21【毕业设计】SVD与KFDA相结合人脸识别文档

这里最主要的是选择合适的人脸表示确定表示检测出的人脸和数据库中的已知人脸的描述方式。

通常的表示方法包括几何特征如欧式距离，曲率，角度等，代数特征如矩阵特征矢量固定特征模板，特征脸等。

人脸鉴别容包括下个方面人脸检测如何从各种不同的背景中检测出人脸的存在并确定其位置。

这部分主要受到光照噪声头部倾斜度以及各种遮挡的影响。

人脸表征识别方法。

更多的学者则从事利用输入图像进行计算机人脸识别的研究工作。

人脸识别的研究内容简单地说，人脸识别就是给定个静止的或者动态图像，利用己有的人脸数据库来确认图像中的个或者多个人。

它主要的研究内大学的小组，主要研究人脸视觉表征方法，他们对空间频率在人脸识别中的作用也进行了分析，荷兰大学的小组，主要研究人类视觉系统的神经生理学机理并在此基础上发展了并行模式研究人类大脑在人脸认识中的作用，并在此基础上建立了人脸认识的两个功能模型，他们对熟悉和陌生的人脸的识别规律以及图像序列的人脸识别规律也进行了研究。

也有从视觉机理的角度进行研究的，如英国和小组，主要研究人类感知人脸的规律，如漫画效应，性别识别和人脸识别的关系，种族效应等。

由大学的教授和大学的教授合作领导的小组，主要算机自动识别阶段，人脸识别的研究也得到了前所未有的重视。

国外有很多大学在此方面取得了很大进展，研究设计的领域很广，其中有从感知和心里学角度探索人类识别人脸机理的，如美国大学的类方法都是采用正面图像或者侧脸图像中那些可计算的，比较精确的属性来识别人脸。

年代，人脸识别的研究基本上处于休眠状态。

世纪年代以来随着高速度高性能的计算机的出现，人脸识别方法有了重大突破，进入了真正的计以下的整个脸部表示人脸，然后分别计算出这掩模与数据库中的每幅标准图像的相应掩模之间的互相关系函数，以此作为总的来说，早期的人脸识别方法都需要些先验知识，仍然摆脱不了干预。

世纪年代中期，经典的模式分嘴四个区域，从中抽取个脸部特征组成特量。

为消除尺度变化的影响，在识别前还对得到的特征向量进行了归化处相比之下，所做的工作较少为人知道，他先将图像灰度归化，再四个掩模眼，鼻子，嘴以及眉毛算出组人脸几何特征参数，再利用模式匹配与标准人脸相比较。

的特征点定位工作有两个阶段，首先利用粗分差分图像的积分投影确定眼睛鼻子和嘴的大致位置，然后再高分辨率图像人脸分为左眼，右眼，鼻子和。

其他采用非欧离表征人脸特征的还有用最小二乘法实现最佳匹配，用聚术进行最佳匹配等。

设计了个高速的且有定知识引导的识别系统，他创造性地积分投影法从单幅图像上计像特征向量之间的绝对范行分类。

采用个原始特征和个辅助特征进行识别，其中原始特个距离特征个坐标差分特征，个三角形面积特征，个距离比例特征以个特殊特征两眼的面积，然后利用线性判决树决定最佳匹配外眼宽度，鼻子宽度，嘴的宽度，处脸的宽度，鼻子与眼睛中间处脸的宽度，下唇与下巴之间的距离，上唇子的距离以及嘴唇的高度，然后根据这些特征值及其估计建立分类器，对特征根据其统计行为确定个变化闭值，根据图距离测度包括头的宽两眼之间，头顶和眼睛之间，眼睛和鼻子之间，鼻子与嘴之间的距离。

和采用统计的识别方法，用欧式距离来表征人脸特征，用人脸的著特征组成特征向量，包括内眼宽度，外距离测度包括头的宽两眼之间，头顶和眼睛之间，眼睛和鼻子之间，鼻子与嘴之间的距离。

和采用统计的识别方法，用欧式距离来表征人脸特征，用人脸的著特征组成特征向量，包括内眼宽度，外眼宽度，鼻子宽度，嘴的宽度，处脸的宽度，鼻子与眼睛中间处脸的宽度，下唇与下巴之间的距离，上唇子的距离以及嘴唇的高度，然后根据这些特征值及其估计建立分类器，对特征根据其统计行为确定个变化闭值，根据图像特征向量之间的绝对范行分类。

