基于人脸的年龄识别系统设计与实现.doc
约31页DOC格式手机打开展开
基于人脸的年龄识别系统设计与实现,1.36万字自己原创的毕业论文，已经通过校内系统检测，重复率低，仅在本站独家出售，大家放心下载使用摘要本文分析了年龄估计应用前景和国内外研究现状，指出年龄估计的人脸图像容易受到外界因素影响（如光照、姿势、表情），本文分别对人脸图像进行了人脸检测与特征点定位等预处理后，利用gabor小波特...
内容介绍
此文档由会员 小丑88 发布
基于人脸的年龄识别系统设计与实现
1.36万字
自己原创的毕业论文，已经通过校内系统检测，重复率低，仅在本站独家出售，大家放心下载使用
摘 要
本文分析了年龄估计应用前景和国内外研究现状，指出年龄估计的人脸图像容易受到外界因素影响（如光照、姿势、表情），本文分别对人脸图像进行了人脸检测与特征点定位等预处理后，利用Gabor小波特征提取的方法对人脸图像进行特征提取。将提取的特征向量，使用主成分分析法（PCA）进行降维。最后，利用支持向量机(SVM)的强分类能力及解决小样本数据问题的优势,对降维后的人脸年龄特征向量进行SVM分类，分为青年(20-40岁)、中年(40-50岁)、老年(50-60岁)这三个年龄段。
在系统的整体实现上，本文采用Visual Studio 2010作为开发工具,MATLAB作为辅助软件对系统进行仿真实验,实现了人脸数据的获取及预处理、人脸特征表示与人脸年龄段的估计功能。
实验结果表明，本文采用的方法能够实现对人脸年龄数据的采集与处理，同时有良好的识别效果。其中， Gabor小波特征用PCA方法降维后与人脸年龄特征点的数据特征相融合的识别效果最好。本文提出的方法对人脸年龄估计技术的普及应用具有一定的意义。
关键词：人脸年龄估计，Gabor小波，主成分分析法，支持向量机
ABSTRACT
The application prospects of facial age estimation and the research status at home and abroad are analyzed in this paper. It was proved that facial images are easily influenced by illumination, posture, changes of expression. This paper respectively do face detecting and facial feature point positioning on face images, after pretreatment using Gabor wavelet feature extraction method of face images for feature extraction. We reduce the dimension of extracted characteristic vector with principal component analysis (PCA) method. Finally, we classify the dimension reduced facial age feature with support vector machine (SVM) for its advantage on classification ability to solve the problem of small sample data, divided into three group as youth age（20-40 years old）, middle age（40 to 50 years old）old age（50 to 60 years old）.
For the implementation of our system, Our model uses Visual Studio 2010 as a development tool, and MATLAB as an auxiliary software for the simulation experiment , and integrates the function of face data acquisition，facial feature extraction and age estimation. And classify the dimension reduction feature vector with the SVM and output results.
Results show that the approach referred to in this paper can realize data acquisition and processing of face age, at the same time , has good effect. On the side, combining the Gabor wavelet and PCA dimension reduction method achieves good effect on extracting facial age feature points .The approach of facial age estimation technology we put forward has certain significance in popularization and application.
