基于特征選擇和隱馬爾可夫模型的人臉識(shí)別.pdf

1、人臉識(shí)別技術(shù)因?yàn)槠湓谛畔踩⒐舶踩?、金融等方面的?yīng)用前景已經(jīng)成為模式識(shí)別和機(jī)器視覺領(lǐng)域的熱門研究課題之一。隱馬爾可夫模型（Hidden Markov Model，HMM）作為一種統(tǒng)計(jì)的識(shí)別方法，不僅能夠考慮到各個(gè)器官的數(shù)值特征，而且還兼顧了人臉的整體特征，因而可以取得較好的識(shí)別效果。一個(gè)人臉識(shí)別系統(tǒng)的識(shí)別準(zhǔn)確率在很大程度上取決于特征提取部分，因此特征提取是人臉識(shí)別中一個(gè)至關(guān)重要的環(huán)節(jié)。
　　本文針對(duì)傳統(tǒng)的隱馬爾可夫模型在特征提

2、取方面的不足，運(yùn)用了離散余弦變換(DCT)、奇異值分解(SVD)、離散小波變換（DWT）以及局部二值模式（LBP）四種特征提取方法，分別從人臉辨別和人臉認(rèn)證兩個(gè)方面研究了基于不同特征提取方法的隱馬爾可夫模型的識(shí)別性能。
　　本文首先使用不同的特征提取方法優(yōu)化HMM模型的觀察矢量，有效地提高系統(tǒng)的識(shí)別性能；其次，將以上幾種算法應(yīng)用到人臉辨別和人臉認(rèn)證兩個(gè)領(lǐng)域，在不同人臉庫(kù)中進(jìn)行仿真，并且引入了多種性能評(píng)價(jià)指標(biāo)來全方位的評(píng)價(jià)算法的性能