基于子空間的人臉識(shí)別方法的研究.pdf

1、在現(xiàn)在眾多的特征提取及人臉識(shí)別算法中,子空間分析算法因其計(jì)算簡(jiǎn)單、可分性好、有效等特征受到人們的廣泛關(guān)注。其基本思想是根據(jù)一定的性能目標(biāo)來(lái)尋找一種線性或非線性的空間變換,把原始數(shù)據(jù)壓縮到一個(gè)低維子空間中。本文主要圍繞子空間特征提取方法及其在人臉識(shí)別中的應(yīng)用展開(kāi),從傳統(tǒng)子空間和張量子空間算法進(jìn)行了一些研究,本文主要做了如下的研究工作:
　　 1.隨著高維數(shù)據(jù)經(jīng)常出現(xiàn)在科學(xué)界和產(chǎn)業(yè)界相關(guān)的領(lǐng)域,如計(jì)算機(jī)視覺(jué)、模式識(shí)別、生物信息以及航

2、空航天等。當(dāng)我們處理這些數(shù)據(jù)時(shí),它們的高維屬性往往會(huì)成為處理和應(yīng)用這些數(shù)據(jù)的障礙,這表現(xiàn)在與之相關(guān)的計(jì)算復(fù)雜度較高并且結(jié)果并不是最優(yōu)。降維是將數(shù)據(jù)由高維約減到低維的過(guò)程而用來(lái)揭示數(shù)據(jù)的本質(zhì)低維結(jié)構(gòu)。它作為克服“維數(shù)災(zāi)難”的途徑在這些相關(guān)領(lǐng)域中扮演著重要的角色。在過(guò)去的幾十年里,有大量的降維方法被不斷地提出并被深入研究。通過(guò)總結(jié)和比較目前流行的線性降維的方法,給出了未來(lái)傳統(tǒng)的降維發(fā)展方向。
　　 2.核方法是新近發(fā)展起來(lái)的一種模式

3、識(shí)別方法,它的理論基礎(chǔ)來(lái)自于統(tǒng)計(jì)學(xué)習(xí)理論。統(tǒng)計(jì)學(xué)在解決模式識(shí)別問(wèn)題中發(fā)揮了基礎(chǔ)的作用,但是傳統(tǒng)的統(tǒng)計(jì)學(xué)所取得的成果大多建立在漸近理論之上,即樣本觀測(cè)數(shù)量趨于無(wú)窮多的時(shí)候的統(tǒng)計(jì)性質(zhì)。而基于核方法的數(shù)據(jù)降維是目前處理多維數(shù)據(jù)的一個(gè)重要步驟,也是機(jī)器學(xué)習(xí)中的一個(gè)重研究課題。詳細(xì)的闡述了幾種典型的非線性降維方法,并從算法的時(shí)間復(fù)雜度和優(yōu)缺點(diǎn)兩方面對(duì)這些算法進(jìn)行了深入的分析和比較。最后提出了非線性數(shù)據(jù)降維中仍待解決的問(wèn)題。
　　 3.圖像

4、實(shí)際上是以張量形式存在的,它自身所包含的信息不是向量可以完全替代的。當(dāng)Vasilescu和Terzopoulos提出張量人臉識(shí)別算法Tensorfaces時(shí),真正將人臉識(shí)別圖像的算法從傳統(tǒng)的向量發(fā)展到張量,將奇異值分解在張量空間中擴(kuò)展,把高階張量表示的人臉圖像按照不同維的方向分解為光線、表情、姿態(tài)等因素,使人臉識(shí)別更加準(zhǔn)確和方便。對(duì)現(xiàn)有張量型學(xué)習(xí)算法進(jìn)行總結(jié):針對(duì)向量模式表示存在的問(wèn)題,討論了設(shè)計(jì)張量在人臉識(shí)別算法中存在必要性及其存在的