基于PCA和线性判别的人脸识别系统技术方案

基于PCA和线性判别的人脸识别系统，系统借助OpenCV函数库实现了基于Haar‑like特征和AdaBoost算法的人脸检测;提出了主成分分析PCA和线性判别分析LDA相结合的人脸识别算法，既避免了主成分分析方法对图像信息不分主次、忽视类别信息的缺陷，又降低了线性判别分析算法高运算量导致的大误差、小样本的局限性;实现了一个简单方便的人脸识别系统。

Face recognition system based on PCA and linear discriminant

Based on the PCA and linear discriminant face recognition system, the system uses the OpenCV function library to realize the face detection based on the like feature of Haar and the AdaBoost algorithm, and proposes a face recognition algorithm which combines the principal component analysis PCA and the linear discriminant analysis LDA, which avoids the principal component analysis method for the image information not divided into primary and secondary and neglecting the category. The defect of information reduces the limitation of large errors and small samples caused by the high computation of linear discriminant analysis algorithm, and realizes a simple and convenient face recognition system.

【技术实现步骤摘要】
基于PCA和线性判别的人脸识别系统
本专利技术使用OpenCV函数库技术,同时使用PCA和LDA算法,是一种IOS平台识别类技术。
技术介绍
越来越多的领域需要高效准确地识别人的身份,一些传统的身份识别手段不仅使用不方便，而且存在安全隐患;基于人脸特征的识别技术可以方便地验证待识别对象的身份，并且识别过程友好、安全，因此近年来成为了一个研究热点;不同人的面部往往具有不同的几何特征或统计学方面的特征，人脸识别就是依据人的面部特征进行身份鉴定的一种生物识别技术。
技术实现思路
系统设计和实现:设计的人脸识别系统的功能构成是通过人脸检测、图像预处理和人脸识别三个功能方面完成;具体如下:1.人脸检测:关于人脸检测，OpenCV中有一个训练好的XML文件，包含了相关Harr特征的分类器训练结果，系统直接利用该文件进行人脸检测;先用cvLoad()从XML文件中加载CvHaarClassifier-Cascade分类器，再用cvCreateHidHaarClassifierCascade()将分类器转为OpenCV内部处理格式;用cvLoadImage()加载需检测的图像，再用cvHaarDetectObjects()实现人脸检测;cvHaarDetectObjects()使用训练好的分类器对检测图像进行目标搜索，如果不同大小的搜索窗口多次重叠搜索到了目标物，才认为目标物确实存在;可以通过调节参数来改变判定的阈值;2.图像预处理:检测到脸部后使用cvCvtcolor()转化成灰度图，可以用cvEqualizeHist()函数方便地实现直方图归一化处理，便于后续的人脸识别;3.人脸识别:系统设计了CreatDatabase类用于创建训练集，将人脸库中全部图像转换成二维矩阵;FisherfaceCore类使用PCA和LDA算法对人脸二维矩阵进行处理，生成特征脸最优子空间;FaceRecognition类将待测图像矩阵投影到最优投影子空间，利用最近邻准则比较，得出最接近的人脸矩阵，完成识别过程;其中很多矩阵运算过程可借助OpenCV的函数接口方便地实现，例如调用cvCalcEigenObjeets()可直接进行PCA操作，计算出的Eigenface都可保存在向量数组中，用cvEigenDecomposite()可将训练图像投影到特征脸空间上。系统应用人脸识别算法，PCA和LDA结合的算法:PCA和LDA算法都有各自明显的缺陷;PCA算法中的特征脸对光照、表情等因素比较敏感，并且它是将一幅图像看成整体，图像中每个像素拥有一样的地位，对图像信息没有主次的区分，也没有充分利用已经知道的训练图像中的类别信息，是一种非监督的学习方法;LDA算法的计算过程需要反复进行矩阵运算，如果矩阵比较大，就会产生大的误差，影响识别精度;并且，如果直接使用LDA算法对人脸图像进行识别，也有可能使Sw为奇异，导致投影方向不能求解，即产生“小样本”问题;因此，提出一种PCA和LDA结合的算法，通过PCA与LDA两次降维处理，得到理想的投影子空间。本文档来自技高网...

【技术保护点】
1.基于PCA和线性判别的人脸识别系统，系统基于IOS平台实现，开发环境为Mac OS X和Xcode，并使用OpenCV视觉函数库辅助开发。

【技术特征摘要】
1.基于PCA和线性判别的人脸识别系统，系统基于IOS平台实现，开发环境为MacOSX和Xcode，并使用OpenCV视觉...

【专利技术属性】
技术研发人员：不公告发明人，
申请(专利权)人：长沙湘佩网络技术有限公司，
类型：发明
国别省市：湖南,43