基于統(tǒng)計學方法的人臉識別研究.pdf

1、人臉識別技術(shù)是模式識別和機器視覺領域最富挑戰(zhàn)性的研究課題之一,也是近來研究的一個熱點問題.本文的主要工作體現(xiàn)如下:首先通過對人臉圖像灰度直方圖的修正,消除了光照強度差異對人臉識別的影響.另外研究表明,人臉的表情變化和少許遮掩只影響圖像中的高頻部分的變化,由此本文采用兩種方法提取人臉圖像的低頻部分,第一種是通過離散余弦變換的方法提取人臉圖像的相對穩(wěn)定的低頻子帶,然后進行反變換得到與低頻區(qū)域相同大小的圖像.第二種是采用了小波變換的方法,提取

2、一次小波變換后的低頻子帶圖像.通過這兩種變換,既消除人臉圖像中表情及姿態(tài)對識別率的影響,又減小了圖像的分辨率,降低了運算的復雜度.其次本文分析了四種用于構(gòu)建投影子空間的算法,他們分別是:主分量分析法(PCA),平均臉法,fisher臉法以及基于平均臉和線形判別分析相結(jié)合的方法.單純采用PCA方法來進行人臉特征的提取,得到的是人臉的最佳表示特征,但對于分類來說并不是最佳的.LDA方法在提取特征的過程中,充分利用了類別的信息,可以得到最利于

3、分類的人臉特征.但由于人臉特征空間維數(shù)很高,無法直接利用LDA方法提取分類特征.為此,本文采用了兩種算法:第一種算法是fisher臉算法,它首先通過PCA方法降低人臉特征空間的維數(shù),然后運用LDA方法得到最利于分類的投影,來實現(xiàn)對人臉的識別;第二種算法首先應用平均臉方法降低人臉特征空間的維數(shù),然后再運用LDA方法得到最利于分類的投影,來實現(xiàn)對人臉的識別.試驗證明,采用后兩種方法得到的識別率較好.最后本文采用了兩種不同結(jié)構(gòu)的人工神經(jīng)網(wǎng)絡構(gòu)

4、建分類器,進行訓練和識別:一種是BP網(wǎng)絡,另一種是RBF網(wǎng)絡.對于BP網(wǎng)絡,本文采用引入動量項的自適應變步長來調(diào)整學習率的算法,這樣可以有效地抑制網(wǎng)絡陷入局部極小,縮短學習時間.RBF網(wǎng)絡是一種特殊的兩層網(wǎng)絡,具有全局近似性、極佳的近似能力、學習速度快、與其他網(wǎng)絡相比有更加緊湊的拓撲結(jié)構(gòu)等顯著特點.本文比較了自組織學習法,梯度下降法和正交最小二乘法(OLS)三種RBF網(wǎng)絡的學習算法,結(jié)果發(fā)現(xiàn)正交最小二乘法不僅簡單易行、而且精度高、運算速