基于特征选择和集成学习的快速人脸检测方法.docx

摘要:在生物识别领域人脸识别一直是一个富有探索性的研究课题，它在安防系统、商业、身份检测、军事等领域应用前景十分广阔，但是人脸识别技术易受很多环境因素所影响，所以人脸识别从理论走向实用依然极具挑战性[1]。

本次课题的任务是人脸识别，本文以基于主成分分析（Principal Component Analysis, PCA）的人脸识别方法为重点进行了相关研究。主要的工作如下：

首先，介绍了人脸识别技术的研究意义，简要的分析人脸识别技术的研究现状以及人脸识别技术未来的发展趋势，比较了经典人脸识别算法的优缺点。

其次，深入分析了PCA方法的基本原理和理论基础，介绍了PCA人脸识别方法的具体实现流程。 

最后，设计了GUI界面，实现了基于PCA算法的人脸识别，识别时间在7s左右，识别率达到了88.5%。

关键词:人脸识别 特征脸 PCA 特征提取

目录

中文摘要

Abstract

第一章 绪论-3

1.1人脸识别技术的研究意义-3

1.2人脸识别技术的研究现状和发展趋势-3

1.3人脸识别方法及比较-4

1.4本文研究内容与结构安排-4

第二章 PCA人脸识别技术的理论基础-5

2.1 PCA方法的基本原理-5

2.2 K-L变换-6

2.3 特征值选择-6

2.4 奇异值分解定理-7

2.5 最近邻分类器-7

第三章 基于特征选择和集成学习的快速人脸检测方法-9

3.1 引言-9

3.2 读入人脸库-10

3.3 计算K-L变换的生成矩阵-10

3.4 利用SVD定理求解特征值和特征向量-11

3.5 选取阈值提取训练样本特征-12

3.6 样本投影并识别-13

3.7 选择分类器识别人脸-14

3.8 实验结果与分析-14

第四章 总结与展望-19

4.1总结-19

4.2展望-19

参考文献-20

致谢-22