LDA人脸识别

LDA人脸识别的matlab程序

以下是LDA的m文件函数： 你稍稍改改就能用了！

function [eigvector, eigvalue, elapse] = LDA(gnd,options,data) % LDA: Linear Discriminant Analysis %

% [eigvector, eigvalue] = LDA(gnd, options, data) %

% Input:

% data - Data matrix. Each row vector of fea is a data point. % gnd - Colunm vector of the label information for each % data point.

% options - Struct value in Matlab. The fields in options % that can be set: %

提出了基于2D-PCA、2D-LDA两种特征采用融合分类器的人脸识别方法。首先提取人脸图像的2D-PCA和2D-LDA特征,对不同特征在决策层对分类器进行融合。在ORL人脸库上的试验结果表明,分类器决策层融合方法在识别性能上优于2D-PCA和2D-LDA,更具有鲁棒性。

维普资讯

第 2卷第 8 4期20 0 7年 8月

计算机应用研究Ap l a i n Re e r h o mp tr p i t s a c fCo u e s c o

Vo . 4 No 8 12 . Au .2 0 g 0 7

基于 2 P A和 2—D的人脸识别方法术 C D LA D温福喜，刘宏伟(西安电子科技大学雷达信号处理国家重点实验室。安 70 7 )西 1 1 0摘要：提出了基于 2 P A、 D L A两种特征采用融合分类器的人脸识别方法。首先提取人脸图像的 2— D—C 2—D D

P A和 2—D C D L A特征，不同特征在决策层对分类器进行融合。在 O L人脸库上的试验结果表明，类器决策对 R分

层融合方法在识别性能上优于 2—C DP A和 2。D更具有鲁棒性。 DL A,关键词：人脸识别；维主分量分析；二维线性可分性分析；类器融合二分中图

人脸识别实验

一、实验要求

1.选择任一人脸数据库

2. 查找人脸识别文献，写简单综述 3. 选择方法，完成实验

二、实验原理

1、人脸识别简介

人脸识别技术是基于人的脸部特征，对输入的人脸图象或者视频流 . 首先判断其是否存在人脸 , 如果存在人脸，则进一步的给出每个脸的位置、大小和各个主要面部器官的位置信息。并依据这些信息，进一步提取每个人脸中所蕴涵的身份特征，并将其与已知的人脸进行对比，从而识别每个人脸的身份。

广义的人脸识别实际包括构建人脸识别系统的一系列相关技术，包括人脸图像采集、人脸定位、人脸识别预处理、身份确认以及身份查找等；而狭义的人脸识别特指通过人脸进行身份确认或者身份查找的技术或系统。 2、．PCA

主成分分析 （ Principal Component Analysis ， PCA ）或者主元分析。是一种掌握事物主要矛盾的统计分析方法，它可以从多元事物中解析出主要影响因素，揭示事物的本质，简化复杂的问题。计算主成分的目的是将高维数据投影到较低维空间。给定 n 个变量的 m 个观察值，形成一个 n′m 的数据矩阵，n 通常比较大。对于一个由多个变量描述的复杂事物，人们难以认识，那么是否可以抓住事物主要方面

人脸识别源代码

※人脸检测(文章+程序)---技术文档及代码非常全『 MB) 』

※完整的Matlab下人脸检测及识别系统源代码『 (393.19 KB) 』

注：这个人脸检测和识别系统开发于Matlab 7.0.1下，非常值得学习。

※Matlab实现的基于颜色分隔的人脸人眼检测与定位及识别算法源代码 『

Face-Eye-Detection.part1.rar (1.91 MB)

Face-Recognition-Detection.rar 人脸检测（文章+程序）.rar (1.27

Face-Eye-Detection.part2.rar (152.54 KB) 』

注：这是一个matlab程序，用来检测并定位人脸及人眼。采用的算法是肤色的颜色分隔。附件中的文件包括 eyematch.m, eyematch2.m, face.m, findeye.m,skin.m, k001.JPG等等 。

