基于集成神經(jīng)網(wǎng)絡(luò)和多信息融合的人臉識(shí)別技術(shù)研究.pdf

1、人臉識(shí)別技術(shù)作為一項(xiàng)重要的智能識(shí)別技術(shù)，在視頻監(jiān)控、安全安防、金融等領(lǐng)域廣泛用于人的身份鑒定?，F(xiàn)代社會(huì)對信息安全的要求推動(dòng)了人臉識(shí)別技術(shù)的快速發(fā)展，目前雖然對人臉識(shí)別算法的研究已經(jīng)取得了非常好的成果，但由于人臉圖片在拍攝時(shí)所處的復(fù)雜環(huán)境，光照條件，人臉上有眼鏡與胡須等遮擋物以及人臉上的表情姿態(tài)等，都會(huì)使得人臉識(shí)別算法的速度、準(zhǔn)確率、魯棒性等方面有很大的局限性，因此還不能完全滿足人們的實(shí)際中需求。
　　 人臉識(shí)別是通過對輸入的人臉

2、圖像進(jìn)行數(shù)據(jù)篩選，提取出重要的特征，用于分類識(shí)別的一項(xiàng)技術(shù)。目前人臉識(shí)別主要研究方向有：人臉數(shù)據(jù)預(yù)處理、特征提取、分類識(shí)別。近些年來，神經(jīng)網(wǎng)絡(luò)集成學(xué)習(xí)已經(jīng)成為神經(jīng)網(wǎng)絡(luò)領(lǐng)域研究的熱點(diǎn)，在解決回歸和分類問題上有著突出的能力，而且集成后的神經(jīng)網(wǎng)絡(luò)通過訓(xùn)練多個(gè)神經(jīng)網(wǎng)絡(luò)，比單個(gè)神經(jīng)網(wǎng)絡(luò)有著更好的泛化能力。因此，本文將神經(jīng)網(wǎng)絡(luò)集成用于到人臉識(shí)別中。人臉的特征提取是人臉識(shí)別中的關(guān)鍵一步，本文中，對特征提取及分類識(shí)別部分分別進(jìn)行了深入的研究與探討，將核

3、獨(dú)立元分析和核主元成分分析方法分別用于人臉的特征提取，并對核獨(dú)立成分分析進(jìn)行了改進(jìn)，最后選用神經(jīng)網(wǎng)絡(luò)集成作為分類器來融合兩者的特征，以相對多數(shù)投票方式輸出分類結(jié)果。
　　 KICA是人臉特征提取中的一種非線性處理方法，即解決了ICA算法在非線性提取方面存在的不足，又具有了ICA算法在人臉特征提取方面較好的魯棒性。在本文中，將五階收斂的牛頓迭代法和最速下降法相結(jié)合，來降低原始算法對初始矩陣的依賴，并在算法中加入懲罰因子，將其運(yùn)用到

4、Fast ICA算法的核心迭代過程中，得到了一種改進(jìn)的核獨(dú)立成分分析算法。此方法，有利于獨(dú)立成分的分離，提高了分類精度。
　　 利用改進(jìn)后的KICA讓我們從人臉的數(shù)據(jù)中提取出了具有代表性的局部性特征，KICA算法是ICA與KPCA算法的一種結(jié)合，再利用KPCA算法計(jì)算人臉的全局特征時(shí)，即節(jié)約了求解人臉特征的時(shí)間，又降低了計(jì)算量。最后，采用集成BP神經(jīng)網(wǎng)絡(luò)與PNN神經(jīng)網(wǎng)絡(luò)融合兩者的特征，以相對多數(shù)投票的方式輸出結(jié)果。由于KICA方