基于改進的2DPCA與神經(jīng)網(wǎng)絡(luò)的人臉識別研究.pdf

1、人臉識別技術(shù)作為一種有效的特征識別技術(shù)，與指紋掃描等識別技術(shù)相比在應(yīng)用方面具有獨到的優(yōu)勢，所以人臉識別技術(shù)在近幾年得到了快速的發(fā)展。但是，環(huán)境效果的好壞直接影響著人臉識別系統(tǒng)的識別性能，比如，年齡變化問題，低質(zhì)量照片問題等。以上環(huán)境問題在人臉識別中一般不是單獨作用的，往往是組合性的，例如，障礙物遮擋和光照問題同時出現(xiàn)，這都增加了人臉識別的難度。本文的工作主要針對這幾個問題展開研究，提出可供選擇的解決方案:
　　 1)針對主成分分

2、析(PCA)運算數(shù)據(jù)大，占用內(nèi)存多，處理時間長等缺點，二維的主成分分析(2DPCA)方法應(yīng)運而生。2DPCA不需要把圖片的二維矩陣轉(zhuǎn)化為一維向量，而是直接對圖片矩陣求解類間散度矩陣。本文通過matlab仿真平臺給出驗證，2DPCA在識別速度上有一定的優(yōu)勢。
　　 2)為了加快識別速度，提高重構(gòu)效果，本文提出了改進的2DPCA方法，即雙向2DPCA與PCA相融合的特征提取方法。改進的特征提取方法的難點在于在仿真過程中方法的融合問題

3、。
　　 3)對于改進的特征提取方法與傳統(tǒng)的特征提取方法在ORL人臉庫上做了對比試驗，并且對試驗結(jié)果做了詳細的分析。試驗結(jié)果表明，改進的方法在處理速度和圖片信息重構(gòu)效果方面具有優(yōu)越性，并且試驗結(jié)果還顯示:改進方法節(jié)約了存儲空間，縮短了時間。
　　 4)本文用改進的特征提取方法處理人臉圖片，然后融合神經(jīng)網(wǎng)絡(luò)自學(xué)習(xí)分類能力進行人臉識別分類。由于神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)能力，對于較大的數(shù)據(jù)庫有記憶功能，所以采用神經(jīng)網(wǎng)絡(luò)處理大批量的數(shù)據(jù)