基于子空間人臉識(shí)別算法的研究.pdf

1、人臉識(shí)別是模式識(shí)別和計(jì)算機(jī)視覺(jué)領(lǐng)域最富挑戰(zhàn)性的研究課題之一，具有非常廣泛的應(yīng)用前景如視頻監(jiān)控、刑偵破案、身份識(shí)別、入口控制等領(lǐng)域。人臉識(shí)別系統(tǒng)采用計(jì)算機(jī)視覺(jué)和圖像處理等相關(guān)技術(shù)，以人臉圖像為媒介，抽取人臉的不同特征進(jìn)行匹配和識(shí)別方法。本論文進(jìn)行的人臉識(shí)別研究是以靜止正面人臉圖像為對(duì)象，針對(duì)實(shí)際應(yīng)用中人臉圖像殘缺，或人臉通過(guò)眼鏡、發(fā)型和化妝等偽裝造成圖像不完整的情況，在子空間人臉識(shí)別算法的基礎(chǔ)上，提出一種適應(yīng)性較強(qiáng)的方法，實(shí)驗(yàn)結(jié)果驗(yàn)證該方

2、法是可行的。主要的工作如下：
　　1.深入分析了基于主分量分析PCA(Principle Component Analysis)的特征臉?lè)椒?。針?duì)傳統(tǒng) PCA方法在處理圖像識(shí)別問(wèn)題存在的計(jì)算量大和時(shí)間上長(zhǎng)的缺陷，進(jìn)一步分析直接基于圖像矩陣的2DPCA方法。相比PCA方法，2DPCA方法計(jì)算復(fù)雜度低，特征抽取速度快。
　　2.對(duì)2DPCA方法的特征值（主分量）選擇問(wèn)題進(jìn)行分析研究，提出了一種基于Fisher準(zhǔn)則的特征值選擇方法

3、。特征值的選擇是選取對(duì)分類(lèi)有利的特征向量而不只考慮大的特征值所對(duì)應(yīng)的特征向量，這樣可以有效地將類(lèi)與類(lèi)之間的距離拉開(kāi)，避免有效信息的損失。
　　3.針對(duì)2DPCA難以表征人臉局部特征的缺陷以及實(shí)際應(yīng)用中存在人臉圖像殘缺，或人臉通過(guò)眼鏡、發(fā)型和化妝等偽裝造成圖像不完整情況，提出一種結(jié)構(gòu)2DPCA方法。將人臉圖像分割為互不重疊的多個(gè)圖像塊，對(duì)每一個(gè)圖像塊進(jìn)行2DPCA特征提取，最后對(duì)每個(gè)圖像塊進(jìn)行加權(quán)識(shí)別。這種方法結(jié)合了統(tǒng)計(jì)模式識(shí)別與結(jié)

4、構(gòu)模式識(shí)別的優(yōu)點(diǎn)，通過(guò)調(diào)整各圖像塊的加權(quán)系數(shù)，可應(yīng)用于各種不同人臉圖像的識(shí)別。實(shí)驗(yàn)結(jié)果表明，基于結(jié)構(gòu)2DPCA方法的人臉識(shí)別率與2DPCA方法相比有較大提升，靈活性更強(qiáng)。
　　4.分析研究了線(xiàn)性辨別分析方法，針對(duì)該方法在人臉識(shí)別過(guò)程中存在的小樣本問(wèn)題，本文在傳統(tǒng)子空間方法的基礎(chǔ)上提出了基于Fisher準(zhǔn)則的結(jié)構(gòu)2DPCA人臉識(shí)別方法，ORL和FERET標(biāo)準(zhǔn)人臉庫(kù)的實(shí)驗(yàn)結(jié)果驗(yàn)證了該算法的有效性。該方法不僅增加了識(shí)別系統(tǒng)的靈活性和適應(yīng)