基于ICA的人臉識(shí)別研究.pdf

1、隨著社會(huì)發(fā)展的需要，各行業(yè)對(duì)快速有效的身份驗(yàn)證有著迫切的需要。由于生物特征是人的內(nèi)在屬性，具有很強(qiáng)的自身穩(wěn)定性和個(gè)體差異性，因此人臉識(shí)別成為模式識(shí)別、圖像處理等學(xué)科的研究熱點(diǎn)。
　　 人臉識(shí)別過(guò)程主要由三部分構(gòu)成：數(shù)據(jù)預(yù)處理、特征提取和分類識(shí)別。本文針對(duì)人臉在表情和光照上的變化，重點(diǎn)研究了如何提取有效的人臉特征信息。
　　 數(shù)據(jù)預(yù)處理部分主要完成對(duì)人臉圖像的直方圖均衡、白化等處理。這樣能有效地改善圖像質(zhì)量，降低計(jì)算復(fù)雜度

2、，從而有效地提高后續(xù)算法的計(jì)算速度和收斂速度。
　　 在特征提取部分，本文首先采用主分量分析(Principal Components Analysis ,PCA)方法對(duì)訓(xùn)練圖像進(jìn)行降維處理，以去除圖像的二階冗余信息，并把PCA處理后的人臉特征空間作為ICA(Independent Component Analysis)方法的輸入數(shù)據(jù)。當(dāng)訓(xùn)練樣本龐大時(shí)，訓(xùn)練時(shí)間呈指數(shù)形式增加，該處理能有效的減少計(jì)算量并提高識(shí)別率。
　　

3、 然后，針對(duì)人臉圖像的特殊性，采用基于負(fù)熵的快速定點(diǎn)ICA(Fast Fixed-point ICA,FastICA）算法來(lái)提取人臉的特征信息，該方法有很好的特征表征能力。采用定點(diǎn)迭代的自適應(yīng)學(xué)習(xí)方法，計(jì)算量小，收斂性好。除此之外，本文提出了KICA(Kernel Independent Component Analysis)方法——一種基于非線性函數(shù)空間的ICA方法，用核函數(shù)來(lái)代替兩向量間的內(nèi)積運(yùn)算來(lái)實(shí)現(xiàn)非線性變換，具有更好的靈活性，