人臉識(shí)別中基于子空間的特征提取方法研究.pdf

1、人臉識(shí)別作為近年來生物特征識(shí)別技術(shù)領(lǐng)域的熱門研究課題，具有非常重要的研究意義和實(shí)用價(jià)值。一個(gè)完善的人臉識(shí)別系統(tǒng)包括四個(gè)主要環(huán)節(jié)：人臉檢測、預(yù)處理、特征提取、分類識(shí)別。其中，能否提取有效的鑒別特征是人臉識(shí)別能夠準(zhǔn)確識(shí)別的一個(gè)關(guān)鍵因素，影響了整個(gè)人臉識(shí)別系統(tǒng)的性能。在眾多的特征提取方法中，基于子空間的特征提取方法具有計(jì)算代價(jià)小、描述能力強(qiáng)、可分性好等優(yōu)點(diǎn)，得到大量的研究與應(yīng)用。本文對(duì)基于子空間思想的主成分分析方法和局部保持投影算法進(jìn)行了詳細(xì)

2、的分析、研究和實(shí)現(xiàn)，針對(duì)實(shí)驗(yàn)中遇到的問題，對(duì)算法進(jìn)行了一定的改進(jìn)，在一定程度上提高算法的性能。
　　 論文的主要工作和貢獻(xiàn)體現(xiàn)在以下幾個(gè)方面：
　　 ①本文實(shí)驗(yàn)采用的人臉圖像來自于現(xiàn)存的人臉數(shù)據(jù)庫，人臉檢測過程可以省略。預(yù)處理環(huán)節(jié)主要對(duì)人臉數(shù)據(jù)庫的圖像進(jìn)行剪裁，去掉多余的部分，保留圖像的本質(zhì)區(qū)別。在實(shí)驗(yàn)前就將圖像像素維數(shù)降低，減少了計(jì)算復(fù)雜度，并且去掉了圖像的干擾因素。
　　 ②在人臉識(shí)別過程中針對(duì)人臉圖像的采用

3、形式不同，形成了將圖像矩陣轉(zhuǎn)化成向量表示的一維算法和直接用圖像矩陣進(jìn)行運(yùn)算的二維算法。在第二章中對(duì)一維主成分分析方法和二維主成分分析方法進(jìn)行分析說明，通過實(shí)驗(yàn)驗(yàn)證一維算法與二維算法的優(yōu)劣點(diǎn)。一維算法中是將二維人臉矩陣轉(zhuǎn)化為一維向量進(jìn)行運(yùn)算，忽略了圖像的內(nèi)部結(jié)構(gòu)特征，從而降低識(shí)別率。直接應(yīng)用二維人臉矩陣計(jì)算，保留了圖像的內(nèi)部結(jié)構(gòu)特征，但是二維矩陣的計(jì)算復(fù)雜度較高。
　　 ③局部保持投影算法是基于流形學(xué)習(xí)的典型方法。在人臉識(shí)別過程中

4、會(huì)遭遇奇異值問題，影響識(shí)別效果。在第三章中提出一種利用奇異值分解的方法。在模型中，先將樣本數(shù)據(jù)投影到一個(gè)非奇異正交矩陣中，解決了奇異值問題，然后再根據(jù)局部保持投影算法求出新樣本空間的低維投影子空間。將訓(xùn)練樣本和測試樣本分別投影到低維子空間中，再利用最近鄰分類器進(jìn)行分類識(shí)別。在實(shí)驗(yàn)中驗(yàn)證該算法的有效性和魯棒性。
　　 ④將基于列的二維局部保持投影算法應(yīng)用于人臉識(shí)別，即將人臉圖像矩陣中的每一列作為樣本點(diǎn)，構(gòu)造包括所有樣本點(diǎn)的最近鄰圖