基于支持向量机理论的人脸识别方法的研究开题报告

 2021-08-08 12:08

1. 研究目的与意义

当今时代,随着人类社会对安全可靠性需求的增加,以及计算机科学技术、神经生理学等领域的快速发展,人脸识别技术在国家安全、军事安全和公共安全领域得到了广泛的应用,在民事和经济领域,人脸识别被广泛地应用于身份认证,在计算机应用领域,人脸识别还有助于建立友好的人机界面,增加系统的安全性。

人脸特征作为每个个体的生物特征,具有自身稳定性和个体差异性的特点,是用于身份认证的理想依据。

但在实际的应用中,人脸识别仍然面临许多的问题,在不同的环境下,或者人脸做出的不同的表情时,得到的数据差异是比较大的,因而有必要对人脸识别的方法进行研究,比较不同算法的优缺点,以达到不断提高机器识别率的目的。

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

2. 国内外研究现状分析

目前,在人脸识别领域主要有以下几种方法:(1)基于特征脸的方法,其主要原理是把图像做特征提取,使得数据的处理更容易;(2)基于几何特征的识别方法,它是根据人脸面部器官的特征及其几何形状进行的一种人脸识别方法,它主要是采用不同人脸的不同特征等信息进行匹配识别;(3)基于深度学习的方法,深度学习的出现使人脸识别技术取得了突破性进展,卷积神经网络(Convolutional Neural Networks,CNN)是第一个真正成功训练多层网络结构的学习算法,利用 CNN 模型,香港中文大学的 Deep ID 项目以及 Facebook 的 Deep Face 项目在 LFW数据库上的人脸识别正确率分别达 97.45%和 97.35%,只比人类视觉识别 97.5%的正确率略低;(4)基于支持向量机的方法,其特点是将图像变换空间,在其他空间做分类。

3. 研究的基本内容与计划

支持向量机是一个解决非线性可分问题的有效算法,它在模式识别领域获得成功的关键因素之一就是使用了核技术,核技术提供了一种有效抽取样本的非线性特征的方法。

利用核技术,可将经典的Fisher鉴别分析(FDA),主成分分析( PCA), 最大间距鉴别准则(MMC)分别推广为核主成分分析(KPCA), 核Fisher鉴别分析(KFDA), 核最大间距鉴别准则(KMMC),用以处理复杂的非线性可分的情况。

本文主要对核主成分分析、核Fisher鉴别分析、核最大间距鉴别准则等方法的识别性能进行比较研究,并考虑核函数的选取和参数选取对识别率方面的影响,给出相应的结论。

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

4. 研究创新点

(1)本文研究的主要是基于核技术的非线性特征提取方法;(2)本文研究了多种非线性特征提取方法,对它们的识别性能进行了比较;(3)本文讨论了核函数的选取以及参数选取对识别率方面的影响。

剩余内容已隐藏,您需要先支付 5元 才能查看该篇文章全部内容!立即支付

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,微信号:bysjorg 、QQ号:3236353895;