基于多特征加權集成的人臉識別算法.pdf

1、自上個世紀六十年代末以來，利用計算機從人臉圖像中獲取有效人臉特征，并利用該特征實現(xiàn)對象身份認證與識別即自動人臉識別技術逐漸發(fā)展起來。作為人工智能、模式識別等領域的一項重要應用，它吸引力了眾多科研者的目光。由于科研者的不斷努力與創(chuàng)新以及圖像采集的方便快捷，該技術逐漸成熟并被應用到人們的現(xiàn)實生活中，例如銀行卡身份校驗、公司的考勤、機場等區(qū)域的安檢等。實際應用表明，深入研究人臉識別技術仍然具有非常重要的價值和意義。
　　在比較理想的條件

2、下，目前主流人臉識別算法的實驗結果都比較不錯。然而，在實際應用中，由于不斷變化的外界環(huán)境（例如光照）以及被識別者自身因素（例如表情、姿態(tài)、飾物遮擋等）的影響，人臉識別系統(tǒng)的穩(wěn)定性受到了非常大的挑戰(zhàn)，因此，這就要求科研者針對這些影響因素研究出一種更加穩(wěn)定高效快速的人臉識別算法?；谏鲜瞿康?，本文提出了一種多特征加權集成的人臉識別算法。首先對包含諸多影響因素的人臉圖像進行多種特征提取并分別構造分類器，然后利用加權求和的方法將多種特征分類器集

3、成為一個整體分類器進行人臉識別。
　　本文所做的主要工作有以下兩點：
　　一、提出了一種基于FisherFace和SIFT特征加權集成的人臉識別算法。首先利用Fisher線性鑒別分析提取人臉圖像的FisherFace全局特征；然后提取人臉圖像的SIFT特征點，并采用K-Means算法對其進行聚類構造局部特征；最后在相似度層面上采用加權求和的方法將FisherFace全局特征和SIFT局部特征進行集成構造整體分類器，利用整體分

4、類器進行人臉識別，其中各特征的權重是基于概率統(tǒng)計的方法確定的。
　　二、提出了一種多特征加權集成的人臉識別算法。針對第一種算法對具有姿態(tài)變化的人臉圖像魯棒性較差的問題，首先利用仿射變換方法對其進行姿態(tài)矯正；然后在第一種算法的基礎上再提取圖像的Gabor紋理特征；最后采用加權求和的方法對FisherFace全局特征、SIFT局部特征和Gabor紋理特征分別賦予權值構建一個整體分類器來提高人臉識別準確率。
　　針對上述兩種算法，