搜索详情-找开题

注册

  • 获取手机验证码 60
  • 注册

找回密码

  • 获取手机验证码60
  • 找回

基于最大间距鉴别准则的人脸识别方法开题报告

 2021-08-08 03:18:49  

全文总字数:983字

1. 研究目的与意义

人脸识别是利用计算机对人脸图像进行处理和分析,从中提取有效信息来辨别人物,是日常生活中最常用的身份确认手段。

研究人脸识别在理论和应用上都有很重要的意义:一是可以推近对人类视觉系统本身的认识,可以满足人工智能应用的需要;而是人脸识别作为一个典型的图像模式分析、理解与分类计算问题,是一个典型的多学科交叉的边缘应用。

它为识别模式、图像处理、数学、计算机视觉、人工智能、人机交互、计算机图形学、认知科学、神经计算、生理学、心理学等多学科提供了一个良好的具体问题,有利于构建这些学科领域的基础平台,用于尝试新方法。

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

2. 国内外研究现状分析

自动人脸识别的研究始于上世纪60年代末,但未取得重大突破。近年来,人脸识别的研究得到很多研究人员的青睐,涌现出了很对方法和技术。进入真正的机器自动识别阶段要归功于90年代高速度、高性能的计算机的出现。在此之后,人脸识别研究得到了前所未有的重视,每年都有大量的学术论文发表。下面分三个阶段简单介绍人脸识别的研究进展。 第一阶段,这一阶段人脸识别通常只是作为一个一般性的模式识别问题被研究,所采用的主要技术方案是基于几何结构特征的方法。这些方法集中体现在人们对于剪影的研究上,人们对面部剪影曲线的结构特征提取与分析进行了大量研究。总体而言,这一阶段是人脸识别研究的初级阶段,重要级的成果不是很多,没有或得实际应用。 第二阶段,这一阶段的时间相对短暂,但是这一阶段是人脸识别研究的高峰期,不但诞生了若干代表性的人脸识别方法,而且出现了若干商业化运作的人脸识别系统。在这一阶段,美国国防部资助的FERET项目是一个至关重要的事件。该项目分别于1994年、1995年和1996年组织了3次识别性能评测,几种著名的人脸识别方法都参加了测试,极大的促进了这些算法的改进和实用化。总而言之,这阶段的人脸识别技术发展非常迅速。从技术方案上看,2D人脸图像线性子宫间判别分析、统计表现模型、统计模式识别是这一阶段的主流识别技术。 第三阶段,这段时间对人脸识别方法的研究变得非常热门,吸引了大量的研究人员和基金支持。美国军方在FERET测试的基础上分别与2000年和2002年组织了两次商业系统测试。国内许多研究机构在国家自然科学基金、863计划、攀登计划等项目的资助下,加强了对人脸识别的研究,主要有清华大学、浙江大学、上海交通大学、南京理工大学、哈尔滨工业大学等高等校和中科院计算所、中科院自动化所等科研所,其中中科院计算所的研究工作取得了重大进展,他们的研究成果已经被应用到了十六大会场。在此阶段以支持向量机为代表的统计学习理论被应用到人脸识别中来。并由此掀起了研究核方法的热潮。由于人的感知以流形方式存在。若把外界的感知表示为高维空间上的点集,则这些感知的输入可能会在一个低维流形上或附近。通过把图像嵌入到高维图像空间中的子流形上,已提出多种基于流形的人脸识别方法,用于特征空间的降维,如局部线性嵌入、基于测地线距离的等视图、局部鉴别嵌入等。小波分析也被应用到人脸识别中,小波变换已被证明是图像分析和特征提取最有效的工具之一。总体而言,目前非理想条件下,大规模人脸数据库上的人脸识别问题逐渐成为研究的热点问题。非线性建模方法、统计学习理论、小波和流技术逐渐成为研究的热点问题。非线性建模方法、统计学习理论、小波和流形技术逐渐成为发展趋势。

3. 研究的基本内容与计划

研究内容:人脸识别的研究内容从广义上讲包括四个方面:人脸检测、人脸表征、人脸识别、表情分析。本文的研究是狭义上的人脸识别,是指将待识别的人脸与数据库中的已知人脸进行匹配的人脸鉴别。运用统计不相关的方法,先是pca方法,另外是最大间距准则。pca方法可以把高维数据进行降维处理而不会丢掉很多信息。pca的做法是:1、获得数据 2、各数据减平均值 3、计算数据的协方差矩阵 4、计算协方差矩阵的特征值、特征向量 5、选择前几个主成分构成新基 6、把原数据在新的基下进行投影 7、过滤杂音,回到原基。基于最大间距准则这种方法的目的是寻求一组最佳鉴别矢量既要使投影变换后的特征空间的类间散度最大,而类内散度最小,又要减小最佳鉴别矢量间的统计相关性。另外将pca方法、最大间距准则方法与fisher等其他方法进行对比,即没有降维和降维进行比较。最后推广到图像矩阵,基于图像矩阵二维方法,,即内容推广。

研究方案与时间安排:

1查阅文献,了解研究动态,做开题报告。 2013.3.12013.3.15

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

4. 研究创新点

人脸识别一直是生物识别领域的研究热点。

但是人脸识别是一个特别复杂的过程,因此还有许多值得进一步深入研究的问题。

比如:人脸图像受光照和姿态变化对人脸识别率影响较大,如何设计有效的算法消除关照和姿态变化所带来的影响是有待深入研究的内容

剩余内容已隐藏,您需要先支付 10元 才能查看该篇文章全部内容!立即支付

课题毕业论文、开题报告、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。