基于小波變換與SVM分類器的人臉識別方法研究.pdf

1、人臉識別是生物特征識別的一個(gè)重要分支，也是計(jì)算機(jī)視覺與模式識別領(lǐng)域非常活躍的研究方向。利用人臉特征是最自然直接的手段，相比其他生物特征，它具有直接、友好、方便的特點(diǎn)，易于被用戶接受。該項(xiàng)技術(shù)在公安和安全部門有著廣泛的應(yīng)用前景，例如搜索罪犯、動態(tài)監(jiān)視、銀行密碼系統(tǒng)等。
　　 本文分別在特征提取和分類識別兩個(gè)方面對人臉識別進(jìn)行研究的基礎(chǔ)上，提出了小波變換和支持向量機(jī)結(jié)合的人臉識別方法。
　　 小波變換具有通過變換能夠充分突出

2、問題某些方面特征的主要特點(diǎn)，而Gabor小波可以提供多精度、多通道表現(xiàn)圖像空間頻率特性的機(jī)制，更好地反映了生物視覺神經(jīng)的感受野，因而選擇Gabor小波變換作為特征提取方法是合理之舉。針對Gabor小波變換后特征空間維數(shù)高，計(jì)算量大的問題，本文提出了一種基于Gabor小波變換和改進(jìn)的Fisher降維的特征提取方法，可以有效的利用了零特征值對應(yīng)的特征向量信息，從而提高了識別率。
　　 在支持向量機(jī)分類器方面，針對有的核函數(shù)擬合性能較

3、好，有的核函數(shù)泛化性能較好，但兩者不能同時(shí)兼具的問題，本文通過把傳統(tǒng)的具有良好的全局作用的多項(xiàng)式核和具有較強(qiáng)的局部作用的徑向基核進(jìn)行線性組合，設(shè)計(jì)了一種擬合性能和泛化性能適當(dāng)平衡、兼具良好的內(nèi)推和外推能力的混合核函數(shù)，用于非線性學(xué)習(xí)過程的人臉分類識別。這種混合核SVM分類器具有比傳統(tǒng)的分類器更好的分類效果。
　　 在ORL人臉庫中進(jìn)行仿真實(shí)驗(yàn)，改進(jìn)的Gabor小波變換與混合核函數(shù)SVM識別率達(dá)到98.3％，與傳統(tǒng)方法相比有了較大