人臉時變特征提取與核非線性分類算法研究.pdf

1、人臉識別就是從靜態(tài)或視頻序列的臉像中提取個性化特征，以此確定或確認被識別對象的身份。一個完整的人臉識別系統(tǒng)通常包含人臉檢測或跟蹤、預處理、特征提取、特征選擇和分類識別等模塊。其中，為適應復雜多樣的現實環(huán)境而從臉圖像中提取穩(wěn)健可靠的以資區(qū)別于不同個體的個性化特征，是成功地識別人臉的一個關鍵，也是人臉識別研究中最富于挑戰(zhàn)性的問題之一。 本文主要對人臉特征提取和分類方法進行研究。 在特征提取方面，首先介紹并比較了人臉識別領域中

2、最常用的特征提取方法：主元分析(PCA)和線性鑒別分析(LDA)方法。然后在簡述時頻分析概念及常用時頻分析方法的基礎上，引出分數傅里葉變換(FrFT,FractionFourierTransform)的定義、性質和離散FrFT(即DFrFT)的計算?；贒FrFT，給出圖像時頻分布形狀特征(包括徑向斜度和陡度、圓周斜度和陡度)提取方法。 在分類器設計方面，以常用線性和非線性分類器討論為基礎，介紹一種基于核的對模式特征具有最優(yōu)表達