人脸识别图像算法研究.rar

摘要:随着社会的发展，人们对身份鉴别的准确性、安全性和实时性提出了更高的要求，在众多识别方法中，人脸识别技术作为生物特征识别技术之一，以其自身的友好、快速、方便、安全、高可靠性等优点脱颖而出，成为了国内外相关领域的研究热点，并在安全、商业领域有了广泛的应用．

本文针对人脸识别算法进行了较为深入的研究和分析，实现了基于OpenCV的人脸信息识别系统．主要工作包括：

第一，简单介绍了人脸识别的研究背景和意义，以及人脸识别所研究的内容，着重介绍了人脸识别的研究历程．

第二，介绍了人脸识别常用的四类方法，并简单介绍了各种方法的识别方式．

第三，着重介绍了基于PCA算法的人脸识别以及基于子空间算法下的2DPCA、LDA、ICA算法的人脸识别，并比较了各个算法间的优劣．

第四，通过研究人脸识别技术，在PCA算法的支持下，设计并实现了一套人脸识别系统，在VS2010+OpenCV2.4.3环境下实现了人脸图像识别功能．

关键词：人脸识别；PCA；OpenCV

目录

摘要

ABSTRACT

第1章 绪论-1

1.1人脸识别的研究背景和意义-1

1.2人脸识别研究内容-1

1.3人脸识别研究历程-2

1.4本章小结-2

第2章 常用的人脸识别方法-3

2.1基于几何特征的方法-3

2.2基于子空间分析的方法-3

2.2.1主成分分析(PCA)-3

2.2.2独立分量分析(ICA)-4

2.2.3线性鉴别分析(LDA)-4

2.3基于相关匹配的方法-4

2.3.1模板匹配法-4

2.3.2等强度线法-4

2.4基于统计的识别方法-4

2.4.1人工神经网络（ANN）-4

2.4.2 支持向量机-4

2.4.3 隐马尔可夫模型（HMM）-5

2.5本章小结-5

第3章人脸识别算法-9

3.1图像预处理-9

3.1.1直方图均衡化-9

3.1.2中值滤波-10

3.1.3 几何归一化-10

3.2 基于PCA算法的人脸识别-10

3.2.1 PCA简介-10

3.2.2 K-L变换-11

3.2.3 PCA人脸识别-11

3.3 基于子空间分析算法的其他人脸识别算法-13

3.3.1 二维主成分分析(2DPCA)-13

3.3.2 线性鉴别分析(LDA)-14

3.3.3 独立成分分析(ICA)-15

3.4本章小结-16

第4章 基于OpenCV的人脸识别系统-17

4.1 OpenCV简介-17

4.2 OpenCV在本系统中的使用方法-18

4.3程序中的人脸识别-21

4.3.1 训练-22

4.3.2 识别-24

4.3.3 人脸识别结果-24

4.4本章小结-28

第5章 结论与展望-29

5.1结论-29

5.2不足之处及未来展望-29

参考文献-30

致  谢-31