核函數(shù)和最優(yōu)分類面的相關(guān)內(nèi)容。 5.人臉識別算法實驗研究，介紹了ORL人臉庫，人臉識別算法及實現(xiàn)，并對影響人臉識別的準確率和速率的相關(guān)因素進行了探究，最后，以GUI界面展示人臉識別程序運行過程。
作品圖片
作品專業(yè)信息
撰寫目的和基本思路
- 作品撰寫的目的： 1.探究影響人臉識別速率和準確率的相關(guān)因素。 2.尋找最佳算法和參數(shù)。 3.建立GUI界面，實現(xiàn)程序的集成，方便用戶的使用。 作品撰寫的思路： 1.對ORL人臉庫中的圖像進行預(yù)處理。 2.運用基于類內(nèi)平均臉的主成分分析法(PCA)進行人臉圖像的特征提取。 3.進行支持向量機(SVM)訓(xùn)練和分類預(yù)測。 4.建立GUI界面，實現(xiàn)程序的集成。
科學(xué)性、先進性及獨特之處
- 1.采用英國ORL人臉庫，將其進行一次性全部導(dǎo)入，可以避免將其分為訓(xùn)練集和測試集兩部分導(dǎo)入，從而節(jié)約了時間。 2.圖像尺寸歸一化為 矩陣，并運用基于類內(nèi)平均臉的PCA方法，提高人臉識別準確度。 3.尋找到最佳參數(shù)：特征向量的維數(shù)是48，SVM核函數(shù)參數(shù) 和最優(yōu)懲罰參數(shù) 分別是0.4和3。 4.設(shè)計GUI界面，顯示人臉識別的各個過程。 5.本文實驗識別率達 ，運行時間是 秒左右。
應(yīng)用價值和現(xiàn)實意義
- 仿真實驗數(shù)據(jù)表明，人臉識別準確度和減少計算時間方面有一定實用價值，基于MATLAB的人臉圖像識別系統(tǒng)為方便用戶在非接觸的情況下進行識別技術(shù)的應(yīng)用提供理論依據(jù)。
學(xué)術(shù)論文摘要
- 本文基于支持向量機對人臉識別的算法進行研究，并通過仿真實驗驗證算法的有效性。通過縮小圖像的尺寸和調(diào)整離散余弦變換(DCT)與尺寸變換等方法節(jié)省了大量的時間，實驗表明整個程序運行時間是3.5秒左右；通過DCT、基于類內(nèi)平均臉的主成分分析（PCA）和支持向量機（SVM）等方法結(jié)合使用使其識別準確率明顯提高，實驗表明準確率達到99.5%。同時，本文還重點對影響人臉識別系統(tǒng)速度和識別準確率的相關(guān)因素進行了研究，為研究人臉識別技術(shù)的應(yīng)用提供理論依據(jù)。
獲獎情況
- 由于時間倉促，未來得及參加任何的比賽，也沒有在期刊上發(fā)表。
鑒定結(jié)果
- 無
參考文獻
- 人臉識別： [1]周激流.張曄.人臉識別理論研究進展[J].四川聯(lián)合大學(xué)無線電系.1999(3) [2]王振奇.人臉識別技術(shù)在安防行業(yè)的飛躍與突破[J].技術(shù)與應(yīng)用.2010(8) [3]聶祥飛.人臉識別綜述[J].重慶三峽學(xué)院學(xué)報.2009(3) 數(shù)字圖像處理及MATLAB實現(xiàn)： 楊杰.數(shù)字圖像處理及MATLAB實現(xiàn)[M].北京：電子工業(yè)出版社.2010(2) DCT算法： 王云平.DCT算法在圖像處理中的應(yīng)用[J].遼寧工學(xué)院學(xué)報.2003(2) PCA算法： [1]伍威.李晉惠.基于PCA和LDA的人臉識別技術(shù)的研究[J].科技信息(學(xué)術(shù)版).2008 [2]田印中.董志學(xué).黃建偉.基于PCA的人臉識別算法研究及實現(xiàn)[J].內(nèi)蒙古科技與經(jīng)濟.2010(3) [3]李曉東.費樹岷.張濤.一種改進的模塊PCA方法及其在人臉識別中的應(yīng)用[J]. 復(fù)雜工程系統(tǒng)測量與控制教育部重點實驗室 [4]邊肇祺.張學(xué)工.模式識別[M].北京：清華大學(xué)出版社，1999. SVM: [1]張浩然.韓正之.李昌剛.支持向量機[J].計算機科學(xué).2002(1) [2]MATLAB中文論壇.Matlab神經(jīng)網(wǎng)絡(luò)30個案例分析[M].北京：北京航空航天大學(xué)出版社，2010.
同類課題研究水平概述
- 目前，生物識別技術(shù)不論在國內(nèi)還是在國外，都是一個普遍關(guān)注的話題。因為生物特征識別是根據(jù)人的生理特征來判斷的，其中人臉識別技術(shù)最具吸引力，但難度比較大。而國內(nèi)基于支持向量機對圖像進行識別的研究還不完善，基于支持向量機的人臉識別研究將為人的身份識別、安全管理等各個領(lǐng)域的研究提供有利的理論支持和理論指導(dǎo)。
