基于子空間分析特征提取的人臉識別研究.pdf

1、基于子空間分析特征提取的人臉識別研究重慶大學(xué)碩士學(xué)位論文（學(xué)術(shù)學(xué)位）學(xué)生姓名：馬家軍指導(dǎo)教師：龔劬教授專業(yè)：計算數(shù)學(xué)學(xué)科門類：理學(xué)重慶大學(xué)數(shù)學(xué)與統(tǒng)計學(xué)院二O一四年四月重慶大學(xué)碩士學(xué)位論文中文摘要I摘要近年來人臉識別已成為計算機科學(xué)和信息技術(shù)領(lǐng)域中最富挑戰(zhàn)性的研究課題，有著極為重要的研究意義和實用價值。人臉與人體所包含的其他特征一樣，都是固有的，后天不易發(fā)生改變的。人臉識別流程基本涉及四個程序段：對人臉圖像進行檢測和收集、對取得的人臉圖像

2、進行必要的預(yù)處理、提取人臉圖像中益于分類計算的特征、對相應(yīng)的特征實施判別分類。其中，特征提取在人臉識別中作為近幾年獨立研究的模塊，是模式識別中的關(guān)鍵點，直接影響了識別效果的好壞。本文主要針對特征提取算法進行研究，并進行相應(yīng)的實驗。具體的工作可歸納如下：⑴介紹了人臉識別技術(shù)的概念和基本流程，綜述了人臉識別的背景和現(xiàn)實意義，簡介了基于子空間分析、流形學(xué)習(xí)算法的人臉識別技術(shù)和人臉識別領(lǐng)域的研究動向和進展。⑵第二章重點闡述了主成分分析法，對一維

3、主成分分析的理論KL變換做了具體的介紹，從理論出發(fā)分析了主成分分析的原理對最小相關(guān)性二維主成分分析做了詳細的推導(dǎo)，得出以下結(jié)論：一維算法首先將人臉圖像拉伸為一維向量，破壞了圖像原有的內(nèi)部結(jié)構(gòu)，影響了識別率。而對應(yīng)的二維算法直接作用于二維人臉矩陣，能夠較好的保持圖像原有的結(jié)構(gòu)，但是特征分量是統(tǒng)計相關(guān)的。因此引進了最小相關(guān)性分析。⑶線性判別分析的主要目的是，尋找具有最佳鑒別性的特征向量。第三章介紹了線性判別分析的理論和發(fā)展歷程。相對于第二章

4、中的主成分分析，線性判別分析提取的特征在分類意義下是最優(yōu)的。傳統(tǒng)的一維線性判別分析在人臉識別過程中通常會遭受奇異值問題的干擾。為此，引入了二維線性判別分析算法，有效地避免了一維算法中可能出現(xiàn)的奇異問題。⑷文章對已有的局部保持投影算法進行研究，發(fā)現(xiàn)局部保持投影法沒有考慮數(shù)據(jù)的全局信息，并且提取的判別特征分量間是統(tǒng)計相關(guān)的。因此，提出了改進的二維局部保持投影算法:在大間距準(zhǔn)則的基礎(chǔ)上，引入最小相關(guān)性分析。最后分別在三個人臉數(shù)據(jù)庫中對算法進行