人臉識別中的大樣本集問題及多模式圖像融合方法的研究.pdf

1、經(jīng)過近四十年的研究發(fā)展,人臉識別技術(shù)已經(jīng)取得長足的進(jìn)展并投入商業(yè)應(yīng)用.但實(shí)踐表明人臉識別技術(shù)還遠(yuǎn)不夠成熟,尤其是對識別條件敏感、大樣本集識別率低等問題比較嚴(yán)重.本論文旨在通過對這些問題的分析,提出解決相應(yīng)的解決方法. 本文首先研究了樣本集大小對線性識別方法和非線性識別方法的影響問題. 大部分識別方法都需要進(jìn)行事先的訓(xùn)練和學(xué)習(xí),首先需要合理設(shè)計(jì)訓(xùn)練集的大小,包括類的數(shù)目以及類內(nèi)的圖片數(shù)目.當(dāng)類內(nèi)圖片數(shù)和類的總數(shù)變化時,會對

2、線性識別方法和非線性識別方法造成不同程度的影響.研究發(fā)現(xiàn),隨著樣本集的增大,一些線性識別方法的識別準(zhǔn)確率會大大下降,而對非線性識別方法幾乎沒有影響.經(jīng)過分析,揭示出在樣本集增大的情況下線性識別方法失效的原因在于類內(nèi)距過大而類間距過小.因此,必須根據(jù)類內(nèi)距和類間距來合理選擇類的總數(shù)和類內(nèi)的變化數(shù),才能保證線性識別方法的良好運(yùn)行；而當(dāng)類內(nèi)距較大、類間距較小時,應(yīng)采用非線性識別方法進(jìn)行改善. 解決大規(guī)模人臉庫上的有效識別率低的問題,除

3、了可以采用非線性識別方法改進(jìn)以外,還可以通過分解樣本集來避免線性識別方法的失效.本文提出了兩種解決方案,即基于聚類的人臉樣本集分解方法和基于CMC曲線的層疊式原型篩選方法.綜合這兩種方法的優(yōu)點(diǎn),本文提出了Clustering-CMC方法.實(shí)驗(yàn)結(jié)果顯示,與單一的線性識別相比,Clustering-CMC方法獲得了較好的改善效果. 為了追求更低的識別錯誤率,本文研究了基于可見光圖像和紅外熱圖像相結(jié)合的多模式人臉識別技術(shù).采用了圖像融