基于支持向量机(SVM)的人脸识别技术研究

1编号南京航空航天大学金城学院毕业设计题目基于支持向量机（SVM）的人脸识别技术研究学生姓名学号系部专业班级指导教师二〇一六年五月2南京航空航天大学金城学院本科毕业设计（论文）诚信承诺书本人郑重声明：所呈交的毕业设计（论文）（题目：基于支持向量机（SVM）的人脸识别技术研究）是本人在导师的指导下独立进行研究所取得的成果。尽本人所知，除了毕业设计（论文）中特别加以标注引用的内容外，本毕业设计（论文）不包含任何其他个人或集体已经发表或撰写的成果作品。作者签名：2016年5月10日（学号）：毕业设计（论文）报告纸1基于支持向量机（SVM）的人脸识别技术研究摘要人脸识别是生物特征识别中非常热门的研究方向,人员身份鉴别在社会各界得到极为广泛的应用，是计算机与模式识别相结合的课题。支持向量机方法具有非常多的优点，比如，全局最优、结构简单、推广能力强等，因此支持向量机取得了广泛的研究与发展。人脸具有形变大，影响因素多，特别是易受干扰的特点。本文针对于人脸数据库,分别对特征提取和支持向量机算法进行了改进,使其更适合解决人脸识别的问题。本文首先研究人脸识别技术的研究内容和常见的几种人脸识别的方法；然后研究了基于主成分分析法、gabor小波表示法以及小波降维法的人脸表示方法，对这三种算法进行比较，选择基于小波降维的方法进行人脸特征的提取；研究支持向量机基本思想和算法，对支持向量机的二值算法进行改进，以适应大量样本的训练，从而实现人脸特征的识别；最后利用Matlab软件对人脸识别算法进行仿真，验证人脸识别算法的准确率和效率。本文的主要研究工作如下：1.简述人脸识别的应用背景、对国内外的研究现状和发展趋势；2.描述人脸图像预处理的常用算法，主要介绍灰度变换法、直方图均衡法和滤波法，对图像进行灰度处理和噪声滤除；3.对人脸表示方法的研究。主要分析了三种基于统计的人脸表示方法--主成分分析法,gabor小波表示法以及小波降维法。通过对这三种方法的比较，本文选用了基于小波降维的方法进行人脸特征的提取；4.研究支持向量机的基本思想和算法，对支持向量机的二值分类算法进行改进，从而利用人脸特征对人脸进行识别，以提高识别准确率和效率；5.利用Matlab软件对人脸识别算法进行仿真，验证人脸识别算法的有效性。关键字：人脸识别，支持向量机，主成分分析法，gabor小波表示法，小波降维毕业设计（论文）报告纸2法毕业设计（论文）报告纸3Researchonfacerecognitiontechnologybasedonsupportvectormachine(SVM)ABSTRACTFacerecognitionisabiometricidentificationinaactiveresearchfield,currentlyhaswidelyusedinidentityauthenticationandaccesscontrolisoneofveryactiveresearchtopicsincomputerscienceandtechnologyandpatternrecognitionfield.Thesupportvectormachinemethodhastheadvantagesofglobaloptimization,simplestructureandhighgeneralizationability,soastoachievespecificstructuralriskminimization,inrecentyearshasbeenextensiveresearchanddevelopment.Humanfaceisanonrigidbody,hasthecharacteristicsoflargedeformation,influencingfactorsandvulnerabletointerference,relativetotheimagevectordimension,facerecognitionisalsoahighdimensionalnonlinear,smallsampleproblem.Thispaperinthefacedatabase,respectivelyforfeatureextractionandsupportvectormachinealgorithmisimprovedtomakeitmoresuitableforsolvingtheproblemsinfacerecognition.Themainresearchworkisasfollows:1.Theapplicationoffacerecognitiononthebackground,domesticandinternationalresearchstatusanddevelopmenttrend;2.Commonlyusedalgorithmdescribingfaceimagepreprocessing,mainlyintroducesthegraytransform,histogramequalizationmethodandfiltermethod,grayprocessingandnoisefilteringofimage;3.ofthefacerepresentationresearch.Themainanalysisofthethreekindsoffacerepresentationmethodbasedonstatisticsoneoneprincipalcomponentanalysismethod,Gaborwaveletrepresentationandwaveletdimensionmethod.Throughthecomparisonofthesethreemethods,thispaperchoosesthemethodofwavelettransformtoextractfacefeature;4.Tostudythebasicideaandalgorithmofsupportvectormachine,toimprovethetwovalueclassificationalgorithmofsupportvectormachine,soastoimprovetherecognitionaccuracyandefficiency;5.UsingMatlabsoftwaretosimulatethefacerecognitionalgorithmtoverifythe毕业设计（论文）报告纸4effectivenessofthefacerecognitionalgorithm.Keywords:Facerecognition;SVM;Principalcomponentanalysis;Gaborwaveletrepresentation;Waveletdimensionreductionmethod毕业设计（论文）报告纸5目录摘要...................................................................1第一章绪论..............................................................71.1研究背景..........................................................71.2研究意义及现状....................................................81.3本文研究内容.....................................................10第二章支持向量机理论...................................................122.1SVM原理.........................................................122.2核函数...........................................................15第三章人脸识别的过程与方法..............................错误!未定义书签。3.1灰度变换..........................................错误!未定义书签。3.2直方图均衡法......................................错误!未定义书签。3.3滤波法............................................错误!未定义书签。3.4二值化............................................错误!未定义书签。3.5图像归一化........................................错误!未定义书签。第四章人脸特征提取......................................错误!未定义书签。4.1主成分分析........................................错误!未定义书签。4.2小波..............................................错误!未定义书签。第五章基于SVM的人脸识别................................错误!未定义书签。5.1支持向量机分类算法改进............................错误!未定义书签。5.2仿真实验..........................................错误!未定义书签。第六章设计总结及心得体会................................错误!未定义书签。6.1设计总结..........................................错误!未定义书签。6.2心得体会..........................................错误!未定义书签。致谢...................................................错误!未定义书签。参考文献.................................................错误!未定义书签。附录.....................................................错误!未定义书签。毕业设计（论文）报告纸6部分仿真代码..........................................错误!未定义书签。毕业设计（论文）报告纸-7-第一章绪论本文研究的主要内容是人脸识别，主要介绍了人脸识别中的支持向量机理论、人脸识别的过程与方法以及图像特征提取方法，最好利用实验进行仿真验证。1.1研究背景1.模式识别模式识别是利用人脑对信息的识别机理，采用计算机信息处理技术进行模拟，从而替代人类的活动，进行自动完成信息处理。模式识别的重要性已经体现在科学研究及人脸生活上，同时，应用在很多的领域。模式识别又常称作模式分类。模式识别分:有监督和无监督模式两种。有监督模式针对识别对象的类型已经事先知道；无监督模式主要针对于识别对象的类型未知的情况。常用的模式识别方法有：模糊识别、支持向量机、人工神经网络识别。2.支持向量机模式识别的分类器是一个模式识别系统的核心部件。模式识别领域研究的重点是对分类器的研究。对于机器来说,模式识别的难点主要由下面两个因素：（1）模式识别中常见的高维度和训练集的小规模所引发的困境，也就是维数灾难。模式的维数与训练样本程正比。理想情况下，这是可行的，但是在现实应用中,训练样本数往往远远