基于pca算法的eigenfaces人脸识别算法 学位论文.doc

摘要 人脸识别技术就是利用计算机分析人脸图像，提取有效的识别信息来辨认身份或者判别待定状态的一门技术。它涉及模式识别、图像处理、计算机视觉等诸多学科的知识，是当前研究的热点之一。然而影响计算机人脸识别的因素非常之多，主要是人脸表情丰富，人脸随年龄增长而变化，人脸所成图像受光照、成像角度及成像距离等影响，极大地影响了人脸识别走向实用化。 基于PCA算法的人脸识别过程大致分为训练、测试、识别这三个阶段完成，在训练阶段，通过寻找协方差矩阵的特征向量，求出样本在该特征向量上的投影系数；在测试阶段，通过将测试样本投影到特征向量上，得到测试样本在该特征向量上的投影系数。 最后，采用最小欧氏距离，找到了与测试样本最相近的训练样本图像。 关键词 Eigenfaces、PCA算法、人脸识别算法、matlab、SVD。 Abstract Face recognition technology is the use of computer analysis of facial images to extract valid identification information to identify or determine the identity of a technology Pending state. It involves knowledge of pattern recognition, image processing, computer vision, and many other disciplines, is one of the hotspots of current research. However, factors affecting the computer face recognition very much, mainly rich facial expression, face changes with age, face a picture of the affected light, imaging and imaging distance, angle, greatly influenced the Face to practical use. PCA algorithm based recognition process is roughly divided into training and testing, the identification of these three stages, in the training phase, to find the eigenvectors of the covariance matrix is obtained on the sample feature vector projection coefficient; in the test phase by the test feature vector is projected onto the sample to obtain a test sample on the projection of the feature vector of coefficients. Finally, the minimum Euclidean distance, the test sample to find the closest sample images. Keywords Eigenfaces PCA Algorithm、Face Recognition Algorithm、matlab、SVD. 目录 1 绪论 1 1.1计算机人脸识别技术及应用 1 1.2常用的人脸识别方法简介 1 1.3本论文内容安排 1 2 PCA 3 2.1 PCA简介 3 2.2 PCA的实质 3 2.3 PCA理论基础 3 2.3.1投影 3 2.3.2最小平方误差理论 4 2.3.3 PCA几何解释 8 2.4 PCA降维计算 8 3 PCA在人脸识别中的应用 11 3.1 人脸识别技术简介 11 3.2 图片归一化 11 3.3 基于PCA的人脸识别 11 3.3.1 人脸数据特征提取 11 3.3.2计算均值 12 3.3.3计算协方差矩阵C 12 3.3.4求出协方差C的特征值和特征向量 12 3.4奇异值分解定理 12 3.5 基于PCA的人脸识别的训练 13 3.5.1 训练集的主成分计算 13 3.5.2 训练集图片重建 13 3.6 识别 14 4 实验 15 4.1 实验环境 15 4.2 PCA人脸识别实验过程 15 4