基于SVM混合核函數(shù)的人臉識別.pdf

1、隨著社會對公眾安全、身份認(rèn)證等安全方面的需求越來越迫切，生物特征識別技術(shù)得到了快速發(fā)展。生物識別技術(shù)依賴于人體自身所擁有的生物特征，比如指紋、聲紋、虹膜、步態(tài)、人臉等。鑒于人體生物特征的不可復(fù)制性和不被遺忘性，生物特征識別技術(shù)相比傳統(tǒng)的身份鑒別方法更具安全性和可靠性。而人臉與其他生物特征不同的是，當(dāng)事人可以在非配合狀態(tài)下進(jìn)行身份識別，使得人臉識別更友好、更直接。
　　受光照、裝飾物、姿態(tài)、化妝等影響，提取有效完備的人臉特征的難度較

2、大，后續(xù)的分類速度和識別率也將受到影響，這些都是人臉識別領(lǐng)域迫切需要解決的問題。人臉作為生物特征存在相似性、易變性、非剛性等特征，決定了人臉識別是生物特征識別領(lǐng)域中最困難的研究課題之一。
　　針對這些問題，本文研究了基于人臉數(shù)據(jù)庫的人臉識別系統(tǒng)，分析了人臉識別系統(tǒng)的整個流程。重點研究人臉圖像的特征提取和基于支持向量機(jī)(Support Vector Machine，SVM)的分類識別過程。在特征提取階段，將主成分分析(Princip

3、al Component Analysis，PCA)和二維主成分分析（2DPCA）算法進(jìn)行融合；在分類識別階段，提出了一種混合核函數(shù)的支持向量機(jī)分類器，并且改進(jìn)了傳統(tǒng)的留一交叉驗證參數(shù)優(yōu)化算法，提高了識別速度和識別率。本文的主要工作如下：
　　1.介紹了支持向量機(jī)的統(tǒng)計理論基礎(chǔ)，接著詳細(xì)介紹了SVM的算法理論，采用核函數(shù)法在高維空間中構(gòu)造最優(yōu)分類超平面。然后介紹了核函數(shù)的滿足條件：Mercer條件，并且簡單說明了常用的核函數(shù)的參數(shù)

4、選擇。最后針對支持向量機(jī)作為傳統(tǒng)的二分類機(jī)器，將支持向量機(jī)推廣至解決多分類問題上，并應(yīng)用于人臉識別。
　　2.人臉特征提取。首先介紹了基于Karhunen-Loeve（K-L）變換的主成分分析法和二維主成分分析法，PCA算法建立在圖像協(xié)方差矩陣的一維向量上，而2DPCA算法直接建立在圖像協(xié)方差矩陣。針對上述兩種方法的優(yōu)缺點，本章提出了一種改進(jìn)的提取特征方法。該方法將2DPCA和PCA算法融合，形成新的特征臉空間。經(jīng)實驗證明，該算法