低維線性空間人臉識(shí)別方法的研究與改進(jìn).pdf

1、隨著信息處理技術(shù)的發(fā)展，人臉識(shí)別技術(shù)在其相關(guān)領(lǐng)域的應(yīng)用越來(lái)越引起人們關(guān)注，與利用指紋、虹膜等其他生物特征識(shí)別相比，人臉識(shí)別具有直接、友好、方便的特點(diǎn)，是進(jìn)行身份確認(rèn)的最自然、最直接的手段，這使得人臉識(shí)別技術(shù)成為最具潛力的身份識(shí)別方式。因此也使其成為模式識(shí)別、圖像處理和計(jì)算機(jī)視覺(jué)等學(xué)科的一大研究熱點(diǎn)。 本文檢索和查閱了近年來(lái)大量的國(guó)內(nèi)外關(guān)于人臉識(shí)別技術(shù)的資料文獻(xiàn)，對(duì)人臉識(shí)別的一些方法進(jìn)行了分析和研究，在總結(jié)已有的人臉檢測(cè)、特征提取

2、與識(shí)別方法的基礎(chǔ)上，提出了一種改進(jìn)的人臉識(shí)別的算法。 人臉識(shí)別主要包括三方面的內(nèi)容：人臉檢測(cè)與定位，特征提取，分類(lèi)與識(shí)別。本文研究的重點(diǎn)是人臉識(shí)別中的人臉檢測(cè)定位及特征提取技術(shù)。 本文首先介紹了幾種常用于膚色檢測(cè)的顏色模型，分析了人臉膚色在顏色空間中的分布及其特性，對(duì)黃色人種中人臉膚色的聚類(lèi)特性進(jìn)行討論，指出了HSV顏色空間對(duì)膚色具有良好的聚類(lèi)特性。然后，我們對(duì)人臉膚色在HSV顏色空間的分布規(guī)律進(jìn)行了研究，建立了適合于黃

3、色人種人臉的膚色模型，提出了基于此膚色模型的人臉檢測(cè)算法，摒棄對(duì)灰度圖象處理進(jìn)行認(rèn)證的方法。通過(guò)對(duì)S色彩分量空間的閾值分割，利用分割后的圖像特點(diǎn)與標(biāo)準(zhǔn)臉的投影進(jìn)行比對(duì)，實(shí)現(xiàn)對(duì)檢測(cè)到的人臉進(jìn)行認(rèn)證。通過(guò)大量不同的圖片和照片對(duì)此算法進(jìn)行實(shí)驗(yàn)驗(yàn)證，結(jié)果表明該算法有效的提高了人臉檢測(cè)的準(zhǔn)確性和及時(shí)性。 本文詳細(xì)介紹了K-L算法、主成分分析(PCA)、線性判別分析(LDA)原理及實(shí)現(xiàn)。在線性判別分析的基礎(chǔ)上指出：“在低維空間中，實(shí)例會(huì)因?yàn)?/p>

4、不同的光照條件和面部表情等外界因素造成類(lèi)內(nèi)變量比類(lèi)間變量變化大，從而導(dǎo)致線性判別分析的誤判率比較高(特別是運(yùn)用歐幾里德距離)”。針對(duì)這一問(wèn)題，本文在基于LDA方法的基礎(chǔ)上提出了一種低維空間線性人臉識(shí)別分析方法。對(duì)LDA算法在低維空間的這一缺陷加以改進(jìn)，與人臉的判斷能量相結(jié)合，形成一種改進(jìn)的LDA算法。理論分析與實(shí)驗(yàn)證明，該算法在低維空間提高了識(shí)別率，增強(qiáng)了算法的實(shí)用性能。 在分類(lèi)器的設(shè)計(jì)上，重點(diǎn)討論了最近鄰分類(lèi)器和基于統(tǒng)計(jì)學(xué)習(xí)理