低維線性空間人臉識別方法的研究與改進.pdf

1、隨著信息處理技術的發(fā)展，人臉識別技術在其相關領域的應用越來越引起人們關注，與利用指紋、虹膜等其他生物特征識別相比，人臉識別具有直接、友好、方便的特點，是進行身份確認的最自然、最直接的手段，這使得人臉識別技術成為最具潛力的身份識別方式。因此也使其成為模式識別、圖像處理和計算機視覺等學科的一大研究熱點。 本文檢索和查閱了近年來大量的國內(nèi)外關于人臉識別技術的資料文獻，對人臉識別的一些方法進行了分析和研究，在總結已有的人臉檢測、特征提取

2、與識別方法的基礎上，提出了一種改進的人臉識別的算法。 人臉識別主要包括三方面的內(nèi)容：人臉檢測與定位，特征提取，分類與識別。本文研究的重點是人臉識別中的人臉檢測定位及特征提取技術。 本文首先介紹了幾種常用于膚色檢測的顏色模型，分析了人臉膚色在顏色空間中的分布及其特性，對黃色人種中人臉膚色的聚類特性進行討論，指出了HSV顏色空間對膚色具有良好的聚類特性。然后，我們對人臉膚色在HSV顏色空間的分布規(guī)律進行了研究，建立了適合于黃

3、色人種人臉的膚色模型，提出了基于此膚色模型的人臉檢測算法，摒棄對灰度圖象處理進行認證的方法。通過對S色彩分量空間的閾值分割，利用分割后的圖像特點與標準臉的投影進行比對，實現(xiàn)對檢測到的人臉進行認證。通過大量不同的圖片和照片對此算法進行實驗驗證，結果表明該算法有效的提高了人臉檢測的準確性和及時性。 本文詳細介紹了K-L算法、主成分分析(PCA)、線性判別分析(LDA)原理及實現(xiàn)。在線性判別分析的基礎上指出：“在低維空間中，實例會因為

4、不同的光照條件和面部表情等外界因素造成類內(nèi)變量比類間變量變化大，從而導致線性判別分析的誤判率比較高(特別是運用歐幾里德距離)”。針對這一問題，本文在基于LDA方法的基礎上提出了一種低維空間線性人臉識別分析方法。對LDA算法在低維空間的這一缺陷加以改進，與人臉的判斷能量相結合，形成一種改進的LDA算法。理論分析與實驗證明，該算法在低維空間提高了識別率，增強了算法的實用性能。 在分類器的設計上，重點討論了最近鄰分類器和基于統(tǒng)計學習理