基于集成學習的人臉識別算法研究.pdf

1、隨著近年的不斷深入研究，人臉識別已經(jīng)成為計算機視覺，人機交互和模式別等多領(lǐng)域的熱門研究課題。人臉識別因其具有非侵犯性和強大的事后追蹤可查性等優(yōu)勢成為當今最主要的生物特征識別技術(shù)。高效的人臉識別算法已經(jīng)成為公共安全，信息安全和金融安全等多領(lǐng)域的重要保障，所以對人臉識別算法的識別性能的提高是至關(guān)重要的。自二十世紀九十年代開始到現(xiàn)在，集成學習(EnsembleLearning)已經(jīng)成為機器學習四大研究方向中最主要的方向。它可以有效的提高機器學

2、習算法的泛化能力和整體性能，已經(jīng)在web信息檢索與過濾，數(shù)據(jù)挖掘分析等多個領(lǐng)域取得了成功應(yīng)用。本文主要研究工作是使用集成學習的方法解決人臉識別中的問題，提高人臉識別的性能。
　　 因為光照角度和強度變化可以引起人臉表觀的巨大變化，所以來自不同人的兩幅人臉圖像之間的相似度可能比來自同一個人的不同光照條件下的兩幅人臉圖像之間的相似度還要大。紅外人臉識別因其可以有效抑制由光照變化所帶來的影響而受到越來越多的關(guān)注，但是由于熱紅外人臉識別

3、對外界溫度和人自身溫度的變化較為敏感，而近紅外線成像還可以抑制溫度變化的影響，所以近紅外人臉識別成為一種主流的對光照魯棒的人臉識別方法。使用近紅外線采集的人臉圖像與可見光采集的人臉圖像相比會丟失部分面部特征，這勢必會對識別性能造成一定的損失。本文的第一個工作就是使用加權(quán)求和的集成學習策略在得分層次對可見光人臉識別和近紅外人臉識別進行了融合。實驗部分在兩個公開的同源異質(zhì)人臉數(shù)據(jù)庫上進行了驗證，實驗結(jié)果表明這種基于得分的融合方法是有效的。<

4、br>　　 生物特征識別的應(yīng)用很廣，總體上主要分成民用應(yīng)用，警用應(yīng)用和高安全領(lǐng)域的應(yīng)用三種。本文分析了三種應(yīng)用對算法性能的不同需求。目前，高安全領(lǐng)域的應(yīng)用相比其他兩個還缺少充分的研究。高安全領(lǐng)域的應(yīng)用要求算法具有極低最好是為零的錯誤接受率，錯誤拒絕率越低越好，本文將這種要求稱之為“雙低”。針對“雙低”的需求目前還沒有具有普遍性的解決方案。本文的第二個工作就是提出了一種面向高安全應(yīng)用領(lǐng)域的具有普遍性的混合集成框架。這個框架包含串行部分和