人臉識別中高維數(shù)據(jù)特征分析.pdf

1、人臉識別近年來在模式識別領(lǐng)域受到高度關(guān)注。作為一種主要的生物識別技術(shù)，在金融安全、電子商務(wù)與數(shù)字娛樂等領(lǐng)域具有廣泛的應(yīng)用前景。經(jīng)過近半個世紀(jì)的發(fā)展，在人臉識別研究領(lǐng)域已經(jīng)取得許多成果，基本實現(xiàn)了特定環(huán)境下的準(zhǔn)確識別。盡管如此，人臉識別技術(shù)要達到完全實用水平，還面臨著諸多挑戰(zhàn)，因人臉數(shù)據(jù)維數(shù)過高帶來的大規(guī)模數(shù)據(jù)存儲和計算問題就是其中之一。 本文針對人臉識別中的高維數(shù)據(jù)降維及識別問題展開深入研究，主要研究工作與創(chuàng)新點如下：

2、1）研究了基于典型線性與非線性降維算法的人臉圖像高維數(shù)據(jù)的降維問題。深入分析了不同算法的降維性能；基于剩余殘差的維數(shù)評價模型，對人臉圖像的本征維數(shù)進行了討論；比較了Isomap 算法的不同鄰域參數(shù)k 對降維結(jié)果的影響，并在ORL、Yale、Feret人臉庫上進行對比試驗。試驗結(jié)果表明，非線性降維算法Isomap 的降維效果優(yōu)于典型的線性降維方法PCA。 2）研究了基于非線性降維的人臉識別方法。為了解決新樣本在訓(xùn)練空間的映射及降維

3、問題，引入了增量式Isomap 算法，提出了利用距離保持的增量式（IADP-Isomap）的人臉識別方法，首先對人臉圖像應(yīng)用Isomap，然后采用IADP-Isomap 獲得新樣本的低維特征表示，采用最近鄰分類器進行分類。實驗結(jié)果展示了該方法的可行性。 3）探討了非負(fù)矩陣分解（NMF）算法的原理及在人臉識別中的應(yīng)用?；贜MF 的人臉識別方法在人臉圖像的光照、姿態(tài)與表情改變時性能會大幅下降，針對該問題，本文提出NMF+SDA 方