基于線性投影分析與非線性核方法在人臉識(shí)別中的研究.pdf

1、人臉識(shí)別技術(shù)是計(jì)算機(jī)模式識(shí)別領(lǐng)域中一個(gè)非?；钴S的研究課題，在法律、商業(yè)、公共安全、身份鑒定、門禁系統(tǒng)、視頻監(jiān)視等領(lǐng)域有著廣泛的應(yīng)用前景。其主要任務(wù)是利用已存儲(chǔ)的人臉圖像庫，識(shí)別靜止或視頻圖像中的一張或多張臉。 本文系統(tǒng)歸納總結(jié)了人臉識(shí)別的研究、現(xiàn)狀及發(fā)展，對適用于人臉識(shí)別的圖像預(yù)處理方法進(jìn)行了探討，重點(diǎn)研究基于線性投影的特征提取方法，以及非線性核方法。將規(guī)范化參數(shù)引入了KDDA(KernelDirectDiscriminantA

2、nalysis)算法，應(yīng)用于ORL人臉庫進(jìn)行特征提取，實(shí)驗(yàn)結(jié)果證明本算法較傳統(tǒng)方法有更好的聚類性。論文還針對“小樣本問題”和分類器進(jìn)行了大量對比研究，并對“小樣本問題”的極端情況進(jìn)行了實(shí)驗(yàn)。 對于線性投影方法，本文主要闡述了PCA、LDA算法。PCA算法所確定的投影方向具有很好的表達(dá)能力，LDA算法所確定的投影方向利于區(qū)分樣本。以O(shè)RL人臉圖像庫為實(shí)驗(yàn)對象，使用兩種方法進(jìn)行特征提取，并討論了特征提取的結(jié)果。 本文詳細(xì)介紹

3、了核函數(shù)方法，主要闡述KPCA、KDDA兩種非線性核方法在人臉圖像特征提取中的應(yīng)用，同樣對ORL人臉庫使用兩種方法進(jìn)行特征提取，并對特征提取的結(jié)果分析了KPCA和KDDA對人臉圖像的線性可分能力。 然后，本文詳細(xì)介紹了多種分類器的原理，闡述了如何就不同的特征提取方法選擇分類器，將不同的特征提取方法與不同的分類器組合進(jìn)行人臉識(shí)別，對識(shí)別結(jié)果進(jìn)行了分析。 最后，本文闡述了小樣本問題，該問題是統(tǒng)計(jì)模式識(shí)別中一個(gè)引人關(guān)注的問題。