最近鄰法-人臉識別-實驗報告

1、2021年年7月月 姓名：龔鼎盛 學(xué)號：2013021497 專業(yè)：電子與通信工程 圖像預(yù)處理圖像預(yù)處理 特征提取特征提取 分類器設(shè)計分類器設(shè)計 分類識別分類識別 本次試驗報告，介紹了人臉識別 方法分類器的設(shè)計。 主要是設(shè)計最近鄰分類器，并用 來進(jìn)行人臉分類識別，并對分類 器實驗結(jié)果做出分析。 實驗主要步驟：首先對圖像預(yù)處理，轉(zhuǎn)換 成向量，再通過PCA算法對ORL人臉數(shù)據(jù) 庫圖像進(jìn)行降維特征提取，再利用最近鄰 分類方法對特征向量進(jìn)行分類識別，尋找 和待識別圖片最為接近的訓(xùn)練樣本圖片。 最后在matlab上進(jìn)行實驗仿真，分析實驗 結(jié)果。 由于人臉圖像受很多因素的影響，從而造 成同一個人的臉相矩陣

2、差異也很大。因此， 進(jìn)行人臉識別的時候，所選取的特征必須 具有良好的穩(wěn)定性和不變性。那么這里我 們選取主元分析法（PCA）作為實驗特征 提取方法。 將人臉圖像表示成一個列向量，經(jīng)過PCA 變換后，不僅可以有效的降低維數(shù)，同時 又能保證所需要的識別信息。 主成分分析法是統(tǒng)計學(xué)中用來分析數(shù)據(jù)的 一種方法，它基于K-L正交分解，主要用于 特征的降維。 它的原理就是將一個高維向量，通過一個 特殊的特征向量矩陣，投影到一個低維的 向量，方便我們進(jìn)行實驗。 最后在獲得有效的特征向量后，設(shè)計最近 鄰分類器進(jìn)行人臉識別。 人臉識別系統(tǒng)框圖如下： 訓(xùn)練樣本 預(yù)處理特征提取分類識別 人臉庫 最近鄰分類器 PCA

3、一、首先確定訓(xùn)練樣本和測試樣本，并對訓(xùn) 練樣本進(jìn)行預(yù)處理。 訓(xùn)練部分流程圖： 訓(xùn)練樣本PCA變換矩陣奇異值分解總體協(xié)方差矩陣樣本矩陣 二、在ORL人臉庫中選取10個人，每個人5幅 不同圖像。其中1個人共5張圖作為一組， 進(jìn)行10組實驗，例如下面的一組： 首先選取s1中5幅圖作為訓(xùn)練樣本，代表s1類。 對s1進(jìn)行預(yù)處理，通過PCA算法進(jìn)行降維 特征提取。 然后設(shè)計最近鄰法分類器。 最近鄰法的基本思想：以全部訓(xùn)練樣本作 為“代表點(diǎn)”，計算測試樣本與這些“代 表點(diǎn)”，即所有樣本的距離（這里用歐式 距離作為度量）并以最近鄰者的類別作為 決策。 這里就是計算訓(xùn)練樣本s1_1、s1_2、s1_3、 s1_

4、4、s1_5與測試樣本s1_1的歐氏距離， 用 代表距離（類別i、順序j）。 ij R 本實驗的樣本集： 樣本： 類別： 類別i=1,2.10; 樣本j=1,2,3,4,5 例如計算第一組測試樣本 （i=1；j=1， 2,3,4,5）與訓(xùn)練樣本 的歐式距離 ： 5_101_105_11_1ssssSN ? jSi_ i S jSi_ 1_1S 1111 _SSR jj 比較 之間的大小； 判別函數(shù)： =min( ) 決策規(guī)則： 如果 =min( ) ,那么就將 判別為 類，并且讀取該圖片并顯示出來。 j R 1 jSi_ i S ij R ij R ij R ij R 三、實驗仿真 該實驗采用了Matlab軟件進(jìn)行仿真，制作 一個GUI界面表現(xiàn)出來。 因為是利用了標(biāo)準(zhǔn)人臉庫，并且識別的人 數(shù)不是很多，所以最終的結(jié)果還是非常不 錯的，識別率可達(dá)100%。 隨著訓(xùn)練樣本的增加，識別率會有所提升， 由于自建人臉庫的圖片太少，即訓(xùn)練樣本 太少，對結(jié)果也產(chǎn)生影響，效果不是很好。 本次程序