基于2DDPCA算法的人臉識(shí)別系統(tǒng)研究.pdf

1、伴隨科學(xué)技術(shù)的不斷創(chuàng)新與信息的不斷完善成熟，雖然人們的生活及學(xué)習(xí)都得到了便利，但安全性問(wèn)題卻存在很?chē)?yán)重的漏洞。傳統(tǒng)的安全技術(shù)逐漸顯露出了缺陷，小至每天的日常生活，大至整個(gè)社會(huì)都存在極大的隱患。例如盜竊賬戶(hù)信息和數(shù)據(jù)的現(xiàn)象頻繁出現(xiàn)，導(dǎo)致一些無(wú)法挽回的損失。生物特征是利用人體不可更改的特征進(jìn)行識(shí)別的一種方法，因其很難被更改而具有難偽造性，目前得到人們的加倍青睞。在生物特征中人臉識(shí)別最容易被接受，可以在不被他人發(fā)現(xiàn)的情況下進(jìn)行監(jiān)控，在許多場(chǎng)合

2、都被廣泛應(yīng)用，有著重要的研究?jī)r(jià)值和應(yīng)用價(jià)值。
　　在特征提取階段，采用2DDPCA(Two Dimension Double PCA)一種雙向壓縮的二維特征提取算法。子空間中的典型PCA算法是現(xiàn)在的潮流之一，主要是依據(jù)線性組合即K-L變換。但以往的PCA算法會(huì)受環(huán)境的干擾而對(duì)相應(yīng)的識(shí)別率造成嚴(yán)重的影響，暫時(shí)無(wú)有效彌補(bǔ)辦法。為改進(jìn)傳統(tǒng)算法的不足，本文分析基于PCA(Principle Component Analysis)算法改進(jìn)的

3、2DPCA算法(Two Dimension PCA)和對(duì)2DPCA算法再次縱向壓縮的2DDPCA算法。為了驗(yàn)證改進(jìn)算法的性能，將PCA、2DPCA、2DDPCA這三種算法在人臉庫(kù)上完成大量的對(duì)比實(shí)驗(yàn)及相應(yīng)詳細(xì)的分析。根據(jù)實(shí)驗(yàn)數(shù)據(jù)可得，改進(jìn)后的2DDPCA算法擁有很好的識(shí)別率和重建性。
　　在分類(lèi)識(shí)別階段，采用SVM(Support Vector Machine)支持向量機(jī)作為分類(lèi)器完成人臉識(shí)別。SVM分類(lèi)器具有很強(qiáng)的自學(xué)能力，又能