基于虛擬圖像生成與融合HMM的單樣本人臉識別技術(shù)研究.pdf

1、人臉識別技術(shù)因其具有重要的科學意義和實用價值，在近幾年得到了研究者的高度重視，成為當前模式識別和人工智能領域的一個研究熱點。人臉識別一般分為人臉檢測、特征抽取和模式分類三個部分。人臉識別過程中會遇到各種各樣的難題，其中樣本維數(shù)高、類別數(shù)大以及每人只能提供少量的訓練樣本都是亟待解決的難題。 本文針對以上問題進行了研究，在綜合分析了以往的人臉識別方法的基礎上，從特征提取、虛擬圖像生成和分類識別三個方面著手，提出了基于虛擬圖像生成和融

2、合隱馬爾可夫模型(HMM)的單樣本人臉識別算法，并設計實現(xiàn)了相應的原型系統(tǒng)。本文的工作主要包括： (1)提出了一種融合雙向二維線性鑒別分析(B-2DIDA)和局部奇異值對稱平均(SL-SVD)的人臉識別方法。該方法首先通過B-2DLDA對整幅圖像進行特征提??；然后利用SL-SVD提取圖像的局部特征；最后，對兩種方法提取到的特征利用基于加權(quán)歐式距離的最近鄰分類器進行融合識別。該方法能夠提取較好的鑒別特征，并有效結(jié)合了局部和整體的特

3、征，在一定程度上克服了光照、表情、姿態(tài)的影響，對單樣本情況下的特征提取有很大的幫助。 (2)提出了一種三層虛擬樣本圖像生成算法。該算法通過分析現(xiàn)有虛擬圖像生成方法的優(yōu)缺點，結(jié)合了幾何變換算法、代數(shù)變換算法與空間分布算法，首先采用奇異值擾動方法突出人臉的特征；然后采用幾何變換方法增強姿態(tài)、尺度的變化，增加樣本數(shù)量；最后采用基于空間分布的方法擴張樣本以改善樣本分布，使虛擬樣本分布更逼近真實分布，為解決單樣本問題奠定了基礎。

4、(3)提出了一種融合HMM分類識別算法。為了克服傳統(tǒng)SVD特征包含信息量偏少和LDA特征幾何變化敏感性的缺點，使B-2DLDA特征的全局性和SL-SVD特征的局部性互為補充，在一維HMM的基礎上，根據(jù)信息融合理論，設計了基于B-2DLDA與基于SL-SVD的兩個一維HMM，并根據(jù)不同的權(quán)重進行融合，以提高最終的分類識別效果。該方法既彌補了原有一維HMM的精度不夠問題，又避免了二維HMM的算法復雜性問題。 (4)采用面向?qū)ο笏枷朐O