基于子空間的人臉識(shí)別技術(shù).pdf

1、人臉識(shí)別是當(dāng)前計(jì)算機(jī)模式識(shí)別領(lǐng)域中的一個(gè)非?；钴S的研究課題，在法律、商業(yè)等領(lǐng)域具有廣泛的應(yīng)用前景。如何有效的從人臉圖像中提取使之區(qū)別于其他個(gè)體的特征，是人臉識(shí)別研究的一個(gè)關(guān)鍵問(wèn)題。在眾多的特征提取技術(shù)中，子空間分析因其計(jì)算簡(jiǎn)單、識(shí)別率高等特性引起了人們的廣泛注意，現(xiàn)已成為人臉圖像特征提取和識(shí)別的主流方法之一。本文以人臉識(shí)別為目標(biāo)，以基于子空間分析的人臉特征提取技術(shù)為重點(diǎn)進(jìn)行了相關(guān)研究。本文的主要工作如下： （1）介紹了人臉識(shí)別技

2、術(shù)的研究背景和發(fā)展現(xiàn)狀。 （2）研究了圖像的奇異值特征對(duì)識(shí)別的有效性，針對(duì)奇異值特征包含很少的對(duì)分類有用的信息這一缺點(diǎn)，提出了一種基于投影變換的奇異特征提取方法。實(shí)驗(yàn)結(jié)果顯示此方法優(yōu)于傳統(tǒng)的基于奇異值特征的識(shí)別方法。 （3）深入分析了主成分分析（PCA）方法的基本原理，PCA方法最顯著的優(yōu)點(diǎn)是能用低維特征向量來(lái)估計(jì)原始樣本，基于此特點(diǎn)將它用來(lái)實(shí)現(xiàn)對(duì)人臉的識(shí)別。此外本文還深入分析了PCA中遇到的特征值選擇和距離準(zhǔn)則的選取問(wèn)

3、題。 （4）研究了基于Fisher線性判別分析方法，針對(duì)人臉識(shí)別中的小樣本問(wèn)題本文提出了先用主成分分析（PCA）方法減少特征空間維數(shù)，再利用Fisher線性判別方法實(shí)現(xiàn)對(duì)人臉的識(shí)別。 （5）研究了二維主成分分析（2DPCA）方法，2DPCA方法不需要先將圖像矩陣展開成一維向量，而是直接利用圖像矩陣來(lái)構(gòu)建樣本協(xié)方差矩陣，所以2DPCA比PCA的識(shí)別時(shí)間更短，識(shí)別更高。針對(duì)2DPCA需要大量的系數(shù)來(lái)描述圖像樣本這一缺點(diǎn)，本文