張量框架下的多線性人臉識別技術的研究.pdf

1、張量的多線性方法把人臉圖象看作是幾何結構，表情，姿態(tài)和光照等多種因素的綜合結果，然后運用張量方法分離出各個因素（如姿態(tài)，光照，人等）子空間，應用到人臉識別中。這與線性子空間方法相比，允許人臉姿態(tài)和光照較大的變化，而計算量上又優(yōu)于非線性子空間方法。本文根據(jù)這個思想，進行以下研究工作：
　　 ⑴鑒于彩色信息能提升人臉識別的性能，本文提出一種彩色張量框架下的人臉識別算法，該算法在張量的多線性方法基礎上通過分解三維顏色張量融入彩色信息，

2、并結合(2D)2-PCA的降維。一方面，(2D)2-PCA能減少冗余信息，提取有用信息，而且降維能提高執(zhí)行效率；另一方面，彩色信息的融入能增加有用信息，提高識別率。該算法在Weizmann數(shù)據(jù)庫和Facepix數(shù)據(jù)庫上進行了驗證和比較，相比原有方法，性能上得到了顯著的提高。
　　 ⑵張量的分解是PCA在高階上的擴展，目前并存著多種張量分解方法，各有自己的優(yōu)缺點，沒有一種方法能滿足PCA(matrix SVD)的所有性質。本文在O

3、RL人臉數(shù)據(jù)庫上比較分析了四種經典的張量分解方法：Higher-Order Singular Value Decomposition (HO-SVD)，Higher-Order Orthogonal Iteration (HOOI)，Slice Projection (SP)，和 Multislice Projection(MP)。實驗結果顯示這四種方法用到人臉識別上沒有多大區(qū)別，這主要是因為人臉張量數(shù)據(jù)不是大張量，較小的擬合度差別并不