※完整的包括及动作识别的C++人脸检测源代码『 』

本文的目的是提供一个我开发的SSE优化的，C++库，用于人脸检测，你可以马上把它用于你的视频监控系统中。涉及的技术有：小波分析，尺度缩减模型（PCA,LDA,ICA），人工神经网络

人脸

人脸别识术介绍技201年66月

人脸

目录第部一分

人脸别识原理人 识脸别的应用景场人脸识别算法二第分部第三部分

1--

人脸

物生别技术

生识物特征生理特征 hwaty o huav?e-像 人DN-A-虹膜 - 纹指行为征 w特ha tou yo?-笔d 迹-态 步身体-味 气-键节按奏 “后习天惯”“与生俱”来

2--

人脸

人脸别识技术生物识技术就是别通过算机与计学光声学、、物生传 感和生物器统学计理原高等技手段科密结合，利切用 体人有的生固特性理(如，纹指声、、人像、纹虹等膜)和为行征(特如迹、声笔、步音态等来进)行人身份个的定。 鉴其中人脸识是指人别面的五官部及以廓的轮布。分这些布分特征因人异，与生俱来。相对于其他而物生识别术技，人识脸别具有侵扰性，无需干扰非们人的正常行为就能较好 地达识到效果。别由于用采脸识别技人术的设 可备随意以安放，备的设安隐蔽性非常放，能远好距 非离触接速锁定目标快识别对，象此因脸人识技术 别被国外泛广应用到公安众防统中系应用，模规大。庞-3-

人脸

生物别技术比较识误率 认脸人识 别指识纹别掌纹 别 识 很低 低低认拒 <0率2 .% 55

%用易 性非好常好 用困使难

理处速度人 <1秒 5秒 /-15秒

5价

摘 要

人脸检测主要是基于计算机识别的一项数字化技术，用以准确获取人的脸部大小和位置信息，在进行人脸检测时，突出主要的脸部特征，淡化次要的环境、衣着等因素。对于某些情况下，人脸检测也可以计算出人脸，如眼睛，鼻子和嘴等精确的微妙特征。由于在安全检测系统，医学，档案管理，视频会议和人机交互等领域人脸检测系统都有光明的应用前景，因此人脸检测逐渐成为了两个跨学科领域研究的热门话题:人工智能和当前模式识别。本文基于OpenCV视觉库具体的设计并开发了对数字图像中的人脸检测的程序，所采用的人脸检测的原理主要是分类器训练模式(Adaboost算法)提取Haar特征的方法。它在整个软件极其重要的作用，图像中人脸的准确定位和识别都受图像处理好坏的直接影响。本次所设计的软件在图像处理部分所采用的方法是基于Adaboost算法进行Haar特征的提取，在此之上加以通过积分图方法来获取完整的级联分类器结构，进行人脸检测时，OpenCV级联分类器通过Adaboost人脸检测算法进行训练，此后采用不同情况下的实验样本完成精确定位以及检测试验。经过代码的设计和调试，在最后的测试中针对数字图像进行的人脸检测和定位达到了较好的效果，提高了定位和识别的正确率。

关键词：人脸检测

人脸识别的研究历史比较悠久。高尔顿(Galton)早在 1888 年和 1910 年就分别在《Nature》杂志发表了两篇关于利用人脸进行身份识别的文章，对人类自身的人脸识别能力进行了分析。但当时还不可能涉及到人脸的自动识别问题。最早的AFR1的研究论文见于 1965 年陈（Chan）和布莱索（Bledsoe）在Panoramic Research Inc.发表的技术报告，至今已有四十年的历史。近年来，人脸识别研究得到了诸多研究人员的青睐，涌现出了诸多技术方法。尤其是 1990 年以来，人脸识别更得到了长足的发展。几乎所有知名的理工科大学和主要IT产业公司都有研究组在从事相关研究。

