基于BoW模型的人臉識別方法研究.pdf

1、在計算機和網(wǎng)絡(luò)技術(shù)高速發(fā)展的時代，人臉識別技術(shù)也隨之快速發(fā)展，并逐漸成為模式識別、人工智能等領(lǐng)域的研究熱點。人臉識別技術(shù)不僅在企業(yè)應(yīng)用、公共安全等方面應(yīng)用廣泛，而且在國家信息安全和金融安全等方面發(fā)揮了重要的作用。雖然人臉圖像容易采集，但是由于表情改變、光照及姿態(tài)不同、遮擋和年齡等問題的存在，使得人臉識別技術(shù)的進展極其緩慢。通過閱讀大量的相關(guān)文獻不難發(fā)現(xiàn)，大部分的人臉識別方法都只針對其中的某個問題來尋求解決的方法，而沒有考慮到其中兩個或多

2、個問題同時存在時的解決方案，所以尋求一種魯棒的人臉識別方法將是今后研究的一個重點內(nèi)容。Bag of words(BoW)模型最初被應(yīng)用于文檔處理領(lǐng)域，而后被引入到圖像處理領(lǐng)域，并得到了很好的效果。本文將BoW模型應(yīng)用于人臉識別領(lǐng)域，并且在研究該模型的基礎(chǔ)上，針對其中存在的一些不足進行了改進：
　　首先，在視覺詞典的構(gòu)造環(huán)節(jié)，為了得到更可靠更高效的視覺詞典，針對傳統(tǒng)k-means聚類方法存在的過度依賴于初始聚類中心、隨著數(shù)據(jù)量增大，

3、計算復(fù)雜度增高和容易陷入局部極小等問題，將二分K均值引入到BoW模型中，進行視覺詞典的構(gòu)造。該方法每次迭代過程中只有兩個聚類中心，不僅有效的降低了對初始聚類中心的依賴還減少了收斂時所需的迭代次數(shù)，從而提高了計算效率。實驗結(jié)果表明，本文提出的方法不僅有效的提高了人臉識別率，還有效的縮短了構(gòu)造視覺詞典所需的時間。
　　其次本文將所提出的改進方法應(yīng)用于單樣本的人臉識別，由于在現(xiàn)實生活中，很多情況下都只能獲得樣本的單張圖像，如居民身份證、

4、駕駛證、護照等，因此單樣本的人臉識別系統(tǒng)已經(jīng)成為人臉識別重要的發(fā)展方向。由實驗結(jié)果可以看出，本文提出的算法對于單樣本的識別率很高，并且對于光照、表情及部分遮擋、面部不同角度的姿態(tài)等情況都具有很好的魯棒性
　　最后在分析了支持向量機(SVM)分類方法和人臉識別實際應(yīng)用需求的基礎(chǔ)上，將相關(guān)向量機(RVM)引入BoW模型中，將其作為分類器來對人臉圖像進行分類識別。該方法有效的解決了SVM的預(yù)測結(jié)果不是概率性質(zhì)、核函數(shù)必須滿足Mercer