1、耗的时间迅速上升，可见随着图片特征维数的增加消耗的时间增长很快，对数据的处理复杂度是很高的。所以有必要寻找个识别率比较好，而处理时间很少的采样因子。在本论文中，采样因子改为是比较适合的。否则，若改变训练样本，人脸识别系统需要很长的时间重新训练。人脸库实验人脸库。本数据库是耶鲁大学提供的。库中包括个人的幅图像。每人有幅图像，每幅图像都具有不同的表情和外貌的变化前向光照戴眼镜不戴眼镜高兴左侧光照中性脸右侧光照悲哀假寐惊奇眨眼等。图像的大小为，图像示例如图所示。图人脸库示例本设计在此数据库中，主要寻求识别率最高时，所取的样本及样本数，本文采取人脸库实验的。
2、来可以提高人脸识别率，从而我们可以推断，将各种方法有机结合起来进行人脸识别是人脸识别的发展趋势。根据实验结果，对变换构造的滤波器进行了探讨，对滤波器的良好性质有了更明确的认识，进步体现了变换在人脸特征提取上的优越性。对降维算法进行改进，从而提高识别的速度。但是也存在些不足的地方对滤波器参数的选取还主要是依据别人的经验值，对不同尺度不同方向的滤波器对人脸不同部位不同特征的选择起着异常重要的作用还不是很了解。由于变换计算复杂度高计算量大，因此对于人脸识别速度有很大的影响。对于这次的毕业设计，我们最重要的不是学会如何去编程，如何去实现算法，更重要的是我们。
3、问题及训练样本的选择等进行了定的研究。研究了基于小波变换的人脸识别算法。本文研究的算法首先对人脸进行小波变换，然后应用方法降低特征向量的维数，来实现对人脸的识别。实验表明，采用该方法得到的识别率要远优于单纯采用方法的结果。关键词人脸识别小波变换五邑大学本科毕业设计五邑大学本科毕业设计目录摘要第章绪论研究的背景和意义人脸识别的研究现状如何进行人脸识别人脸识别的步骤及方法人脸的图像表示人脸的检测与定位图像预处理特征提取分类器本文研究的主要内容第章小波变换引言小波变换的定义变换在人脸识别中的应用滤波器滤波器参数的选择滤波器的性质和计算方法变换的人脸特征提。
4、大学本科毕业设计致谢在我的论文完成之际，谨向在大学期间给予我指导关心支持和帮助的各位老师同学朋友以及家人致以最真挚的谢意。我衷心感谢我的指导老师梁淑芬，感谢在论文写作期间，及编写程序时，梁老师直很耐心的指导我，她本来工作就很忙，但总会抽出点时间来帮助我，解答我的疑问。时常让我觉得很感动，为她对工作的极度负责。我步步的走向成功，我的论文可以如期的完成，离不开梁老师对我的指导，离不开老师提供了很多宝贵的意见。感谢何志顺，黄方亮同学，因为他们也给了我很大的帮助，让我少走了很多弯路。感谢班所有的同学，让我度过了个快乐的大学，让我有个安心舒适的环境完成我的论。
5、换能很好地表征人脸特征。并且还可以看出，随着主元数目的增加，识别率开始升高很快，但到了定程度，识别率不变，再增加，反而变小了点，但基本不会再降得很低。因此选择合适的主元数目对提高识别率是很重要的。主元数目般选在到之间，如果大于，虽然识别率也变化不大，但处理的时间却变长很多，不利于人脸识别。实验样本数目的选择在本实验中，将会讨论样本数目对识别率的影响。在试验中，主元数取值为不变，唯改变的是训练样本的数目，结果如下图所示。五邑大学本科毕业设计图训练样本数与识别率由上图可发现，当样本数为的时候，识别率是最高的，达到。并且训练样本数越少，识别率越低，当训练。
6、会怎样通过自己去查阅资料掌握我们要懂的知识，学会自己分析，学会自己去研究。提高我们自学的能力，使我们即使有天出去社会，没有老师在身边，也可以自己去研究我们的专业知识。五邑大学本科毕业设计参考文献,第二届生物特征识别研讨会论文集中国杭州,张翠平,苏光大人脸识别综述中国图像图形学报,周激流，张晔人脸识别理论研究进展计算机辅助设计与图形学学报，王昆翔，李衍达，周杰关于人脸图像自动识别研究中的几个问题公安大学学报杨行峻，郑群里人工神经网络与盲信号处理清华大学出版社张向东，李波基于小波变换与算法的人脸识别方法电子科技李波人脸识别技术及应用研究硕士学位论文五邑。
7、经验，主元数取为，为了提高速度而又保障识别率，采样因子取。经过多次试验，如表所示可以看出样本数为时，识别率比样本数为和时高，而且当选取前八幅人脸图像作为训练样本时，识别率是最高的，达到，比人脸数据库试验的识别率高。表训练样本的选择训练样本测试样本识别率五邑大学本科毕业设计本章小结本章主要对本论文作个总结性的实验，通过实验，不断改进算法模型。其中识别率由以下几个因素影响样本的选择由于处理时间的影响，在每类存在较多样本的情况下，应该选择合适的训练样本，使其达到较好的效果。在实验分析中，我们发现如果训练样本没有包括与待识别样本的相了似样本，那么即使待识别。
