基于PLS和HMM的人臉識別研究.pdf

1、生物特征識別技術已廣泛地應用在公共安全、智能系統(tǒng)、醫(yī)學、軍事等多個領域，內(nèi)容包括人臉識別、指紋識別、虹膜識別、語音識別等。人臉識別具有不需要主動配合、直觀、方便等特點，因此成為日常生活中最常用的身份確認方法，也是當前模式識別和人工智能的研究熱點。
　　人臉圖像易受年齡、姿態(tài)、表情、光照等因素的影響，故人臉識別研究具有很強的挑戰(zhàn)性。臉像的主要特征部分有額頭、眼睛、鼻子、嘴巴、下巴等，各個特征部分之間存在一定的關聯(lián)性，同時在人臉圖像拍

2、攝過程中光線明暗和焦距大小都是隨機的，因此隨機序列模型被引入到人臉識別中，并將各個隨機的特征量相互聯(lián)系起來。實際應用中訓練臉像和測試臉像尺寸不一樣，如城市視頻監(jiān)控系統(tǒng)的人像識別問題，往往先對測試臉像放大后再識別，則人臉識別的結(jié)果可用于分析圖像放大算法的優(yōu)劣。
　　針對以上問題，本文探討一種基于變換域中隱馬爾可夫模型分類的人臉識別算法，并使用最近鄰、雙線性、雙三次以及增量KNR放大算法對測試的低分辨臉像放大后再識別。
　　在臉

3、像預處理階段，為降低臉像維數(shù)、減小光照影響及消除臉像平移，相應地采用像素平均、能量歸一及Fourier變換三種算法；在特征提取階段，采用偏最小二乘法(PLS)提取類間的鑒別特征，并與傳統(tǒng)的主成分分析法(PCA)比較；在分類器設計階段，應用隱馬爾可夫模型(HMM)對人臉特征分類，重點討論了在PLS特征提取后的變換域中HMM分類效果；最后從主觀和客觀上比較四種放大算法的優(yōu)劣，并引入正確識別率作為一種新的客觀評價準則。
　　對ORL(O