基于非線性Fisher判決的人臉識(shí)別方法研究.pdf

1、人臉識(shí)別是生物特征鑒別技術(shù)的一個(gè)主要方向，與其他生物特征相比，人臉識(shí)別具有主動(dòng)性、非侵犯性和用戶友好等許多優(yōu)點(diǎn)，多年來(lái)一直受到許多研究者的關(guān)注。從最初的基于幾何的方法到基于統(tǒng)計(jì)等復(fù)雜特征的方法，人臉識(shí)別已經(jīng)發(fā)展了很多算法。目前基于統(tǒng)計(jì)特征的線性方法在人臉識(shí)別中發(fā)展的比較成熟，但是由于人臉識(shí)別涉及光照、表情、姿態(tài)等問(wèn)題，線性方法在實(shí)際應(yīng)用中表現(xiàn)的遠(yuǎn)遠(yuǎn)不夠。因此，將線性方法拓展到非線性領(lǐng)域以提高識(shí)別率是一個(gè)亟待解決的問(wèn)題。本論文主要研究了核

2、Fisher判決分析(KFDA)，重點(diǎn)是各種線性Fisher判決算法到非線性方法的拓展。主要結(jié)果概括如下： 1.根據(jù)核Fisher判決分析算法，本文提出引入了核樣本集的概念。將KFDA算法等價(jià)于對(duì)核樣本集做Fisher線性判決(FLD)。這樣非線性的算法又轉(zhuǎn)化到了線性算法。因此，將成熟的線性算法再重新引入到非線性領(lǐng)域，以提高原有算法的性能的。 2.基于核樣本集的概念提出兩種增強(qiáng)型核Fisher判決分析模型(EKFD-1和

3、EKFD-2)。該算法將兩種增強(qiáng)型FLD模型(EFM-1和EFM-2)引入到非線性算法中。EKFD模型在對(duì)核樣本集進(jìn)行FLD處理的過(guò)程中，考慮了過(guò)擬合問(wèn)題，并將FLD過(guò)程等效為對(duì)類內(nèi)和類間散布矩陣的分別對(duì)角化。實(shí)驗(yàn)結(jié)果表明，增強(qiáng)型核Fisher判決分析模型提高了傳統(tǒng)KFD算法的識(shí)別率，也提高了EFM算法的識(shí)別率。 3.與次分量分析(MCA)結(jié)合，提出了基于次分量的核Fisher判決分析算法。該算法同樣是基于核樣本集的，并利用次分