基于LPP算法的人臉識別技術(shù)研究.pdf

1、人臉識別技術(shù)因具有重要的科學意義和實用價值，在近幾年得到了研究者的高度重視，成為當前模式識別和人工智能領域的一個研究熱點。它可以廣泛地應用到安全部門、身份鑒別、電視會議、數(shù)字監(jiān)控等領域。人臉識別一般分為人臉檢測、特征抽取和模式分類三個部分。本文在綜合分析國內(nèi)外現(xiàn)有的人臉識別技術(shù)的基礎上，對流形中的局部保持投影(locality preserving projections，LPP)算法進行了研究，提出基于中心域的LPP算法和基于約束的L

2、PP算法。并設計實現(xiàn)相應的原型系統(tǒng)。
　　 本文的工作主要包括：
　　 (1)提出基于中心域的LPP算法。LBP算法簡單，能方便地擴展到對整體特征的提取，本文首先利用LBP獲取全局特征，然后對圖像進行不均勻分塊，提取包含眼睛、嘴巴等關鍵器官的中心域圖像，以各中心域圖像相互之間的歐式距離為標準構(gòu)建最近相鄰圖，最后進行特征映射得到LPP算法的流形特征空間。該算法能有效地解決LPP算法中近鄰圖不能很好的表示流形空間的局部結(jié)構(gòu)問

3、題，并得到較少數(shù)量的特征維數(shù)。
　　 (2)提出基于約束的LPP(constraint LPP,CLPP)算法。考慮到LPP算法是無監(jiān)督的，沒有利用樣本的類間信息，本文結(jié)合監(jiān)督、半監(jiān)督算法和流形學習方法，提出基于約束的LPP算法。該算法首先創(chuàng)建有標記和無標記兩類近鄰圖，然后根據(jù)不同的規(guī)則賦值權(quán)重，將有標記近鄰圖的權(quán)重作為無標記權(quán)重的約束值，更改目標函數(shù)，增加約束值，最后進行特征映射形成新的流形特征空間。實驗結(jié)果表明，該算法可以有

4、效地利用樣本的類間信息，提高識別率。
　　 (3)提出一種最近鄰分布分類器。首先將要比較的訓練特征集劃分為多個子集，求取每一訓練特征子集的均值和方差，根據(jù)分布的思想判斷其整個子集與待識別樣本的相似程度，然后將待識別樣本與對所選取的相似子集中的每一個訓練樣本用最近鄰分類器進行分類。該方法將分布判斷思想與最近鄰判斷思想結(jié)合起來，可以有效地減少近鄰判斷的計算量，提高人臉識別率。
　　 (4)采用面向?qū)ο笏枷朐O計并開發(fā)基于LPP