人臉識(shí)別中的特征向量?jī)?yōu)化算法研究.pdf

1、生物特征識(shí)別技術(shù)是指用人體生物特征來(lái)進(jìn)行身份驗(yàn)證的技術(shù)。人體的生物特征主要分為兩類，一類是生理特征，另一類是行為特征。生理特征包括虹膜，DNA，掌紋，指紋，人臉等一系列特征，而語(yǔ)音，筆跡步態(tài)等特征屬于行為特征。生物特征識(shí)別技術(shù)為身份識(shí)別提供了一個(gè)解決方案，是計(jì)算機(jī)視覺和模式識(shí)別中的一個(gè)研究熱點(diǎn)。人臉識(shí)別是通過(guò)人臉進(jìn)行身份確認(rèn)或者身份查找的技術(shù)或系統(tǒng)，在人機(jī)交互，生物身份認(rèn)證，視頻檢測(cè)與視頻資料檢索等方面有著廣泛的應(yīng)用。與其他的識(shí)別技術(shù)相

2、比，人臉識(shí)別具有直接，友好，方便，非接觸等優(yōu)點(diǎn)。同時(shí)，由于年齡，姿態(tài)，表情，光照等因素對(duì)人臉圖像的影響，人臉識(shí)別面臨多方面的挑戰(zhàn)。人臉識(shí)別中，通常是把人臉圖像投影由特征向量組成的空間中，特征向量決定了人臉識(shí)別的效果。同一人的人臉圖像在好的特征向量上的投影應(yīng)具有較集中的分布，反之亦然。 本文介紹了近年來(lái)人臉識(shí)別技術(shù)發(fā)展的背景及本文的研究的目的及貢獻(xiàn)；然后在相關(guān)文獻(xiàn)的基礎(chǔ)上，對(duì)當(dāng)前流行的人臉數(shù)據(jù)庫(kù)、人臉特征提取以及人臉?lè)诸惖燃夹g(shù)進(jìn)行

3、綜述，從微觀意義上提出了每個(gè)向量的識(shí)別能力的概念，通過(guò)計(jì)算識(shí)別能力的大小，選擇具有較大的識(shí)別能力的特征向量。為了使每個(gè)向量在識(shí)別中發(fā)揮與其識(shí)別能力相對(duì)應(yīng)的作用，根據(jù)每個(gè)向量的識(shí)別能力對(duì)它們進(jìn)行均衡化處理，賦予不同權(quán)重，提高了識(shí)別率。通過(guò)在ORL、Yale人臉數(shù)據(jù)庫(kù)上進(jìn)行試驗(yàn)，驗(yàn)證了該方法的有效性。本研究主要包含有兩大創(chuàng)新點(diǎn)：其一，主成分分析方法（PCA）是人臉識(shí)別最基本的方法之一，PCA算法提供了一個(gè)從高維空間到低維空間的線性變換矩陣，

4、它是在最小均方差意義上對(duì)原圖像的估計(jì)，具有計(jì)算效率高，概念清晰，推廣性強(qiáng)等優(yōu)點(diǎn)。傳統(tǒng)的PCA算法中，選取那些較大特征值對(duì)應(yīng)的特征向量用于識(shí)別，即主分量特征，也有選擇較小的特征值對(duì)應(yīng)的特征向量，即次分量特征。兩種方法的效果都不是很好，因此將識(shí)別能力選取特征向量及根據(jù)它們的識(shí)別能力進(jìn)行均衡的方法與PCA結(jié)合起來(lái)，取得了很好的效果；其二，分析了識(shí)別能力選取與LDA的關(guān)系，并提出進(jìn)一步的改進(jìn)，提高了識(shí)別的效果。并進(jìn)一步將識(shí)別能力選取均衡策略與2