基于矩陣主成分分析的人臉識別方法研究.pdf

1、傳統(tǒng)的生物特征識別技術是利用生物本身擁有的、能唯一標識其身份的生理或行為特征進行身份驗證的技術，在某種程度上，所提取的特征都是“人人擁有、人各不同、長期不變”的。作為一種與生俱來的生物特征，人臉的唯一性和不易被替換、復制等優(yōu)良的先決條件，使得人臉識別成為生物特征識別和模式識別中最受關注的技術。應用領域包括：門衛(wèi)系統(tǒng)、電子商務、超語言學、文化背景研究、機器人研制、測謊、智能環(huán)境、招聘測試、多種方式人機接口、智慧玩具等等。
　　 本

2、文首先討論了人臉識別的主要研究內(nèi)容，對其研究意義及研究現(xiàn)狀進行了回顧，研究了常用的人臉識別方法，對主成分分析、矩陣主成分分析、小波包變換等識別理論進行了介紹和比較。在此基礎上，本文提出了一種改進的類內(nèi)2DPCA重建的方法，該方法直接對二維圖像矩陣進行處理，避免了將圖像拉伸成一維向量而造成計算復雜度高的問題。首先對訓練圖像依類別進行2DPCA降維和特征提取，得到每一類的投影空間，然后將待識別圖像分別在各類訓練圖像的投影空間中進行重建。由于

3、圖像在同類別的投影空間中的重建誤差最小，因此通過計算重建圖像與原圖像的差別，即可判定圖像所屬的類別。本文在MATLAB實驗平臺上對改進方法和傳統(tǒng)的類內(nèi)PCA重建方法進行對比，實驗結(jié)果顯示，改進的方法在保證實時性的基礎上提高了識別率。其次，本文對基于小波變換的人臉識別方法進行了改進。傳統(tǒng)的理論認為，圖像經(jīng)小波變換后，主要內(nèi)容集中在低頻分量，忽略了高頻分量攜帶的輪廓和邊緣信息。本文針對這一不足，提出了改進的小波包融合+2DPCA方法，先對圖