|
设计描述：
文档包括:
说明书一份，48页，约22000字
翻译一份
开题报告一份
程序一套
I、毕业设计(论文)题目：
基于稀疏特征的人脸识别系统设计
II、毕 业设计(论文)使用的原始资料(数据)及设计技术要求：
在各种图像应用中，有效地表示视觉信息是图像处理、分析和理解的基础,
图像的稀疏表示问题与人类视觉系统的认知原理非常类似, 从某种意义上来说，
图像的稀疏表示问题是人类视觉系统的自然延伸。本设计主要研究基于稀疏特征
的人脸识别系统，通过比较不同的稀疏特征提取算法，设计出具有较高识别效果
的人脸识别系统。整个系统代码通过matlab编程实现，要求能够显示识别效果图。
III、毕 业设计(论文)工作内容及完成时间：
第 1周-第 3周:资料查找、方案论证、英文资料翻译、开题报告撰写。
第 4周-第 6周:熟悉编程环境，学习matlab编程语言。
第 7周-第14周: 使用编程语言完成稀疏特征提取程序的设计，设计出人脸识别系统。
第15周-第17周:归总系统文档，撰写毕业论文。
第18周:准备答辩。
Ⅳ 、主 要参考资料：
[1]. 易学能. 图像的稀疏字典及其应用[D]. 华中科技大学，2010.
[2]. 邓承志. 图像稀疏表示理论及其应用研究[J]. 华中科技大学，2008.
[3]. 孙玉宝。图像稀疏表示模型及其在图像处理反问题中的应用. 南京理工大
学.2010.
[4]. J. Wright, A. Y. Yang, A. Ganesh, S. S. Sastry, and Y. Ma. Robust face
recognition via sparse representation. PAMI, 31(2):210–227, 2009.
[5] B. Cheng, J. Yang, S. Yan, Y. Fu, and T. Huang. Learning with
l1-graph for image analysis. IEEE IP, 19(4):858-866, 2010.
[6] A. Y. Yang, A. Ganesh, Z. H. Zhou, S. S. Sastry, and Y. Ma.
Fast l1-minimization algorithms and application in robust
face recognition, UC Berkeley, Tech. Rep.
基于稀疏特征的人脸识别系统设计
摘要：
人脸识别是计算机技术研究领域的一项热门学科，它属于生物特征识别技术，是以生物个体本身的生物特征来实现区分识别。由于人脸识别自身的优越性以及在计算机视觉、模式识别、图像处理、多媒体、心理学等多领域的广泛运用，使其在人工智能领域占有极其重要的地位。
特征提取是人脸识别中十分重要的一个步骤，用一般方法提取特征时会造成数据的冗余，影响提取的特征的精度。稀疏表示方法是一种基于局部特征提取的算法，它有着减少冗余数据，提高识别率等优点，并且以其简单有效的优点而深受欢迎。
本论文研究了基于稀疏特征的人脸识别系统设计，主要采用了两阶段测试样本稀疏表示方法。论文给出了上述稀疏表示方法的基本原理、实现方法，并且用该方法以及PCA、LDA三种方法对ORL人脸数据库中图片进行了处理，分别计算出了识别率，比较和揭示了这些方法之间的区别和联系。实验表明，本文介绍的两阶段测试样本稀疏表示方法具有识别率高的特点，有助于准确分类测试样本，但稀疏方法迭代时间长，效率较低，因此仍需要与其他方法进行结合。
关键词：人脸识别；稀疏特征；特征提取；识别率
Design of Face Recognition system Based on Sparse Feature
Student name: XinYi Zhao class: 080413
Supervisor: Chengli Sun
Abstract：
Face recognition is a popular subject in the field of computer technology. It exploits biological characteristics to identify the different persons. Due to its advantages, face recognition has been widely used in computer vision, pattern recognition, image processing, multimedia processing, psychology and other fields. So it plays an extremely important role in the field of artificial intelligence.
Feature extraction is a very important step in the face recognition, but general approach to feature extraction will cause data redundancy and affect the accuracy of the extracted features. Sparse representation is an algorithm based on local feature extraction, it can reduce the data redundancy and improve the recognition rate. It is very popular for its advantages of simple and effective.
In this thesis, we study a face recognition system based on sparse feature, it mainly uses a two-phase test sample sparse representation method. The paper gives the basic principles of the above method. We process images of ORL face database using this method as well as PCA、LDA and calculate out the recognition rate of each method. Meanwhile we reveal the differences and the relations among these methods. The experiment results indicate that the two-phase test sample sparse representation method has a feature of high recognition rate, it can accurately classify test samples. But the sparse method is less efficient, therefore it still need to be combined with other methods in practical applications.
Keywords: Face recognition; Sparse Feature; Feature extraction; Recognition rate
目 录
摘要 I
第一章 绪论 1
1.1 人脸识别的研究背景及意义 1
1.1.1 人脸识别技术 1
1.1.2 人脸识别的难点 2
1.2 人脸识别主要分类方法 2
1.3 人脸识别的前景 3
1.3.1 人脸识别的发展趋势 3
1.3.2 人脸识别的应用领域 4
1.4 本文的研究内容和结构安排 5
第二章 基于主成分分析PCA的人脸识别 7
2.1 PCA主成分分析算法概述 7
2.1.1 PCA主成分分析概念 7
2.1.2 PCA主成分分析原理 8
2.2 基于PCA算法的人脸识别实现 9
2.2.1 PCA人脸识别建模 9
2.2.2 PCA算法实现过程 10
2.2.3 常用人脸图像数据库 11
2.2.4 PCA算法对ORL人脸数据库的识别率 13
2.3 PCA算法的优缺点 14
第三章 基于线性判别式LDA的人脸识别 15
3.1 LDA算法概述 15
3.1.1 LDA算法的概念 15
3.1.2 LDA算法基本原理 15
3.2 基于LDA算法的人脸识别实现 18
3.2.1 实验结果分析 19
第四章 基于稀疏特征的人脸识别系统 21
4.1 稀疏表示 21
4.1.1 稀疏表示的概念 21
4.1.2 稀疏表示的优点 22
4.2 两阶段测试样本稀疏表示方法 22
4.2.1 两阶段测试样本稀疏表示方法的第一个阶段 23
4.2.2 两阶段测试样本稀疏表示方法的第二个阶段 23
4.3 基于稀疏表示方法的实验结果 25
4.3.1 两阶段测试样本表示方法对ORL数据库图像的识别率 25
4.3.2 实验结果分析 28
4.4 稀疏表示方法与PCA、LDA的算法优缺点比较 29
第五章 总结与展望 31
致 谢 32
参考文献 33
附录 34
| 
