基于改進的PCA與Fisher鑒別相結合的人臉識別.pdf

1、人臉識別是生物特征識別技術的一個重要分支,被廣泛應用于身份認證、公共安全、機器視覺等領域。人臉識別早在上世紀六十年代就引起了研究者廣泛關注,原因是其擁有著非接觸性與易獲取性等多種友好特性。人臉識別技術涉及了多個領域的知識,包括圖像處理、模式識別、計算機視覺等技術,是一門綜合性的交叉學科。人臉識別已經成為人工智能、模式識別等領域的一個前沿研究課題。人臉圖像通常是典型的高維非線性數(shù)據(jù),易受到光照、表情、姿態(tài)、年齡等影響而產生變化。為尋求更高

2、的識別精度的方法,研究者至今仍面臨著嚴峻挑戰(zhàn)。
　　論文首先介紹了人臉識別的技術的研究背景和主要方法,總結了人臉識別技術中存在的技術難點,展望了人臉識別技術的發(fā)展趨勢。針對傳統(tǒng)主成分分析(PCA)方法在特征提取方面存在的問題,本文將其與Fisher鑒別準則進行結合,實現(xiàn)對圖像的綜合降維,從而能夠更好的確定圖像的分類方向。在PCA+Fisher的基礎上,本文又對算法進行改進,進一步提高了人臉識別的正確率。
　　本文以劍橋大學的

3、ORL人臉庫作為識別對象,該庫包括40個人的400張面部圖像,庫中人員照片的姿態(tài)、表情都有一定變化,部分圖像還佩戴了飾物,20％以內的尺度變化,較為充分地反應了同一人不同人臉圖像的變化和差異,因此識別結果能夠很好評價算法的實用性。論文實現(xiàn)了用改進PCA+Fisher的方法對400張圖像的識別,較高的識別率很好證明了改進以后算法的有效性。并且本文針對以往關于人臉識別的論文中,較多的只是關注整體圖庫的識別效果而忽略具體到每一個類的每一張照片