采用个原始特征和个辅助特征进行识别，其中原始特个距离特征个坐标差分特征，个三角形面积特征，个距离比例特征以个特殊特征两眼的面积，然后利用线性判决树决定最佳匹配。

其他采用非欧离表征人脸特征的还有用最小二乘法实现最佳匹配，用聚术进行最佳匹配等。

设计了个高速的且有定知识引导的识别系统，他创造性地积分投影法从单幅图像上计算出组人脸几何特征参数，再利用模式匹配与标准人脸相比较。

的特征点定位工作有两个阶段，首先利用粗分差分图像的积分投影确定眼睛鼻子和嘴的大致位置，然后再高分辨率图像人脸分为左眼，右眼，鼻子和嘴四个区域，从中抽取个脸部特征组成特量。

为消除尺度变化的影响，在识别前还对得到的特征向量进行了归化处相比之下，所做的工作较少为人知道，他先将图像灰度归化，再四个掩模眼，鼻子，嘴以及眉毛以下的整个脸部表示人脸，然后分别计算出这掩模与数据库中的每幅标准图像的相应掩模之间的互相关系函数，以此作为总的来说，早期的人脸识别方法都需要些先验知识，仍然摆脱不了干预。

世纪年代中期，经典的模式分类方法都是采用正面图像或者侧脸图像中那些可计算的，比较精确的属性来识别人脸。

年代，人脸识别的研究基本上处于休眠状态。

世纪年代以来随着高速度高性能的计算机的出现，人脸识别方法有了重大突破，进入了真正的计算机自动识别阶段，人脸识别的研究也得到了前所未有的重视。

国外有很多大学在此方面取得了很大进展，研究设计的领域很广，其中有从感知和心里学角度探索人类识别人脸机理的，如美国大学的和小组，主要研究人类感知人脸的规律，如漫画效应，性别识别和人脸识别的关系，种族效应等。

由大学的教授和大学的教授合作领导的小组，主要研究人类大脑在人脸认识中的作用，并在此基础上建立了人脸认识的两个功能模型，他们对熟悉和陌生的人脸的识别规律以及图像序列的人脸识别规律也进行了研究。

也有从视觉机理的角度进行研究的，如英国大学的小组，主要研究人脸视觉表征方法，他们对空间频率在人脸识别中的作用也进行了分析，荷兰大学的小组，主要研究人类视觉系统的神经生理学机理并在此基础上发展了并行模式识别方法。

更多的学者则从事利用输入图像进行计算机人脸识别的研究工作。

人脸识别的研究内容简单地说，人脸识别就是给定个静止的或者动态图像，利用己有的人脸数据库来确认图像中的个或者多个人。

它主要的研究内容包括下个方面人脸检测如何从各种不同的背景中检测出人脸的存在并确定其位置。

这部分主要受到光照噪声头部倾斜度以及各种遮挡的影响。

人脸表征确定表示检测出的人脸和数据库中的已知人脸的描述方式。

通常的表示方法包括几何特征如欧式距离，曲率，角度等，代数特征如矩阵特征矢量固定特征模板，特征脸等。

人脸鉴别这部分也就是通常所说的人脸识别，将待识别的人脸和数据库中的已知人脸相比较，得出相关信息，最终确定待识别的人脸是数据库中的哪个人。

这里最主要的是选择合适的人脸表示方式和匹配策略。

表情分析对待识别的人脸的表情进行分析，并对其加以分类。

物理分类对待识别人脸的物理特征进行分类，得出其年龄性别种族等相关信息。

到目前为止，大部分的研究工作主要集中在人脸检测与定位特征提取以及分类识别这几部分，而且很多问题尚待解决，表情分析和物理分类的研究现在还处在初步阶段，相对比较少。

因此，通常所说的人脸识别系统，包括人脸检测与定位特征提取分类识别这几个部分，不包括表情分析和物理分类这两部分值得提的是近年来表情分析和物理分类越来越受到研究人员的重视。

人脸识别研究的意义人脸识别技术具有广泛的应用前景，在国家安全军事安全和公共安全领域，智能门禁智能视频监控公安布控海关身份验证司机驾驶执照验证等有典型的应用在民事和经济领域，各类银行卡金融卡信用卡储蓄卡的持卡人的身份验证，社会保险人的身份验证等具有重要的应用价值在家庭娱，致谢时光如梭，大学的四年已经接近尾声，在完成毕业论文之际，谨向许多曾经关心帮助和支持过我的所有人表达我最诚挚的谢意，首先感谢我的指导老师老师。

老师学识渊博思维敏捷作风严谨，我能够顺利完成毕业论文，离不开老师的悉心指导，使我深刻感受到导师在对学生的厚爱和希望。

感谢直以来关心我爱护我的所有同学和朋友们，是他们的理解和帮助使我充满信心和动力。

在此献上我最衷心的感激和祝福，年月日附录程序图像的维数每类样本的个数类别数每类的训练样本数每类的测试样本数训练样本总数装入训练样本装入测试样本计算所有训练样本的均值所有训练样本投影到样本均值酉矩阵的基空间中所有测试样本投影到样本均值酉矩阵的基空间中