非迭代三維線性判別分析及其在人臉識別中的應(yīng)用.pdf

1、隨著人臉識別技術(shù)的不斷發(fā)展與更新，基于二維圖像本身信息量的限制，二維人臉識別技術(shù)的識別率很難再有大幅度的提高。越來越多的學(xué)者開始研究人臉表面原始幾何信息更豐富的三維人臉圖像，三維人臉圖像與傳統(tǒng)的二維灰度人臉圖像相比更接近客觀事實(shí)。傳統(tǒng)的對于三維數(shù)據(jù)的人臉識別做法是，將三維空間數(shù)據(jù)按照某一個維度展開拉伸為一個超高維的矩陣數(shù)據(jù)，然后對新形成的矩陣數(shù)據(jù)進(jìn)行經(jīng)典的二維人臉識別方法，甚至還有對拉伸后的矩陣數(shù)據(jù)再次拉伸為一維向量數(shù)據(jù)，然后進(jìn)行線性判

2、別分析(LDA)或主成分分析(PCA)，這樣做很明顯破壞了原來的數(shù)據(jù)結(jié)構(gòu)，而且造成了超高維的“維數(shù)災(zāi)難”，嚴(yán)重影響了人臉識別的運(yùn)算效率和識別率。
　　本文從二維人臉數(shù)據(jù)庫出發(fā)，通過二維Gabor小波變換還原人臉更多的面部特征信息，將二維人臉提取面部特征信息轉(zhuǎn)化為三維人臉數(shù)據(jù)庫。結(jié)合張量展開的思想，提出了一種三維線性判別分析(3DLDA)的降維方法。該方法分別按照三維數(shù)組的三個維度依次在每個維度上分別進(jìn)行線性判別分析降維。將降維后得

3、到的數(shù)組經(jīng)過最近鄰分類器進(jìn)行人臉識別。本文首先將三維線性判別分析方法與傳統(tǒng)一維、二維識別方法分別應(yīng)用在ORL、Yale、PIE和FERET四種人臉數(shù)據(jù)庫和美國郵政手寫數(shù)據(jù)集USPS中，得到三維線性判別分析方法的識別率高于傳統(tǒng)的一維、二維方法。由于三維人臉數(shù)據(jù)維數(shù)較大，就算通過三維線性判別分析降維后得到的數(shù)組維數(shù)有可能還是比較大，因此本文提出了兩階段三維線性判別分析與線性判別分析（3DLDA+LDA）的組合形式，即將原始較高維數(shù)的三維數(shù)組