1. 研究目的与意义
人脸的自动识别是生物测定学研究的内容之一,是模式识别领域中的一个前沿课题。
该课题的研究已有 30多年的历史。
人脸识别正越来越成为当前模式识别和人工智能领域的一个研究热点。
2. 课题关键问题和重难点
关键问题: 1.程序可以实现MDA降维;2.利用K-L变换图像的特征提取;3.利用欧式距离计算出人脸间的距离;4.程序可以实现人类识别;5.编写软件界面可以调用人脸识别程序。
6.MATLAB调试,实现系统功能7.撰写毕业论文难点:1.难于将老师给定的人脸数据集中的图像向量化,同时将向量化的图像划分为训练集和测试集,对于量化程序不熟悉。
2.对于K-L变换程序的编写存在一定的困难。
3. 国内外研究现状(文献综述)
人脸识别早在六七十年代就引起了研究者的强烈兴趣,1972 年,Harmon 用交互人脸识别方法在理论和实践两方面进行了详细的论述,目前最普遍的便是先利用 Matlab 对图像进行处理,主要包括:二值化、直方图均衡化、中值滤波等,然后利用 PCA 算法实现人脸识别。
人脸识别需要处理大量的图片和分析,这里就采用了PCA, PCA 的目的是通过分析原来较多可观测指标所反映的信息,提取出较少的几项综合性指标,它们互不相关,并且能够最大限度地反映出原来较多指标所反映的信息,进而用数量较少的综合性指标来刻画每个个体[1]。
而基于PCA 的人脸识别算法,可以先生成平均脸,对图像进行预处理之后,需要构建特征脸和平均脸空间,这就需要将每张图片所对应的矩阵转换成列向量。
4. 研究方案
设计方案:通过理论与实践相结合的方法,首先使用MATLAB编写一个PCA程序,实现降维(最大化目标函数),对人脸数据库(每人10幅,共40个人)1:1一个人前五幅图与后五幅图)分成训练集与测试集,使用训练集求出降维矩阵,并对训练和测试集进行降维,使用最近邻法测试对测试集的分类精度,改变降维后的维数,再次使用训练集求降维矩阵。
然后使用降维矩阵对训练集和测试集进行降维,再次使用最近邻法求出对测试集的测试精度,并确定最优识别精度,之后再编写一个界面将PCA,MDA等人脸识别项目正常调用出来。
研究基础:学习过《数字图像处理》,使用过MATLAB对图像进行降噪和加噪声处理,熟悉均值滤波、中值滤波、直方图、图像增强、灰度变换等原理。
5. 工作计划
第1周,准备开题报告,阅读并摘要与课题有关的中文资料,收集相关设计资料。
第2周,准备开题报告,阅读并摘要与课题有关的中文资料,收集相关设计资料。
第3周,完成开题报告,完成与课题相关的中文资料摘要。
以上是毕业论文开题报告,课题毕业论文、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。