表 1 人脸识别发展历史简表

人脸识别是一个被广泛研究着的热门问题，大量的研究论文层出不穷，在一定程度上有泛滥成“灾”之嫌。为了更好地对人脸识别研究的历史和现状进行介绍，本文将 AFR 的研究历史按照研究内容、技术方法等方面的特点大体划分为三个时间阶段，如表1 所示。该表格概括了人脸识别研究的发展简史及其每个历史

阶段代表性的研究工作及其技术特点。下面对三个阶段的研究进展情况作简单介绍。

第一阶段（1964 年~1990年）

这一阶段人脸识别通常只是作为一个一般性的模式识别

燕山大学课程设计（论文）任务书

院（系）： 基层教学单位： 学 号 学生姓名 专业（班级） 设计题目 基于MATLAB的人脸识别 设 计 技 术 参 数 设 计 要 求 测试数据库图片 10张 训练数据库图片 20张 图片大小 1024×768 特征向量提取阈值 1 综合运用本课程的理论知识，并利用MATLAB作为工具实现对人脸图片的预处理，运用PCA算法进行人脸特征提取，进而进行人脸匹配识别。 工 作 量 一周的课程设计时间，完成一份课程设计报告书，包括设计的任务书、基本原理、设计思路与设计的基本思想、设计体会以及相关的程序代码； 熟练掌握Matlab的使用。 工 作 计 划 第1天 按要求查阅相关资料文献，确定人脸识别的总体设计思路； 第2天 分析设计题目，理解人脸识别的原理同时寻求相关的实现算法； 第3天 编写程序代码，创建图片数据库，运用PCA算法进行特征提取并编写特征脸，上机进行调试； 第4天 编写人脸识别程序，实现总体功能； 第5天 整理思路，书写课程

信息技术学科教学设计

基本信息

课题探秘人脸识别

姓名聂璐学校北京市十一学校

学科信息技术学习领域人工智能

年级初二教科书版本及章节校本教材第二单元第一节

课时教学设计

课型新授课√章/单元复习课□ 专题复习课□ 习题/试卷讲评课□ 学科实践活动课□ 其他□

1. 指导思想与理论依据

1）高中课程标准必修模块1《数据与计算》的内容要求第八条：通过人工智能典型案例的剖析，了解智能信息处理的巨大进步和应用潜力，认识人工智能在信息社会中的重要作用。

2）本内容对学生学科素养发展的价值：了解人工智能的新进展、新应用——人脸识别，能适当运用在学习和生活中（数字化学习与创新），并能客观认识智能技术对社会生活的影响（信息意识、信息社会责任）。

3）教学设计理论依据：《中小学信息技术课程指导纲要》指出：初中信息技术教学应以兴趣为起点、以活动为载体，螺旋上升的设置内容。要让学生在“玩中学，做中学”。

2. 教学内容分析：

本课出自北京十一学校初中校本课程《人工智能与APP开发》，这门课以计算思维的培养为重点，以初步理解人工智能实现的知识体系为辅助。本课为第二单元《视觉与听觉》第一课时，在回顾人工智能的含义后开始探索计算机视觉，单元具体安排如下：

课时主题课时目标

allsamples=[]; % allsample用于存储读取的人脸图像矩阵 m=0; for i=1:40 for j=1:5

a=imread(strcat ('e:\\ORL\\s', num2str(i),'\\', num2str(j),'.pgm')); b=a(1:112*92); b=double(b);

allsamples=[allsamples; b]; m=m+1;

subplot(10,20,m); imshow(a); if(j==1)

title(['训练图库',num2str(i)]) end end end

samplemean=mean(allsamples); % 平均图片，1 × N for i=1:200 xmean(i,:)=allsamples(i,:)-samplemean; end;

% 获取特征值及特征向量

sigma=xmean*xmean'; % M * M 阶矩阵 [v d]=eig(sigma);