Key words: face age estimate，Principal Component Analysis，Gabor wavelet, support vector machine
目 录
第一章 概 论 1
1.1研究背景 1
1.2研究意义 1
1.3国内外研究状况 2
1.4论文安排 2
第二章 人脸年龄估计技术 4
2.1人脸年龄估计 4
2.2人脸年龄估计的影响因素 4
2.3基于特征点的方法 5
2.4发展趋势 6
2.5小结 7
第三章 人脸图像预处理及特征提取 8
3.1图像预处理 8
3.1.1彩色图像转化为灰度图像 8
3.1.2人脸图像的尺寸归一化 8
3.1.3人脸图像的灰度均衡化 10
3.2 基于Gabor小波的人脸年龄特征提取 12
3.2.1 Gabor小波变换原理 12
3.2.2 Gabor小波特征提取 13
3.3 主成分分析方法 14
3.3.1PCA方法的应用 15
3.3.2 PCA方法的优缺点 17
3.4小结 17
第四章 人脸年龄识别系统实现 18
4.1系统的功能分析 18
4.2年龄估计系统的实验环境 18
4.3 人脸年龄估计的流程 18
4.4 人脸数据的预处理和特征提取 19
4.5 SVM分类识别 21
4.6 年龄估计系统示例 23
4.7小结 23
第五章 总 结 25
致 谢 26
参考文献 27
1.36万字
自己原创的毕业论文，已经通过校内系统检测，重复率低，仅在本站独家出售，大家放心下载使用
摘 要
本文分析了年龄估计应用前景和国内外研究现状，指出年龄估计的人脸图像容易受到外界因素影响（如光照、姿势、表情），本文分别对人脸图像进行了人脸检测与特征点定位等预处理后，利用Gabor小波特征提取的方法对人脸图像进行特征提取。将提取的特征向量，使用主成分分析法（PCA）进行降维。最后，利用支持向量机(SVM)的强分类能力及解决小样本数据问题的优势,对降维后的人脸年龄特征向量进行SVM分类，分为青年(20-40岁)、中年(40-50岁)、老年(50-60岁)这三个年龄段。
在系统的整体实现上，本文采用Visual Studio 2010作为开发工具,MATLAB作为辅助软件对系统进行仿真实验,实现了人脸数据的获取及预处理、人脸特征表示与人脸年龄段的估计功能。
实验结果表明，本文采用的方法能够实现对人脸年龄数据的采集与处理，同时有良好的识别效果。其中， Gabor小波特征用PCA方法降维后与人脸年龄特征点的数据特征相融合的识别效果最好。本文提出的方法对人脸年龄估计技术的普及应用具有一定的意义。
关键词：人脸年龄估计，Gabor小波，主成分分析法，支持向量机
ABSTRACT
The application prospects of facial age estimation and the research status at home and abroad are analyzed in this paper. It was proved that facial images are easily influenced by illumination, posture, changes of expression. This paper respectively do face detecting and facial feature point positioning on face images, after pretreatment using Gabor wavelet feature extraction method of face images for feature extraction. We reduce the dimension of extracted characteristic vector with principal component analysis (PCA) method. Finally, we classify the dimension reduced facial age feature with support vector machine (SVM) for its advantage on classification ability to solve the problem of small sample data, divided into three group as youth age（20-40 years old）, middle age（40 to 50 years old）old age（50 to 60 years old）.
For the implementation of our system, Our model uses Visual Studio 2010 as a development tool, and MATLAB as an auxiliary software for the simulation experiment , and integrates the function of face data acquisition，facial feature extraction and age estimation. And classify the dimension reduction feature vector with the SVM and output results.
Results show that the approach referred to in this paper can realize data acquisition and processing of face age, at the same time , has good effect. On the side, combining the Gabor wavelet and PCA dimension reduction method achieves good effect on extracting facial age feature points .The approach of facial age estimation technology we put forward has certain significance in popularization and application.
Key words: face age estimate，Principal Component Analysis，Gabor wavelet, support vector machine
目 录
第一章 概 论 1
1.1研究背景 1
1.2研究意义 1
1.3国内外研究状况 2
1.4论文安排 2
第二章 人脸年龄估计技术 4
2.1人脸年龄估计 4
2.2人脸年龄估计的影响因素 4
2.3基于特征点的方法 5
2.4发展趋势 6
2.5小结 7
第三章 人脸图像预处理及特征提取 8
3.1图像预处理 8
3.1.1彩色图像转化为灰度图像 8
3.1.2人脸图像的尺寸归一化 8
3.1.3人脸图像的灰度均衡化 10
3.2 基于Gabor小波的人脸年龄特征提取 12
3.2.1 Gabor小波变换原理 12
3.2.2 Gabor小波特征提取 13
3.3 主成分分析方法 14
3.3.1PCA方法的应用 15
3.3.2 PCA方法的优缺点 17
3.4小结 17
第四章 人脸年龄识别系统实现 18
4.1系统的功能分析 18
4.2年龄估计系统的实验环境 18
4.3 人脸年龄估计的流程 18
4.4 人脸数据的预处理和特征提取 19
4.5 SVM分类识别 21
4.6 年龄估计系统示例 23
4.7小结 23
第五章 总 结 25
致 谢 26
参考文献 27
