基于人臉的年齡識別系統(tǒng)設計與實現(xiàn).doc
約31頁DOC格式手機打開展開
基于人臉的年齡識別系統(tǒng)設計與實現(xiàn),1.36萬字自己原創(chuàng)的畢業(yè)論文，已經(jīng)通過校內(nèi)系統(tǒng)檢測，重復率低，僅在本站獨家出售，大家放心下載使用摘要本文分析了年齡估計應用前景和國內(nèi)外研究現(xiàn)狀，指出年齡估計的人臉圖像容易受到外界因素影響（如光照、姿勢、表情），本文分別對人臉圖像進行了人臉檢測與特征點定位等預處理后，利用gabor小波特...
內(nèi)容介紹
此文檔由會員 小丑88 發(fā)布
基于人臉的年齡識別系統(tǒng)設計與實現(xiàn)
1.36萬字
自己原創(chuàng)的畢業(yè)論文，已經(jīng)通過校內(nèi)系統(tǒng)檢測，重復率低，僅在本站獨家出售，大家放心下載使用
摘 要
本文分析了年齡估計應用前景和國內(nèi)外研究現(xiàn)狀，指出年齡估計的人臉圖像容易受到外界因素影響（如光照、姿勢、表情），本文分別對人臉圖像進行了人臉檢測與特征點定位等預處理后，利用Gabor小波特征提取的方法對人臉圖像進行特征提取。將提取的特征向量，使用主成分分析法（PCA）進行降維。最后，利用支持向量機(SVM)的強分類能力及解決小樣本數(shù)據(jù)問題的優(yōu)勢,對降維后的人臉年齡特征向量進行SVM分類，分為青年(20-40歲)、中年(40-50歲)、老年(50-60歲)這三個年齡段。
在系統(tǒng)的整體實現(xiàn)上，本文采用Visual Studio 2010作為開發(fā)工具,MATLAB作為輔助軟件對系統(tǒng)進行仿真實驗,實現(xiàn)了人臉數(shù)據(jù)的獲取及預處理、人臉特征表示與人臉年齡段的估計功能。
實驗結果表明，本文采用的方法能夠實現(xiàn)對人臉年齡數(shù)據(jù)的采集與處理，同時有良好的識別效果。其中， Gabor小波特征用PCA方法降維后與人臉年齡特征點的數(shù)據(jù)特征相融合的識別效果最好。本文提出的方法對人臉年齡估計技術的普及應用具有一定的意義。
關鍵詞：人臉年齡估計，Gabor小波，主成分分析法，支持向量機
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 錄
第一章 概 論 1
1.1研究背景 1
1.2研究意義 1
1.3國內(nèi)外研究狀況 2
1.4論文安排 2
第二章 人臉年齡估計技術 4
2.1人臉年齡估計 4
2.2人臉年齡估計的影響因素 4
2.3基于特征點的方法 5
2.4發(fā)展趨勢 6
2.5小結 7
第三章 人臉圖像預處理及特征提取 8
3.1圖像預處理 8
3.1.1彩色圖像轉化為灰度圖像 8
3.1.2人臉圖像的尺寸歸一化 8
3.1.3人臉圖像的灰度均衡化 10
3.2 基于Gabor小波的人臉年齡特征提取 12
3.2.1 Gabor小波變換原理 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方法的應用 15
3.3.2 PCA方法的優(yōu)缺點 17
3.4小結 17
第四章 人臉年齡識別系統(tǒng)實現(xiàn) 18
4.1系統(tǒng)的功能分析 18
4.2年齡估計系統(tǒng)的實驗環(huán)境 18
4.3 人臉年齡估計的流程 18
4.4 人臉數(shù)據(jù)的預處理和特征提取 19
4.5 SVM分類識別 21
4.6 年齡估計系統(tǒng)示例 23
4.7小結 23
第五章 總 結 25
致 謝 26
參考文獻 27
1.36萬字
自己原創(chuàng)的畢業(yè)論文，已經(jīng)通過校內(nèi)系統(tǒng)檢測，重復率低，僅在本站獨家出售，大家放心下載使用
摘 要
本文分析了年齡估計應用前景和國內(nèi)外研究現(xiàn)狀，指出年齡估計的人臉圖像容易受到外界因素影響（如光照、姿勢、表情），本文分別對人臉圖像進行了人臉檢測與特征點定位等預處理后，利用Gabor小波特征提取的方法對人臉圖像進行特征提取。將提取的特征向量，使用主成分分析法（PCA）進行降維。最后，利用支持向量機(SVM)的強分類能力及解決小樣本數(shù)據(jù)問題的優(yōu)勢,對降維后的人臉年齡特征向量進行SVM分類，分為青年(20-40歲)、中年(40-50歲)、老年(50-60歲)這三個年齡段。
在系統(tǒng)的整體實現(xiàn)上，本文采用Visual Studio 2010作為開發(fā)工具,MATLAB作為輔助軟件對系統(tǒng)進行仿真實驗,實現(xiàn)了人臉數(shù)據(jù)的獲取及預處理、人臉特征表示與人臉年齡段的估計功能。
實驗結果表明，本文采用的方法能夠實現(xiàn)對人臉年齡數(shù)據(jù)的采集與處理，同時有良好的識別效果。其中， Gabor小波特征用PCA方法降維后與人臉年齡特征點的數(shù)據(jù)特征相融合的識別效果最好。本文提出的方法對人臉年齡估計技術的普及應用具有一定的意義。
關鍵詞：人臉年齡估計，Gabor小波，主成分分析法，支持向量機
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 錄
第一章 概 論 1
1.1研究背景 1
1.2研究意義 1
1.3國內(nèi)外研究狀況 2
1.4論文安排 2
第二章 人臉年齡估計技術 4
2.1人臉年齡估計 4
2.2人臉年齡估計的影響因素 4
2.3基于特征點的方法 5
2.4發(fā)展趨勢 6
2.5小結 7
第三章 人臉圖像預處理及特征提取 8
3.1圖像預處理 8
3.1.1彩色圖像轉化為灰度圖像 8
3.1.2人臉圖像的尺寸歸一化 8
3.1.3人臉圖像的灰度均衡化 10
3.2 基于Gabor小波的人臉年齡特征提取 12
3.2.1 Gabor小波變換原理 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方法的應用 15
3.3.2 PCA方法的優(yōu)缺點 17
3.4小結 17
第四章 人臉年齡識別系統(tǒng)實現(xiàn) 18
4.1系統(tǒng)的功能分析 18
4.2年齡估計系統(tǒng)的實驗環(huán)境 18
4.3 人臉年齡估計的流程 18
4.4 人臉數(shù)據(jù)的預處理和特征提取 19
4.5 SVM分類識別 21
4.6 年齡估計系統(tǒng)示例 23
4.7小結 23
第五章 總 結 25
致 謝 26
參考文獻 27
