人臉識別分類器的設(shè)計(jì)及決策融合算法.pdf

1、人臉識別是當(dāng)前模式識別、機(jī)器視覺領(lǐng)域的研究熱點(diǎn)。分類器設(shè)計(jì)是人臉識別的關(guān)鍵技術(shù),其性能的優(yōu)劣對整個(gè)人臉識別系統(tǒng)有重大影響。傳統(tǒng)的人臉識別分類器存在原理復(fù)雜、識別率較低、對光照、表情變化和遮擋等復(fù)雜環(huán)境的適應(yīng)能力較差等問題。
　　 本文圍繞傳統(tǒng)分類器存在的問題,對人臉識別分類器算法進(jìn)行了較為深入的研究,并在此基礎(chǔ)上設(shè)計(jì)了幾種分類器。此外,為了進(jìn)一步提高分類器對復(fù)雜環(huán)境的適應(yīng)能力,提出了一種決策融合算法。實(shí)驗(yàn)證明,分類識別率較之傳統(tǒng)

2、方法有所提高且比較穩(wěn)定。
　　 最小二乘分類器。把測試樣本的特征向量分別表征為各類訓(xùn)練樣本特征向量的線性組合,并依據(jù)最小二乘原理求解超定方程組的系數(shù)向量,最后以各類別的系數(shù)向量對測試樣本的估計(jì)誤差為依據(jù)完成識別分類。該分類器原理簡單,易于實(shí)現(xiàn)。
　　 稀疏表示分類器。稀疏表示理論己被廣泛應(yīng)用于眾多領(lǐng)域并成為當(dāng)前人臉識別課題的研究熱點(diǎn)。本文詳盡討論了稀疏表示的理論基礎(chǔ)以及稀疏表示分類器的設(shè)計(jì)思想。在稀疏表示分類器識別過程中

3、,使用全部的訓(xùn)練樣本構(gòu)建一個(gè)字典,任意測試樣本的稀疏表示系數(shù)都是通過該字典求取的。由于該字典的尺寸較大,這會導(dǎo)致較大的計(jì)算量;此外,忽視了測試樣本間的差異。針對這些問題,本文提出一種最小二乘字典學(xué)習(xí)算法以學(xué)習(xí)一組自適應(yīng)的過完備字典。不同于原始的單一、固定的字典,自適應(yīng)字典的尺寸明顯降低,有助于減小計(jì)算量、提高魯棒性。
　　 基于信心指數(shù)的決策融合算法。分塊策略是提升人臉識別算法在光照、表情變化以及遮擋等復(fù)雜環(huán)境下識別性能的常用方