8、本与训练样本相差不多也不能有效的识别。例如，对于同个人的些人脸图像，如果训练样本中的人脸都是向左方向侧的，那么测试样本中向右侧的人脸就不能被识别了。因此，在选择样本时，应尽可能在训练样本中包括不同人脸旋转方向下的图像。且训练样本中侧面的人脸图像越多，识别率也越高。特征维数的选择特征维数的选择主要表现在人脸识别的速度上。在上面的实验当中可见，有很多影响特征维数的因素，首先人脸图像的象素，在本论文中，为避免后面的矩阵的维数过大，便于计算，因此把人脸图像由缩小为。这样就可以在保留人脸主要特征不变的基础上，尽量缩小图像，以便计算。此外，经过滤波器卷积后，维。
9、笑，些人还有戴眼镜和不戴眼镜时的图像。图为中的部分人脸图像变换特征提取训练图像测试图像映射降维分类尺度欧式距离识别率五邑大学本科毕业设计图人脸库实验算法的比较在本实验中，将对，人脸识别算法进行比较。为了能进行比较，本文将选择相同的训练样本和测试样本，将五幅作为作为训练样本，而把剩余的五幅人脸图像作为测试样本，并且在测试样本和训练样本之间不存在重叠，在试验中，在没对图像作任何处理前，先把图像缩小为。并取不同的主元数目进行试验，结果如图所示五邑大学本科毕业设计图及算法比较坐标图其中上图实线表示的是，虚线表示的是。由图可知，算法的识别率般比算法好，小波变。
10、样本数大于的时候，识别率也有所下降。实验采样因子的确定为了识别人脸，我们自然需要寻找代表人脸的最本质特征。因为经过变换，原始图像和核函数卷积后，维数变为，数据相当大，必须寻找最能代表人脸的最本质特征，本文将进行下采样处理，采样因子的大小对识别率和处理时间的关系如下表所示。其中训练样本数为，主元特征数为。表采样因子关系采样因子采样后张图片的特征维数识别率处理时间图特征维数与处理时间由上表可以看出，采样因子的大小对识别率的影响不大，表明经过变换后，把人脸的五邑大学本科毕业设计最主要特征提取出来了。由图可看出，采样后,当每张的图片的维数超过的时候，处理。
11、。五邑大学本科毕业设计摘要人脸识别技术是模式识别与人工智能的研究热点之。在生物特征识别中，人脸识别占有极为重要的地位。它在访问控制司法应用电子商务和视频监控等领域都有广泛的应用。人脸特征提取是人脸识别过程的核心，特征提取的有效性直接影响到分类的速度和识别的性能。本文的主要研究内容包括以下方面基于变换的人脸特征提取算法。通过对人脸傅里叶变换和变换的实验比较，证明了变换在提取人脸特征方面具有很大的优越性。接着，介绍了小波变换的快速算法。从基于图像整体代数特征算法着手，主要介绍了特征脸算法的原理和实现过程，对组成特征投影空间的特征值选择问题，距离度量方法。
12、数般变得相当高，为避免繁琐的数据，所以对人脸进行下采样，经过采样后，大大的缩短了处理的时间，从而提高了识别速度。此外，主元特征数的大小也影响着识别的速度，采用比较低的主元特征数，将会加快识别人脸的速度，但同时也会不利于识别率的提高。五邑大学本科毕业设计结论人脸识别是个跨学科富有挑战性的前沿课题，由于人脸识别中光照表情姿态等方面存在的不确定性，各种理论还有待进步完善和改进。本文通过对目前的人脸识别技术进行分析，然后对基于主成分分析方法和基于小波的人脸识别系统进行了深入的研究。通过对本课题的研究，也取得了些成果通过实验证明，将小波变换主成分分析法结合起。
参考资料：
1、该文档不包含其他附件(如表格、图纸)，本站只保证下载后内容跟在线阅读一样，不确保内容完整性，请务必认真阅读。
2、有的文档阅读时显示本站（www.woc88.com）水印的，下载后是没有本站水印的（仅在线阅读显示），请放心下载。
3、除PDF格式下载后需转换成word才能编辑，其他下载后均可以随意编辑、修改、打印。
4、有的标题标有”最新”、多篇，实质内容并不相符，下载内容以在线阅读为准，请认真阅读全文再下载。
5、该文档为会员上传，下载所得收益全部归上传者所有，若您对文档版权有异议，可联系客服认领，既往收入全部归您。
【毕业设计】人脸识别PCA大学本科毕业设计