基于主成分分析算法與多核支持向量機人臉識別方法研究.pdf

1、當今社會人們越來越重視的安全型、智慧型城市空間的發(fā)展，由于人臉擁有自然的生物特性而且擁有易獲取、不容易復制等優(yōu)勢，使得人臉識別應用在各個領域。現(xiàn)實應用中，人臉識別需要大量的人臉樣本，如何在小規(guī)模人臉樣本情況下提高人臉識別率，以及如何在復雜因素下提取人臉圖像特征，更好的應用于城市監(jiān)控系統(tǒng)，是本文主要的研究目的。
　　本文以增加人臉輪廓特征，提高傳統(tǒng)單核支持向量機的人臉識別率為目的，從人臉圖像檢測、人臉圖像特征提取及人臉圖像識別三個角

2、度對人臉識別系統(tǒng)進行分析研究，下面概括本文的主要研究內(nèi)容:
　　首先，人臉圖像檢測:針對主動形狀模型檢測人臉輪廓耗時問題，通過Haar-like特征檢測人臉，之后使用主動形狀模型進行人臉輪廓檢測，這樣可以提高人臉圖像的輪廓特征檢測效率。其次，人臉圖像特征提取:針對局部二值模式算法提取圖像樣本特征時樣本維度過高，加大了支持向量機在進行人臉圖像分類時的計算量，本文選取主成分分析法進行人臉圖像主特征提取，該方法可以彌補局部二值模式算法帶

3、來的問題。針對傳統(tǒng)主成分分析算法會遺漏一些輪廓特征信息，在此基礎上進行改進，融合人臉輪廓特征，提出一種基于主成分分析的多主特征方法，該方法可以有效提高復雜因素下的人臉圖像識別率，魯棒性較強。最后，人臉圖像識別:針對不同的核函數(shù)所貢獻的作用各不相同，本文選取局部性的高斯核函數(shù)(RBF)和全局性的多項式核(POLY)來組成多核支持向量機，采用權重的方式將不同的核函數(shù)線性相加，構建多核函數(shù)學習模型，該方法可以增加人臉圖像的識別率，提高對樣本的