基于集成局部分塊線性判別分析的人臉識(shí)別.pdf

1、近幾年人臉識(shí)別越來(lái)越受到人們的關(guān)注和重視,許多研究機(jī)構(gòu)和個(gè)人都投入了大量的研究,提出了一些新的識(shí)別算法,但是大量的測(cè)試和實(shí)踐表明,要實(shí)現(xiàn)真正實(shí)用的人臉識(shí)別系統(tǒng)還有大量的問(wèn)題有待解決,目前人臉識(shí)別性能主要受到表情、光照、姿態(tài)、年齡、背景、圖像質(zhì)量和計(jì)算復(fù)雜度等問(wèn)題的影響。本文針對(duì)光照、計(jì)算復(fù)雜度等問(wèn)題的研究,主要取得了以下幾個(gè)方面的創(chuàng)新性成果:
　　 (1)運(yùn)用圖像均勻分塊的Gabor特征提取及其集成方法。Gabor小波具有較好的

2、生物視覺(jué)特性,能夠很好的提取人臉圖像的紋理特征,被認(rèn)為是最好的人臉表示方法之一,但是Gabor特征維數(shù)過(guò)高,不利于后續(xù)處理,本文使用均勻分塊的方式對(duì)Gabor特征進(jìn)行分組,塊與塊之間允許重疊,對(duì)于每一組特征單獨(dú)使用主成分分析和線性判別分析設(shè)計(jì)分類器,這樣不僅降低了特征維數(shù),而且使用多分類器集成的方法能夠提高算法的分類能力。針對(duì)人臉不同部位產(chǎn)生的分類器的分類能力應(yīng)該是有差別的,例如包含眼睛、鼻子、嘴巴等重要器官的圖像子塊分類能力明顯要強(qiáng)于

3、其他子塊,因此需要給不同的子分類器分配不同的權(quán)重,本文使用訓(xùn)練樣本集每個(gè)圖像子塊特征向量的類間差與類內(nèi)差的比值作為各個(gè)子分類器的權(quán)值加權(quán)集成多分類器：
　　 (2)提出使用對(duì)數(shù)轉(zhuǎn)換和局部歸一化相結(jié)合的光照預(yù)處理方法。大量實(shí)驗(yàn)表明光照是影響人臉識(shí)別的關(guān)鍵因素,如何消除光照變化對(duì)人臉圖像的影響也是目前研究最多的問(wèn)題之一。對(duì)數(shù)轉(zhuǎn)換能夠擴(kuò)展圖像的低灰度區(qū)域和壓縮圖像的高灰度區(qū)域,使整幅圖像的灰度分布更加均勻,削弱光照變化的影響;局部歸一

4、化能夠提取人臉圖像與光照無(wú)關(guān)的特征,但是在實(shí)際使用中會(huì)受到局部窗口內(nèi)高低灰度值差異的影響。本文分析了兩種預(yù)處理方法的優(yōu)缺點(diǎn),提出對(duì)數(shù)轉(zhuǎn)換結(jié)合局部歸一化的預(yù)處理方法,并通過(guò)實(shí)驗(yàn)結(jié)果說(shuō)明了該方法的有效性;
　　 (3)提出使用類內(nèi)加權(quán)的線性判別分析改進(jìn)算法。線性判別分析是一種以分類為目的人臉特征提取方法,但是傳統(tǒng)的線性判別分析認(rèn)為所有人臉圖像對(duì)分類的貢獻(xiàn)都是一樣的,沒(méi)有考慮邊緣類的影響,本文通過(guò)對(duì)類內(nèi)協(xié)方差矩陣加權(quán)的方式,在一定程度