基于小波變換和線性子空間的人臉識(shí)別技術(shù)研究.pdf

1、人臉識(shí)別技術(shù)是針對(duì)人的面部特征的一項(xiàng)生物特征識(shí)別技術(shù)，在信息認(rèn)證、身份識(shí)別、人機(jī)交互等諸多領(lǐng)域都有著良好的應(yīng)用前景。但人臉特征自身的形變大，又易受到光照、角度等外界因素影響，人臉識(shí)別有著較高的研究難度和極廣的研究空間。近年來利用代數(shù)方法的人臉特征提取，受到國(guó)內(nèi)外廣大學(xué)者青睞，線性子空間即是其中最重要的方法。為此本文主要針對(duì)小波變換圖像特征和線性子空間的識(shí)別方法進(jìn)行深入研究。
　　 論文首先了介紹人臉檢測(cè)的方法，并對(duì)使用Haar特

2、征和Adaboost級(jí)聯(lián)分類器的方法進(jìn)行了深入研究。在Adaboost訓(xùn)練算法的基礎(chǔ)上，使用特征距離對(duì)弱分類器選擇做了改進(jìn)，并將該分類器與OpenCV已訓(xùn)練好的人臉檢測(cè)分類器進(jìn)行比較。
　　 其次研究了小波變換特性和二維小波變換的方法。由于小波交換有著多分辨率分析的優(yōu)點(diǎn)和對(duì)圖像進(jìn)行不同頻率分解的能力，本文使用二維小波對(duì)圖像特征進(jìn)行變換并降維。變換后，小波低頻分量保留了圖像近似信息，高頻分量包含圖像細(xì)節(jié)信息。
　　 論文還

3、討論了基于線性子空間兩種基本的特征提取方法PCA和LDA。在2D-LDA的基礎(chǔ)上，提出一種改進(jìn)的2D-LDA方法。本文將改進(jìn)的2D-LDA的分類特征和UPCA的描述特征進(jìn)行組合，實(shí)現(xiàn)了對(duì)圖像分類和檢查分類正確性的功能。通過實(shí)驗(yàn)比較該方法與單純使用UPCA或改進(jìn)的2D-LDA的識(shí)別性能。
　　 論文最后在基于Haar特征和Adaboost級(jí)聯(lián)分類器的人臉檢測(cè)和基于小波變換和線性子空間的人臉識(shí)別的基礎(chǔ)上，提出一種人臉識(shí)別系統(tǒng)的設(shè)計(jì)方