人臉特征子空間方法研究.pdf

1、人臉識(shí)別和表情識(shí)別研究工作一般分為三個(gè)步驟：人臉檢測(cè)、人臉特征提取以及分類與識(shí)別。而人臉特征的提取是整個(gè)過(guò)程中較為關(guān)鍵的環(huán)節(jié)。本文以模式識(shí)別中的特征子空間思想為主要研究方法，系統(tǒng)地研究了人臉特征提取技術(shù)。 人臉特征子空間方法的基本思想是找到能夠表征人臉特征的子空間，不同的方法對(duì)于特征的提取，有不同的特點(diǎn)。PCA、ICA、NMF和LNMF這四種子空間方法中，相對(duì)而言，PCA主要提取的是人臉圖像的整體信息，而其他三種方法能夠提取出圖

2、像的局部信息，其中LNMF提取人臉圖像局部信息的能力最強(qiáng)。因?yàn)槊糠N方法的機(jī)器學(xué)習(xí)過(guò)程不盡相同，其得到的基圖像和重構(gòu)圖像也各有不同的特征。同時(shí)每種方法對(duì)其本身的基向量的個(gè)數(shù)要求以及系數(shù)矩陣的約束條件不同，其收斂方式和收斂速度也有所差異。在實(shí)際應(yīng)用中，四種方法都可以應(yīng)用到人臉識(shí)別和表情識(shí)別中，識(shí)別率與其基向量的個(gè)數(shù)以及迭代的次數(shù)有關(guān)。其中，LNMF達(dá)到收斂所需要的基向量個(gè)數(shù)較少，并且用來(lái)重構(gòu)圖像所需的基向量的個(gè)數(shù)也較少。在基向量個(gè)數(shù)相同的情

3、況下，LNMF的識(shí)別率也比較高。但是其達(dá)到收斂所需的迭代次數(shù)較多。 子空間提取出來(lái)的特征，通常是人臉的最佳描述特征，但并不一定是最適合于分類的特征。而判決分析可以總結(jié)為：找到一個(gè)能夠返回某種度量值的函數(shù)，而且該度量值能夠成為區(qū)分樣本不同類別的依據(jù)。這些依據(jù)可以用來(lái)訓(xùn)練分類器，或者提取特征。因此，判決分析可以理解為一種監(jiān)督學(xué)習(xí)或者特征提取方式。NKFDA就是這樣一種基于零空間的核函數(shù)Fisher判決分析，這種方法結(jié)合了核函數(shù)與線性

4、判決分析以及零空間思想，能夠挑選出人臉特征子空間中有利于分類的特征，所以可以和子空間方法結(jié)合起來(lái)應(yīng)用到人臉識(shí)別和表情識(shí)別等實(shí)際的分類問(wèn)題。 通過(guò)對(duì)ORL圖像庫(kù)中的人臉圖像進(jìn)行人臉識(shí)別實(shí)驗(yàn)，以及對(duì)Cohn-Kanade圖像庫(kù)的表情圖像進(jìn)行的表情識(shí)別實(shí)驗(yàn)，表明了將子空間方法和NKFDA結(jié)合的有效性和合理性，針對(duì)上述的實(shí)驗(yàn)，都取得了比較好的實(shí)驗(yàn)結(jié)果，優(yōu)于單純的子空間方法。其中LNMF結(jié)合NKFDA的方法，識(shí)別效果最佳。同時(shí)，為了驗(yàn)證光