基于改進(jìn)的PCA與Fisher鑒別相結(jié)合的人臉識(shí)別.pdf

1、人臉識(shí)別是生物特征識(shí)別技術(shù)的一個(gè)重要分支,被廣泛應(yīng)用于身份認(rèn)證、公共安全、機(jī)器視覺等領(lǐng)域。人臉識(shí)別早在上世紀(jì)六十年代就引起了研究者廣泛關(guān)注,原因是其擁有著非接觸性與易獲取性等多種友好特性。人臉識(shí)別技術(shù)涉及了多個(gè)領(lǐng)域的知識(shí),包括圖像處理、模式識(shí)別、計(jì)算機(jī)視覺等技術(shù),是一門綜合性的交叉學(xué)科。人臉識(shí)別已經(jīng)成為人工智能、模式識(shí)別等領(lǐng)域的一個(gè)前沿研究課題。人臉圖像通常是典型的高維非線性數(shù)據(jù),易受到光照、表情、姿態(tài)、年齡等影響而產(chǎn)生變化。為尋求更高

2、的識(shí)別精度的方法,研究者至今仍面臨著嚴(yán)峻挑戰(zhàn)。
　　論文首先介紹了人臉識(shí)別的技術(shù)的研究背景和主要方法,總結(jié)了人臉識(shí)別技術(shù)中存在的技術(shù)難點(diǎn),展望了人臉識(shí)別技術(shù)的發(fā)展趨勢。針對傳統(tǒng)主成分分析(PCA)方法在特征提取方面存在的問題,本文將其與Fisher鑒別準(zhǔn)則進(jìn)行結(jié)合,實(shí)現(xiàn)對圖像的綜合降維,從而能夠更好的確定圖像的分類方向。在PCA+Fisher的基礎(chǔ)上,本文又對算法進(jìn)行改進(jìn),進(jìn)一步提高了人臉識(shí)別的正確率。
　　本文以劍橋大學(xué)的

3、ORL人臉庫作為識(shí)別對象,該庫包括40個(gè)人的400張面部圖像,庫中人員照片的姿態(tài)、表情都有一定變化,部分圖像還佩戴了飾物,20％以內(nèi)的尺度變化,較為充分地反應(yīng)了同一人不同人臉圖像的變化和差異,因此識(shí)別結(jié)果能夠很好評價(jià)算法的實(shí)用性。論文實(shí)現(xiàn)了用改進(jìn)PCA+Fisher的方法對400張圖像的識(shí)別,較高的識(shí)別率很好證明了改進(jìn)以后算法的有效性。并且本文針對以往關(guān)于人臉識(shí)別的論文中,較多的只是關(guān)注整體圖庫的識(shí)別效果而忽略具體到每一個(gè)類的每一張照片