組合分類器在人臉識(shí)別中的應(yīng)用.pdf

1、　　隨著人類安全意識(shí)的加強(qiáng)，人臉識(shí)別技術(shù)廣泛地應(yīng)用到社會(huì)的很多領(lǐng)域，但是不同的人臉識(shí)別方法因?yàn)槭芄庹?、姿?shì)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(shí)別方法來提高人臉識(shí)別系統(tǒng)的性能，對(duì)于實(shí)際應(yīng)用有很大的指導(dǎo)意義?！　?.論文系統(tǒng)地分析了不同分類器融合算法，對(duì)其優(yōu)缺點(diǎn)進(jìn)行了比較。同時(shí)，以貝葉斯決策理論為基礎(chǔ)，對(duì)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(jìn)行了詳細(xì)的研究和討論，并對(duì)Kittle提出的最大融合規(guī)則

2、和最小融合進(jìn)行了改進(jìn)，提出了二次融合規(guī)則?！　?.本文通過利用DCT+LDA方法提取表達(dá)人臉信息能力強(qiáng)的局部特征(左、右眼和嘴巴)，同時(shí)利用fisherface方法和簡(jiǎn)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(kù)上識(shí)別率高達(dá)98.45％，比識(shí)別率最好的簡(jiǎn)單頻譜臉方法高5.35％，在FERET數(shù)據(jù)庫(kù)上識(shí)別率達(dá)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(shí)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(kù)上的識(shí)別率為96.75％，F(xiàn)ERET數(shù)據(jù)庫(kù)上為84.02％，均高于單一的人臉識(shí)別方法，說明了算法的改進(jìn)是有效的，同時(shí)也表明了將多分類組合應(yīng)用于人臉識(shí)別是一種計(jì)較可行的思路?！　?.通過實(shí)驗(yàn)，對(duì)基于局部特征和整臉特征的組合識(shí)別和基于整臉特征的組合識(shí)別在ORL和FERET數(shù)據(jù)庫(kù)上進(jìn)行了比較分析，實(shí)驗(yàn)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