基于PCA和二維Gabor小波變換的人臉識(shí)別.pdf

1、近年來(lái)，隨著計(jì)算機(jī)技術(shù)的迅猛發(fā)展以及人們對(duì)信息安全的愈加重視，原始的身份認(rèn)證方式，已經(jīng)不能滿足現(xiàn)實(shí)社會(huì)的需要，因此生物特征識(shí)別技術(shù)應(yīng)運(yùn)而生。與指紋和虹膜等傳統(tǒng)生物特征識(shí)別方式相比，人臉識(shí)別技術(shù)具有準(zhǔn)確、隱蔽和非侵?jǐn)_等特性，較易被用戶所接受，已在諸多領(lǐng)域得到了廣泛的應(yīng)用，并成為生物特征識(shí)別技術(shù)方面的研究熱點(diǎn)之一。
　　本文在總結(jié)人臉識(shí)別技術(shù)內(nèi)容和方法的基礎(chǔ)上，對(duì)主成分分析(PCA)算法和Gabor小波變換算法這兩種特征提取方法進(jìn)行了

2、重點(diǎn)討論，并詳細(xì)闡述了這兩種特征提取方法的主要思想、特點(diǎn)、算法流程及實(shí)現(xiàn)方法。在算法實(shí)現(xiàn)方面，文中先對(duì)原Adaboost算法進(jìn)行改進(jìn)，并將其應(yīng)用于人臉檢測(cè)當(dāng)中，而后利用PCA在提取人臉全局特征和Gabor小波在表達(dá)人臉局部特征上的優(yōu)勢(shì)，分別用PCA方法提取人臉全局特征，Gabor小波分塊提取人臉局部特征，并將兩種特征相結(jié)合建立了雙層分類器(全局分類器和整體分類器)，最后，將本文提出的基于PCA和二維Gabor小波變換的人臉識(shí)別方法在OR