線性子空間法人臉識別的研究.pdf

1、人臉識別是生物特征識別領域的一大研究熱點。與其它生物特征識別技術相比，人臉識別技術具有無接觸、易采集、識別率高等優(yōu)點，因而受到人們的普遍歡迎，在法律、商業(yè)、公共安全、身份鑒定、門禁系統(tǒng)、視頻監(jiān)視等領域有著廣泛的應用前景。人臉識別主要包括三方面的內容：人臉檢測與定位、特征提取、分類與識別。本文主要是圍繞著人臉識別中的特征提取技術展開的。 特征提取是指將數據從原始空間變換到特征空間的過程，該變換使得原始數據由維數較少的“有效”特征數

2、據來表示，但不減少原始數據所包含的內在信息量。目前，已經提出了許多特征提取的方法，其中子空間分析因其計算簡單、識別率高等特性引起了人們的廣泛注意，現已成為人臉圖像特征提取和識別的主流方法之一。線性子空間的特征提取方法具備計算效率高、表征能力強等優(yōu)點。其中又以基于主成分分析的特征臉方法和基于線性判別分析的方法比較成功。由于人臉圖像較易受各種外界因素的干擾，簡單的一次主成分特征提取或線性判別分析特征提取很難得到人臉圖像在特征空間內的準確表征

3、。本文對各種線性子空間法從理論分析和實驗結果兩方面進行比較，指出了線性判別分析子空間法在人臉識別特征提取中的優(yōu)越性。 Fisher線性判別分析在人臉識別應用中取得了很好效果。文中提出了一種新的基于Fisher線性判別分析的人臉識別方法：改進的零空間法。該方法針對Fisher準則與識別率并非直接相關，提出了一種改進的求解總的類間散布矩陣和總的類內散布矩陣的策略：對總的類間散布矩陣，通過適當的權函數加大距離較近的兩類的作用，因為相鄰