基于最近鄰和徑向基函數(shù)網(wǎng)絡(luò)的人臉識(shí)別研究.pdf

1、人臉識(shí)別是一項(xiàng)挑戰(zhàn)性的研究課題，以致得到了諸多不同學(xué)科領(lǐng)域研究人員的青睞。人臉識(shí)別技術(shù)廣泛運(yùn)用到國(guó)家公共安全、社會(huì)安全及商業(yè)等領(lǐng)域，如公安刑偵破案、監(jiān)控、信息安全、公司員工考勤等等。
　　在人臉識(shí)別系統(tǒng)中，包括人臉圖像預(yù)處理、人臉檢測(cè)、特征提取和人臉分類等等。在過去的幾十年間，研究者們提出了許多特征提取和人臉分類的核心算法，有關(guān)這方面的學(xué)術(shù)論文層出不窮。
　　目前，主成分分析(principal component anal

2、ysis，PCA)和獨(dú)立向量分析(independentcomponent analysis，ICA)是人臉識(shí)別問題中的特征提取階段中采用的兩種主要方法。針對(duì)傳統(tǒng)的PCA方法，本文提出了基于奇異值分解的PCA方法，該方法減少了在特征提取過程中的存儲(chǔ)空間。同時(shí)，引入了能量參數(shù)，通過選擇適當(dāng)?shù)哪芰繀?shù)值，使得特征向量的維數(shù)更低并且能重構(gòu)出原始高維人臉圖像，為人臉圖像的分類識(shí)別階段提供了良好的基礎(chǔ)。
　　人臉圖像分類的方法很多，包括基于

3、面部幾何特征、基于模板匹配、基于代數(shù)特征、基于神經(jīng)網(wǎng)絡(luò)、基于支持向量機(jī)的方法等等。一些人臉圖像分類方法將若干分類方法結(jié)合在一起，以滿足實(shí)際的應(yīng)用需要。本文將徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)分類器和最近鄰分類器的思想有機(jī)地結(jié)合在一起，提出了一種快速最近鄰分類器。
　　徑向基函數(shù)(radial basis function，RBF)網(wǎng)絡(luò)是神經(jīng)網(wǎng)絡(luò)中的一種，它的網(wǎng)絡(luò)結(jié)構(gòu)簡(jiǎn)單，訓(xùn)練簡(jiǎn)潔，學(xué)習(xí)收斂速度快，能夠逼近任意非線形函數(shù)，該網(wǎng)絡(luò)在時(shí)間序列分析、模式

4、識(shí)別、非線性控制和圖像處理等中有廣泛的應(yīng)用。本文采用基于監(jiān)督的聚類方法，來(lái)確定RBF神經(jīng)網(wǎng)絡(luò)分類器的結(jié)構(gòu)，該分類器在人臉識(shí)別中占有重要作用，它有非常高的分類準(zhǔn)確率。
　　最近鄰分類器的分類準(zhǔn)確率高、泛化性能好。但最近鄰分類算法存在著一個(gè)弱點(diǎn)，當(dāng)樣本集數(shù)量增大時(shí)，分類計(jì)算量也顯著增大，因此分類速度顯著下降。為了克服這一不足，本文提出了快速最近鄰分類器。通過重點(diǎn)研究徑向基函數(shù)網(wǎng)絡(luò)分類器的原理，將該分類器學(xué)習(xí)的特點(diǎn)運(yùn)用到最近鄰分類器，得