人臉識別中的可學習特征描述及降維研究.pdf

1、人臉識別因其具有自然、直接、手段友好的特性而成為科研價值較高、實用意義較大的生物特征識別途徑，是近年來模式識別領域中的熱門課題之一。人臉識別涉及到機器視覺、圖像處理、神經網絡、數理計算等多個科研領域，其各種核心算法、應用技術都不斷發(fā)展成熟。當前，人臉識別性能逐漸提高，其過程可大致概括為三個階段:人臉區(qū)域檢測定位、面部鑒別特征提取以及最終人臉識別分類。本文主要針對第二個階段，歸納研究更具魯棒性的人臉特征描述算法，以及高效的人臉特征降維。<

2、br>　　人臉特征描述是整個人臉識別過程中最為關鍵的環(huán)節(jié)，其描述質量直接影響后續(xù)識別環(huán)節(jié)的準確度以及運算速度，決定著運算機器能否理想完成人臉識別任務。如何在人臉識別第一階段中檢測到的人臉區(qū)域內盡可能獲取魯棒、有效的鑒別特征信息是第二階段的主要任務。新興的可學習圖像濾波器在特征描述前對圖像進行鑒別濾波，較明顯提高了特征描述算法的性能。本文在此基礎上繼續(xù)發(fā)展，研究了與核運算相結合的，并考慮圖像像素一階二階灰度信息的非線性可學習圖像濾波器，其

3、比傳統手動設計的濾波算法以及線性可學習濾波算法都具有一定的優(yōu)越性，更便于描述出鑒別力強的人臉特征。
　　人臉特征的數據維度一般比較大，直接用此富含冗余信息的高維數據進行分類判別將會提高計算復雜度以致錯誤率較大。為了獲取較低維數據對面部特征的高效表示，采取一定手段進行特征降維提取成為人臉識別的必要。有效降維后所得的低維特征能更好地反映出樣本數據間的本質特性和分類結構，降低計算成本，增強分類精度，從而提高識別率。本文針對較為經典流行的