基于DCT的PCA及集成神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別研究.pdf

1、人臉識(shí)別技術(shù)是模式識(shí)別、圖像處理、計(jì)算機(jī)視覺和認(rèn)知科學(xué)等領(lǐng)域的一個(gè)極富挑戰(zhàn)性的交叉課題，是近年來的一個(gè)研究熱點(diǎn)。盡管人臉自動(dòng)識(shí)別技術(shù)在各種潛在應(yīng)用的推動(dòng)下發(fā)展很快，但到目前為止，要建立通用的人臉自動(dòng)識(shí)別系統(tǒng)還有許多難點(diǎn)問題尚未解決，特別是人臉識(shí)別算法的效率和魯棒性問題。 人臉識(shí)別技術(shù)是由計(jì)算機(jī)分析人臉圖像，從人臉圖像中提取有效的識(shí)別信息，以此來辨認(rèn)身份的一門技術(shù)。計(jì)算機(jī)人臉識(shí)別技術(shù)的研究主要從提取表述人臉圖像的特征方面進(jìn)行。要求

2、表述人臉圖像的特征既能夠容忍幾何變化、表情變化和光照變化，又能夠保留人臉不同于其它人臉的分類識(shí)別信息。本文從人臉特征提取角度介紹了常用的幾種人臉識(shí)別方法：基于幾何特征的識(shí)別方法、基于統(tǒng)計(jì)的特征臉方法、基于模板匹配的方法、基于神經(jīng)網(wǎng)絡(luò)的方法，并分析了它們的優(yōu)勢和劣勢。著重從基于圖像整體代數(shù)特征的主成分分析(PCA)算法入手，介紹了“特征臉”算法的原理和實(shí)現(xiàn)過程，針對(duì)傳統(tǒng)的PCA算法存在的運(yùn)算量大的缺點(diǎn)，提出了一種基于離散余弦變換(DCT)

3、的PCA特征提取算法。該算法先對(duì)整個(gè)原始人臉圖像進(jìn)行二維離散DCT變換得到DCT系數(shù)矩陣，再取包含了原始圖像大部分信息的少量DCT系數(shù)作PCA，提取出人臉特征，取得了優(yōu)于單獨(dú)的DCT特征提取方法與傳統(tǒng)的PCA特征提取幾乎等同的識(shí)別效果，同時(shí)大大減少了PCA算法的運(yùn)算量，速度提高了將近一倍。 尋求適用、優(yōu)秀的分類方法構(gòu)造出性能優(yōu)良的分類器，是提高模式識(shí)別效果的關(guān)鍵環(huán)節(jié)。BP神經(jīng)網(wǎng)絡(luò)是常用的一種人臉分類器，它具有自學(xué)習(xí)性、魯棒性和自