基于圖嵌入的人臉識(shí)別算法研究.pdf

1、人臉識(shí)別以其獨(dú)特的優(yōu)勢(shì)成為當(dāng)前模式識(shí)別和機(jī)器學(xué)習(xí)等領(lǐng)域的一個(gè)重要研究課題。高維數(shù)的非結(jié)構(gòu)化數(shù)據(jù)大量出現(xiàn)為計(jì)算和分析帶來(lái)了巨大的挑戰(zhàn)，人臉圖像作為高維數(shù)據(jù)范疇的一種，尋求行之有效的維數(shù)約簡(jiǎn)算法成為人臉識(shí)別技術(shù)中十分重要的環(huán)節(jié)，也是解決圖像識(shí)別問(wèn)題的關(guān)鍵所在。本文重點(diǎn)研究了基于圖嵌入的人臉識(shí)別算法，詳細(xì)分析了幾種經(jīng)典的圖嵌入算法，并針對(duì)其不足之處提出兩種新的基于圖嵌入的特征提取算法。本文的主要工作和創(chuàng)新成果如下：
　　(1)局部判別嵌

2、入算法尋求最高的正確識(shí)別率時(shí)假設(shè)所有的錯(cuò)誤分類具有相同的錯(cuò)分代價(jià)，然而這個(gè)假設(shè)在現(xiàn)實(shí)的人臉識(shí)別系統(tǒng)中往往是不成立的，因?yàn)椴煌腻e(cuò)誤分類將會(huì)導(dǎo)致不同的錯(cuò)分代價(jià)。為此，提出一種代價(jià)敏感的局部判別嵌入算法。首先通過(guò)構(gòu)造代價(jià)矩陣將代價(jià)敏感理念融入到特征提取階段，以提高算法判別不同錯(cuò)誤分類的能力；然后最大化異類近鄰樣本點(diǎn)之間的錯(cuò)分代價(jià)，同時(shí)最小化同類近鄰樣本點(diǎn)之間的距離；最后利用迭代算法求得最佳的正交投影向量，以更好地維持?jǐn)?shù)據(jù)的度量架構(gòu)。在Yal

3、e，ORL，AR和Extended Yale B人臉數(shù)據(jù)庫(kù)上的實(shí)驗(yàn)結(jié)果表明，文中算法是有效的。
　　(2)特征提取算法是人臉識(shí)別過(guò)程中重要的組成部分,然而提取的特征之間常含有冗余的判別信息。統(tǒng)計(jì)不相關(guān)特性可消除所提取的判別特征之間的信息冗余，然而許多算法卻常常忽略這一特性。本文提出一種新的特征提取算法——局部不相關(guān)的局部判別嵌入算法。該算法從三個(gè)方面對(duì)局部判別嵌入算法進(jìn)行拓展，首先提出了一種新的局部統(tǒng)計(jì)不相關(guān)標(biāo)準(zhǔn)，使得更好地獲取同