組合分類器在人臉識別中的應(yīng)用.pdf

1、　　隨著人類安全意識的加強，人臉識別技術(shù)廣泛地應(yīng)用到社會的很多領(lǐng)域，但是不同的人臉識別方法因為受光照、姿勢和表情變化的影響具有不同的魯棒性，因而通過融合不同的人臉識別方法來提高人臉識別系統(tǒng)的性能，對于實際應(yīng)用有很大的指導(dǎo)意義。　　1.論文系統(tǒng)地分析了不同分類器融合算法，對其優(yōu)缺點進行了比較。同時，以貝葉斯決策理論為基礎(chǔ)，對kittle提出的多分類器融合算法的理論框架及其組合規(guī)則進行了詳細的研究和討論，并對Kittle提出的最大融合規(guī)則

2、和最小融合進行了改進，提出了二次融合規(guī)則?！　?.本文通過利用DCT+LDA方法提取表達人臉信息能力強的局部特征(左、右眼和嘴巴)，同時利用fisherface方法和簡單頻譜臉方法提取人臉的整臉特征，融合局部特征和整體特征，應(yīng)用分類器組合規(guī)則，分類精度得到很大的提高。加法融合規(guī)則在ORL數(shù)據(jù)庫上識別率高達98.45％，比識別率最好的簡單頻譜臉方法高5.35％，在FERET數(shù)據(jù)庫上識別率達到90.39％，比Fisherface方法高10

3、.09％，其中加權(quán)加法融合規(guī)則的識別率比加法融合規(guī)則稍有提高，二次融合規(guī)則在ORL數(shù)據(jù)庫上的識別率為96.75％，F(xiàn)ERET數(shù)據(jù)庫上為84.02％，均高于單一的人臉識別方法，說明了算法的改進是有效的，同時也表明了將多分類組合應(yīng)用于人臉識別是一種計較可行的思路?！　?.通過實驗，對基于局部特征和整臉特征的組合識別和基于整臉特征的組合識別在ORL和FERET數(shù)據(jù)庫上進行了比較分析，實驗數(shù)據(jù)表明，前者在性能上一般要優(yōu)于前者，說明完全應(yīng)用人臉