基于主成分分析的人臉識(shí)別改進(jìn)方法.pdf

1、隨著科技與社會(huì)經(jīng)濟(jì)的快速發(fā)展，生物特征識(shí)別技術(shù)漸漸成為身份識(shí)別的主流手段之一。人臉識(shí)別系統(tǒng)作為接受程度最高，最沒有侵犯性的生物特征識(shí)別技術(shù)，受到了社會(huì)與研究界的廣泛關(guān)注。人臉識(shí)別系統(tǒng)，是指自動(dòng)化的人臉檢測(cè)與識(shí)別系統(tǒng)，該系統(tǒng)首先對(duì)輸入的圖像進(jìn)行判斷，對(duì)可能存在的人臉進(jìn)行提取，并將提取出的人臉與訓(xùn)練庫內(nèi)的人臉比對(duì)，進(jìn)行分類識(shí)別。由于人臉的非剛性，人臉識(shí)別系統(tǒng)中的各個(gè)模塊的算法也成為了非常復(fù)雜的模式識(shí)別問題，其魯棒性通常較低。針對(duì)基于主成分分

2、析的人臉識(shí)別方法的魯棒性，本文提出了一種基于低秩矩陣恢復(fù)的2DPCA方法。本文的主要研究工作與創(chuàng)新如下：
　?。?）通過對(duì)現(xiàn)有文獻(xiàn)的研究，對(duì)人臉識(shí)別領(lǐng)域的研究現(xiàn)狀進(jìn)行了整理，列舉出了研究中面臨的重點(diǎn)和難點(diǎn)問題，闡述了人臉識(shí)別系統(tǒng)的相關(guān)概念、理論，形成了對(duì)該領(lǐng)域較為全面的認(rèn)識(shí)。
　?。?）討論并分析了數(shù)種不同算法在人臉檢測(cè)模塊中的應(yīng)用及其優(yōu)劣，并重點(diǎn)研究了Adaboost算法原理與算法流程，以及基于外觀學(xué)習(xí)的Adaboost算

3、法人臉識(shí)別方法的實(shí)現(xiàn)。
　?。?）討論并分析了數(shù)種人臉預(yù)處理方式，包含對(duì)圖像清晰度的增強(qiáng)，對(duì)圖像中噪聲的處理以及對(duì)圖像光照的補(bǔ)償，并重點(diǎn)研究了傾斜人臉的校正方式。
　　（4）討論并分析了現(xiàn)有的基于經(jīng)典PCA的人臉識(shí)別方法，以及能有效提升PCA效率的2DPCA方法。在2DPCA方法較難達(dá)到系統(tǒng)魯棒性要求的前提下，本文提出了一種基于低秩矩陣恢復(fù)的2DPCA方法。該方法將原圖像矩陣分解為低秩矩陣與誤差矩陣，有效地從被噪聲污染，或數(shù)