人臉特征子空間方法研究.pdf

1、人臉識別和表情識別研究工作一般分為三個步驟：人臉檢測、人臉特征提取以及分類與識別。而人臉特征的提取是整個過程中較為關鍵的環(huán)節(jié)。本文以模式識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。 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，不同的方法對于特征的提取，有不同的特點。PCA、ICA、NMF和LNMF這四種子空間方法中，相對而言，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。因為每種方法的機器學習過程不盡相同，其得到的基圖像和重構圖像也各有不同的特征。同時每種方法對其本身的基向量的個數(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。在實際應用中，四種方法都可以應用到人臉識別和表情識別中，識別率與其基向量的個數(shù)以及迭代的次數(shù)有關。其中，LNMF達到收斂所需要的基向量個數(shù)較少，并且用來重構圖像所需的基向量的個數(shù)也較少。在基向量個數(shù)相同的情

3、況下，LNMF的識別率也比較高。但是其達到收斂所需的迭代次數(shù)較多。 子空間提取出來的特征，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為：找到一個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)可以用來訓練分類器，或者提取特征。因此，判決分析可以理解為一種監(jiān)督學習或者特征提取方式。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合起來應用到人臉識別和表情識別等實際的分類問題。 通過對ORL圖像庫中的人臉圖像進行人臉識別實驗，以及對Cohn-Kanade圖像庫的表情圖像進行的表情識別實驗，表明了將子空間方法和NKFDA結合的有效性和合理性，針對上述的實驗，都取得了比較好的實驗結果，優(yōu)于單純的子空間方法。其中LNMF結合NKFDA的方法，識別效果最佳。同時，為了驗證光