人臉識(shí)別中的特征提取與分類算法研究.pdf

1、人臉識(shí)別的強(qiáng)適應(yīng)性、高安全性以及非接觸式的智能交互等優(yōu)點(diǎn),使其在公共安全、智能門禁、刑事偵查等領(lǐng)域存在巨大的應(yīng)用潛能,因而成為模式識(shí)別和計(jì)算機(jī)視覺(jué)等領(lǐng)域的一個(gè)研究熱點(diǎn).傳統(tǒng)的人臉識(shí)別過(guò)程一般包括人臉檢測(cè)、人臉圖像預(yù)處理、特征提取和人臉?lè)诸愃膫€(gè)步驟,而特征提取和分類是該四個(gè)步驟的核心.
　　針對(duì)人臉識(shí)別中的特征提取和分類算法,本文主要做了以下三方面的工作:
　　(1)充分利用稀疏保留投影在特征提取上的優(yōu)勢(shì),通過(guò)對(duì)其加入判別信息

2、,改進(jìn)得到一種新的監(jiān)督特征提取方法,稱為不相關(guān)判別稀疏保留投影.通過(guò)類內(nèi)稀疏保留與類間距離最大化,所得到的投影可以有效地表達(dá)判別信息,同時(shí)還保留了局部的近鄰關(guān)系.另外,統(tǒng)計(jì)不相關(guān)限制可以降低特征向量之間的冗余,用盡可能少的特征向量獲得盡可能多的特征信息.
　　(2)在人臉?lè)诸悤r(shí),通常需要將圖像矩陣數(shù)據(jù)轉(zhuǎn)換成向量數(shù)據(jù)后才能輸入分類器進(jìn)行識(shí)別,這樣往往會(huì)破壞圖像像素之間的結(jié)構(gòu)關(guān)系,造成識(shí)別率的下降.本文在隨機(jī)權(quán)網(wǎng)絡(luò)的基礎(chǔ)上,設(shè)計(jì)了針對(duì)

3、矩陣數(shù)據(jù)直接輸入分類器的二維隨機(jī)權(quán)網(wǎng)絡(luò),使用左右投影向量來(lái)代替隱層中原始的高維輸入權(quán)值向量,從而在一定程度上保留了矩陣數(shù)據(jù)的結(jié)構(gòu)關(guān)系,提高了系統(tǒng)的識(shí)別率.
　　(3)在稀疏表示的基礎(chǔ)上討論帶有光照變化的多姿態(tài)人臉識(shí)別問(wèn)題.為了使稀疏表示更適合于多姿態(tài)人臉識(shí)別的特點(diǎn),提出了分塊加權(quán)稀疏表示算法,以突出與測(cè)試樣本姿態(tài)相近的樣本的表出作用,從而提高系統(tǒng)的識(shí)別率.在此基礎(chǔ)之上,為了不增加帶光照的人臉樣本,即解決標(biāo)準(zhǔn)光照樣本庫(kù)下對(duì)于帶光照樣