基于隱馬爾可夫模型的人臉識(shí)別技術(shù)研究.pdf

1、人臉識(shí)別技術(shù)是模式識(shí)別和機(jī)器視覺領(lǐng)域最富挑戰(zhàn)性的研究課題之一，它在人機(jī)交互、安全監(jiān)視、身份認(rèn)證等方面有著非常廣闊的應(yīng)用前景。隱馬爾可夫模型(Hidden Markov Model，HMM)作為一種統(tǒng)計(jì)的識(shí)別方法，能夠?qū)⑷四樃鱾€(gè)器官的數(shù)值特征有效地結(jié)合起來對(duì)其進(jìn)行描述和識(shí)別，因而可以取得較好的識(shí)別結(jié)果。
　　 本文首先針對(duì)HMM方法在特征提取方面的不足進(jìn)行改進(jìn)，分別采用主成分分析、非負(fù)矩陣分解、離散余弦變換以及奇異值分解，從原始圖

2、像中提取較為魯棒的特征信息，并將其作為觀察矢量對(duì)HMM進(jìn)行訓(xùn)練和識(shí)別。實(shí)驗(yàn)表明，文中方法在提高識(shí)別率的同時(shí)，也明顯地提高了識(shí)別效率。
　　 其次，本文從信息融合的角度對(duì)HMM方法進(jìn)行了改進(jìn)。傳統(tǒng)HMM方法中，通過重疊采樣得到的觀察序列能夠建立高精度的人臉模型，但訓(xùn)練和識(shí)別的時(shí)間比較長(zhǎng)。本文在非重疊采樣的方式下，分別采用特征級(jí)融合和決策級(jí)調(diào)整的方法對(duì)其進(jìn)行改進(jìn)。在特征級(jí)采用典型相關(guān)分析將兩種不同的特征矢量進(jìn)行融合，并將融合后的特征