線性判別分析人臉識(shí)別系統(tǒng)的研究與實(shí)現(xiàn).pdf

1、人臉識(shí)別技術(shù)是模式識(shí)別領(lǐng)域非常熱門(mén)的研究課題之一,具有直接、方便、友好、易于被用戶接受等優(yōu)點(diǎn),在海關(guān)、公安、銀行等部門(mén)有著廣泛的應(yīng)用前景。它涉及到圖像處理、模式識(shí)別、生理學(xué)、機(jī)器視覺(jué)等多個(gè)領(lǐng)域。廣義的人臉識(shí)別通常包括人臉檢測(cè)、圖像預(yù)處理、特征提取和識(shí)別等技術(shù),其中人臉檢測(cè)和特征提取是人臉識(shí)別系統(tǒng)中非常關(guān)鍵的組成部分。
　　 本文詳細(xì)分析了AdaBoost算法、主元分析法(PCA)、Fisher線性鑒別分析法(Fisher LDA

2、,LDA)、基于最大散度差線性鑒別分析法(MSLDA)和二維線性鑒別分析法(2DLDA)的基本原理。在這些研究工作的基礎(chǔ)上,本文提出了如下三個(gè)創(chuàng)新算法。
　　 (1)提出一種結(jié)合膚色檢測(cè)和AdaBoost算法的自動(dòng)調(diào)焦實(shí)時(shí)人臉檢測(cè)方法。該方法首先采用膚色信息定位皮膚區(qū)域,然后統(tǒng)計(jì)膚色區(qū)域像素?cái)?shù),再根據(jù)像素?cái)?shù)進(jìn)行調(diào)焦,最后采用AdaBoost算法進(jìn)行人臉檢測(cè)。實(shí)驗(yàn)結(jié)果表明該方法在傳統(tǒng)AdaBoost算法的基礎(chǔ)上縮短了檢測(cè)時(shí)間,同時(shí)

3、,由于消除了非膚色區(qū)域檢測(cè)出人臉的可能性并改善了遠(yuǎn)距離人臉檢測(cè)的缺陷,檢測(cè)率提高了2.26％,誤檢率降低了2.56％。
　　 (2)提出了一種新的基于半偶圖像的分塊LDA方法(BHELDA)。該方法采用半偶圖像作為樣本,對(duì)樣本進(jìn)行分塊、并對(duì)各分塊采用LDA方法提取特征,最后融合各分塊特征進(jìn)行分類識(shí)別。采用MATLAB對(duì)上述方法進(jìn)行仿真,實(shí)驗(yàn)結(jié)果表明BHELDA方法降低了樣本維數(shù),削弱了姿態(tài)、表情的影響,兼顧了圖像的局部特征,其識(shí)

4、別率達(dá)100％。
　　 (3)提出了一種基于半偶圖像的2DLDA方法(HE2DLDA)。該方法采用2DLDA算法直接提取半偶圖像的人臉特征。和LDA方法相比,2DLDA方法不僅解決了LDA算法的小樣本問(wèn)題,而且得到的離散度矩陣更加精確,其維數(shù)也大大降低,從而使得特征提取時(shí)間大為減少。在2DLDA方法的基礎(chǔ)上,HE2DLDA算法采用半偶圖像作為樣本,進(jìn)一步降低了離散度矩陣的維數(shù),使得其特征提取時(shí)間更為優(yōu)化。實(shí)驗(yàn)結(jié)果表明,HE2DL