基于流形學習的人臉識別若干關鍵技術研究.pdf

1、人臉識別作為生物特征識別的主流技術之一,是國內外研究和應用的熱點。主流的人臉識別技術對光照、姿態(tài)等由于非理想采集條件或者用戶不配合造成的變化魯棒性較差。流形學習是近年來機器學習及模式識別等領域的研究熱點。人臉從某種意義上來說是一種典型的流形結構,人臉數據集是由某些內在變量控制形成的非線性流形。因此,基于流形學習的人臉識別研究近年來引起了人們的廣泛關注,成為該領域的熱門研究課題。
　　 本文通過仿真實驗,系統(tǒng)分析主流線性和非線性流

2、形學習算法在人臉識別中應用的可行性,優(yōu)勢及存在的問題。針對流形學習在人臉識別應用中的本征維數估計問題、測試數據的out-of-sample問題、無監(jiān)督學習問題以及人臉識別技術中的光照問題和活體檢測問題開展工作,其主要研究工作及創(chuàng)新點包含以下三個部分：⑴提出監(jiān)督局部線性判別嵌入(Supervised Locally Linear DiscriminantEmbedding,SLLDE)算法,相對于局部線性嵌入算法,該方法有以下三點改進：①

3、SLLDE是局部線性嵌入算法的線性近似,它借鑒線性判別分析的思想,在目標函數中引入了類內散度度量和類間散度度量,使得同類樣本點分布盡可能密集,并且不同類的樣本點分離,解決了測試數據的out-of-sample問題。②對于局部線性嵌入算法,本征維數是一個需要估計的未知量。針對該問題,本文提出基于局部線性判別分析的最優(yōu)判別維數估計算法。該方法是基于局部主成分分析方法的改進,對數據的局部子集進行線性判別分析。③原始LLE算法是無監(jiān)督學習算法,

4、沒有利用到樣本的標簽信息。SLLDE算法結合樣本本身的流形結構信息和標簽信息調整樣本點之間的距離,使用調整后的距離矩陣來實現(xiàn)線性近鄰重構。⑵將胡[75]等人提出的基于先驗知識的自動白平衡算法,應用于人臉識別光照預處理。光照問題是人臉識別技術的瓶頸,基于圖像處理技術的光照預處理方法以其簡單有效性在實際應用中得到了廣泛的重視。⑶提出一種結合傅立葉頻譜分析和眨眼檢測的反照片欺騙活體人臉判斷方法。在人臉識別應用中,合法用戶的人臉圖片、視頻以及三