基于子空間的人臉識別技術研究.pdf

1、人臉識別因其在安全驗證系統(tǒng)、信用卡驗證、醫(yī)學、檔案管理、視頻會議、人機交互、公安系統(tǒng)（罪犯識別等）等方面的巨大應用前景而越來越成為當前模式識別和人工智能領域的一個研究熱點。 人臉識別是利用計算機對人臉圖像進行處理、分析，并從中提取能表征人臉圖像的識別信息，用以進行識別的一門技術。在眾多的特征提取技術中，子空間分析方法因其計算簡單、識別率高等特性引起了人們的廣泛注意，現(xiàn)已成為人臉圖像特征提取和識別的主流方法之一。本文致力于基于靜態(tài)

2、圖像的準正面人臉識別方法研究，重點研究了基于子空間的特征提取方法。 本文的主要研究內(nèi)容包括以下幾個方面： （1）首先，研究了基于主分量分析（Principle Component Analysis，PCA）人臉識別方法的基本原理和實現(xiàn)過程，并分析了PCA方法的優(yōu)缺點?？紤]到傳統(tǒng)PCA方法在處理人臉識別問題時是需要將圖像從二維矩陣轉化為一維向量，長期以來一直受到高計算復雜度的困擾，近年來提出了一種直接基于圖像矩陣的2DPC

3、A方法，其突出優(yōu)點是大大加快了特征抽取的速度，并且在識別率上也有一定的提高。通過實驗給出了2DPCA方法與PCA方法的性能比較，證實了2DPCA方法不但避免了龐大的計算量，而且識別率也有所提高。 （2）其次，由于PCA方法易受光照條件等易變因素的影響，在光照變化大的情況下識別率較低。利用Gabor小波可以良好的表達人臉局部紋理特征這一優(yōu)點，提出了一種結合Gabor小波和主元分析的人臉識別方法。該方法很好的將兩者的優(yōu)點結合起來，實

4、驗結果證明了識別率有明顯的提高。 （3）最后，在特征提取方面引入了線性鑒別分析（Linear Discriminant Analysis，LDA）方法.LDA以樣本的可分性最好為目標，能提取出類間離散度最大而類內(nèi)離散度最小即分類能力強的特征，在理論上優(yōu)于PCA方法。本文提出了一種改進的2DLDA識別方法：基于圖像分塊的二維線性鑒別分析（M2DLDA）的人臉識別方法。該方法首先對原始人臉圖像進行必要的預處理后進行分塊，再對分塊后的