人臉識別中的特征提取與分類算法研究.pdf

1、人臉識別的強適應性、高安全性以及非接觸式的智能交互等優(yōu)點,使其在公共安全、智能門禁、刑事偵查等領域存在巨大的應用潛能,因而成為模式識別和計算機視覺等領域的一個研究熱點.傳統(tǒng)的人臉識別過程一般包括人臉檢測、人臉圖像預處理、特征提取和人臉分類四個步驟,而特征提取和分類是該四個步驟的核心.
　　針對人臉識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,通過對其加入判別信息

2、,改進得到一種新的監(jiān)督特征提取方法,稱為不相關判別稀疏保留投影.通過類內(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判別信息,同時還保留了局部的近鄰關系.另外,統(tǒng)計不相關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)在人臉分類時,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行識別,這樣往往會破壞圖像像素之間的結構關系,造成識別率的下降.本文在隨機權網(wǎng)絡的基礎上,設計了針對

3、矩陣數(shù)據(jù)直接輸入分類器的二維隨機權網(wǎng)絡,使用左右投影向量來代替隱層中原始的高維輸入權值向量,從而在一定程度上保留了矩陣數(shù)據(jù)的結構關系,提高了系統(tǒng)的識別率.
　　(3)在稀疏表示的基礎上討論帶有光照變化的多姿態(tài)人臉識別問題.為了使稀疏表示更適合于多姿態(tài)人臉識別的特點,提出了分塊加權稀疏表示算法,以突出與測試樣本姿態(tài)相近的樣本的表出作用,從而提高系統(tǒng)的識別率.在此基礎之上,為了不增加帶光照的人臉樣本,即解決標準光照樣本庫下對于帶光照樣