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文。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，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，五邑大学本科毕业设计目录摘要发现，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，处理消耗的时间迅速上升，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。立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