基于FKPCA+雙子空間和信息屬性KNN的小樣本人臉識別研究.pdf

1、人臉識別技術(shù)因其具有重要的科學(xué)意義和實(shí)用價(jià)值，在近幾年得到了研究者的高度重視，成為當(dāng)前模式識別和人工智能領(lǐng)域的一個研究熱點(diǎn)。人臉識別主要分為人臉檢測、特征提取和模式分類三個步驟。人臉識別過程中會遇到各種問題，其中樣本維數(shù)過高、類別數(shù)大、單人訓(xùn)練樣本少以及識別的實(shí)時性都是亟待解決的難題。
　　 本文在綜合分析了以往的人臉識別方法的基礎(chǔ)上，著重從特征提取速度、特征信息的完備性和識別率三個方面考慮，提出基于FKPCA+雙子空間和信息屬

2、性KNN分類器的小樣本人臉識別算法，并設(shè)計(jì)實(shí)現(xiàn)相應(yīng)的原型系統(tǒng)。本文的工作主要包括：
　　 (1)提出一種FKPCA+雙子空間人臉特征信息提取新方法。該方法首先通過快速核主元分析(FKPCA)將低維空間線性不可分的人臉樣本隱性映射到線性可分的高維空間，并在該空間中實(shí)現(xiàn)降維；然后，在FKPCA降維后的數(shù)據(jù)上，利用Fisher準(zhǔn)則從值域空間中提取常規(guī)特征信息，利用類問散度準(zhǔn)則從零空間提取非常規(guī)特征信息。該方法可提取到更加完備的特征信息

3、，對提升識別率有很大的幫助。
　　 (2)提出信息屬性K-近鄰分類器算法。在深入研究傳統(tǒng)的K-近鄰分類器算法的基礎(chǔ)上，針對K-近鄰分類器中歐式距離不能很好的表示樣本間相似度問題，采用以信息屬性為權(quán)值對歐式距離進(jìn)行加權(quán)的策略，有效地改進(jìn)歐式距離；把加權(quán)后的歐式距離作為K-近鄰分器度量樣本間相似度的測度。該方法能夠有效地彌補(bǔ)傳統(tǒng)歐氏距離僅僅表示m維空間中兩個點(diǎn)之間真實(shí)距離而不能很好地表示對象間相似程度的不足。
　　 (3)提

4、出一種小樣本人臉識別算法。首先使用FKPCA對樣本進(jìn)行線性降維；然后提取降維后數(shù)據(jù)的常規(guī)特征信息和非常規(guī)特征信息；接著利用改進(jìn)后的歐式距離對常規(guī)特征信息和非常規(guī)特征信息分別計(jì)算測試樣本到各訓(xùn)練樣本的相似度，并把計(jì)算結(jié)果進(jìn)行融合；最后利用K-近鄰分類器使用融合結(jié)果進(jìn)行分類。
　　 (4)人臉識別原型系統(tǒng)的實(shí)現(xiàn)。采用面向?qū)ο笏枷朐O(shè)計(jì)并開發(fā)了小樣本人臉識別原型系統(tǒng)。該系統(tǒng)由圖像預(yù)處理、FKPCA特征提取、雙子空間兩類信息提取和分類識別