摘要：基于稀疏编码的人脸方法从一个新的角度去看待和处理人脸识别问题。稀疏描述方法包括三个步骤：第一步用特征脸等算法求出训练图像的特征值或是特征矢量，第二步是确定出与测试图像最相似的前K个训练图像，第三步是把测试图像通过提取出的训练图像来线性表示并且判定其类别。

本实验的主要内容是：

(1)使用wxpython进行界面UI的设计和实现；

(2)使用ORL公共人脸数据库作为测试图像与训练图像来进行识别；

(3)使用OpenCV库函数对图像进行矩阵计算；

(4)使用特征脸算法计算并得到总体图像的特征值与矢量；

(5)使用欧式距离(euclidean metri)确定与测试图像相距较近的K个训练图像；

(6)使用基于K近邻的快速稀疏描述算法把测试图像通过确定的训练图像来线性表示，并求出每个类别的贡献值；

(7)界面显示最终的贡献值，距离值，测试图像与训练图像。

本实验结果清楚的表明：测试图像由训练图像来线性描述并且按照贡献值去分类是一个可行的人脸识别技术。该技术有较好的鲁棒性与可靠性。此外，通过人脸的训练图像去实现人脸测试图像稀疏描述和判定其类别的方法的识别性能较优秀。

关键词：稀疏表示；人脸识别；特征脸

目录

摘要

Abstract

1.绪论-1

1.1人脸识别的研究背景与意义-1

1.2人脸识别方法-1

1.2.1基于几何特征的人脸识别-2

1.2.2基于表象的人脸识别-2

1.2.3基于稀疏描述的人脸识别方法-3

2.人脸识别技术综述-5

2.1 人脸识别技术-5

2.2 人脸辨识与人脸认证评价标准-5

2.3 人脸识别的应用分析-6

3.一维降维方法与人脸识别-8

3.1 一维降维法-8

3.2特征脸方法-8

4.稀疏描述与人脸识别应用-10

4.1 基于稀疏描述的人脸识别方法-10

4.2 快速稀疏方法-12

4.2.1基于全局表达方法的图形测试图像描述与识别-12

4.2.2基于K近邻快速稀疏描述方法-14

5.人脸识别实验-17

5.1 环境配置-17

5.2 ORL人脸数据库-18

5.3 算法-18

5.4 实验结果-19

结论-20

参 考 文 献-21

致谢-22