基于圖像處理的改進(jìn)DLDA與LSSVM人臉識(shí)別算法研究.pdf

1、人臉識(shí)別最終實(shí)現(xiàn)的目標(biāo)是無論在非現(xiàn)實(shí)或現(xiàn)實(shí)的環(huán)境中都能達(dá)到百分之百的識(shí)別率，從而實(shí)現(xiàn)安全防衛(wèi)系統(tǒng)的要求。隨著人工智能領(lǐng)域的發(fā)展，人臉識(shí)別技術(shù)仍然存在許多問題，其中包含了在現(xiàn)實(shí)環(huán)境中人臉識(shí)別對(duì)陰影方向、光照方向、精確的人臉方位、面部表情和人的心情等因素的敏感性。這些敏感因素阻礙了人臉識(shí)別技術(shù)的快速推廣和使用，所以提高在復(fù)雜情況下的人臉識(shí)別的速率和效率具有重要的研究?jī)r(jià)值。
　　目前大多數(shù)的人臉識(shí)別算法都有自己的局限性，本文研究了現(xiàn)有的

2、人臉識(shí)別算法，并在此基礎(chǔ)上，針對(duì)傳統(tǒng)的人臉識(shí)別算法中的缺陷，提出了自己的創(chuàng)新性改進(jìn)方法。內(nèi)容如下：
　　第一，為了解決因拍攝時(shí)造成的圖像模糊、二維Gabor算法的高維度和LDA算法在求解時(shí)存在的小樣本問題，在文中的第四部分研究出了相應(yīng)的解決辦法即最小二乘方下的改進(jìn)Gabor與LSSVM的人臉識(shí)別法。首先用約束最小二乘方對(duì)模糊的圖像進(jìn)行恢復(fù)處理，然后用二維Gabor算法分別從5尺度、8方向進(jìn)行特征提取，其次利用DLDA把矩陣中多余的

3、數(shù)據(jù)剔除，最后利用LSSVM分類器把目標(biāo)人臉圖片識(shí)別出來。由仿真數(shù)據(jù)可得，本方法可以有效的解決上述問題，從而使人臉識(shí)別的精準(zhǔn)度得到了提高。
　　第二，針對(duì)在人臉分類器中BP神經(jīng)網(wǎng)絡(luò)算法具有在訓(xùn)練時(shí)易陷入局部極小值、易震蕩的缺點(diǎn)和人臉面部圖像發(fā)生幾何歪曲的現(xiàn)象。在文中的第五部分研究出了相應(yīng)的解決辦法即圖片旋轉(zhuǎn)變換下的改進(jìn)PCA與LVQ的算法。該方法運(yùn)用各級(jí)輻射模板對(duì)發(fā)生歪曲的圖像實(shí)行標(biāo)準(zhǔn)化，利用結(jié)構(gòu)簡(jiǎn)單、魯棒性強(qiáng)的LVQ神經(jīng)網(wǎng)絡(luò)進(jìn)行