基于偏最小二乘的人臉識別算法研究.pdf

1、隨著科技的不斷發(fā)展，人臉識別已經(jīng)成為一種重要的生物識別手段。在人臉識別領域，由于人臉圖像的維數(shù)相當高，直接在原圖上進行處理，將加大算法的復雜度，并且對計算機的硬件性能也是一個挑戰(zhàn)，因此如何抽取有效的鑒別特征是解決該類問題的關鍵。本文所研究內(nèi)容就是特征提取算法中的子空間統(tǒng)計算法。子空間統(tǒng)計算法因?qū)?yōu)秀的統(tǒng)計降維算法應用到人臉識別領域得到良好的效果而表現(xiàn)出旺盛的生命力。
　　偏最小二乘作為一種多元統(tǒng)計算法近年來在人臉識別中得到了廣泛應

2、用，但是相比其他算法仍有不足之處，如所得投影方向的非負性和稀疏性都不高。本文就偏最小二乘算法的理論進行了研究，針對偏最小二乘算法的不足，從非負性和稀疏性兩個方面對其二維算法二維偏最小二乘進行改進。主要研究工作如下：
　　1、傳統(tǒng)的基于統(tǒng)計的子空間統(tǒng)計的人臉識別算法如主成分分析，通過學習只能得到一系列特征臉，忽略了人臉識別中重要的局部信息（如眼睛、鼻子）。而利用到類別信息的算法如線性判別分析，也會因為小樣本問題而有所影響。為了解決小

3、樣本問題，本文結(jié)合二維偏最小二乘與非負矩陣分解的非負性思想提出二維非負偏最小二乘（Two-dimensional Nonnegative Partial Least Squares，2DNPLS）算法。其核心思想是在提取人臉特征時加入了非負性約束，使得2DNPLS不僅擁有偏最小二乘算法加入類別信息帶來的分類效果，還保留了圖像矩陣的內(nèi)部結(jié)構信息，而且還使得到的基矩陣具有非負的局部的可解釋性。在ORL，Yale人臉庫中的實驗表明，該算法從時

4、間上和識別率上均優(yōu)于人臉識別的主流算法。
　　2、偏最小二乘PLS算法在處理有噪聲及圖片遮擋等問題時效果不佳。研究表明：噪聲項等通過對投影方向的迭代進入了算法中，可以通過控制投影方向的稀疏性有效地解決這個問題。因此為了改進本文所提出的2DNPLS算法提高其魯棒性，通過對2DNPLS中的投影方向增加稀疏性約束，提出二維非負稀疏偏最小二乘（Two-dimensional Nonnegative Sparse Partial Least