基于代數(shù)特征的人臉識(shí)別算法研究.pdf

1、人臉識(shí)別作為生物特征識(shí)別的一種，在公共安全、身份驗(yàn)證、自動(dòng)跟蹤、數(shù)字視頻處理等方面有著非常廣泛的應(yīng)用。由于王見代計(jì)算機(jī)科學(xué)技術(shù)的進(jìn)步，人臉識(shí)別技術(shù)已經(jīng)成為人工智能領(lǐng)域所研究的重點(diǎn)課題之一。
　　在諸多人臉識(shí)別算法中，基于代數(shù)特征的識(shí)別算法有著相對(duì)較低的計(jì)算復(fù)雜度而受到廣泛的關(guān)注。由于光照條件、表情變化等外部條件的影響，基于代數(shù)特征的算法識(shí)別率還有很大地改善和提升的空間。
　　本文在原有的基于代數(shù)特征的人臉識(shí)別算法的基礎(chǔ)上，分

2、別從提高識(shí)別率和縮短識(shí)別時(shí)間兩個(gè)方面進(jìn)行研究分析，不儀有效提升了代數(shù)特征的識(shí)別準(zhǔn)確率，對(duì)識(shí)別效率也有了很大改善:
　　(1)改進(jìn)的PCA快速人臉識(shí)別。改進(jìn)后的算法相對(duì)于傳統(tǒng)PCA方法，在匹配人臉之前首先選取一定數(shù)量的候選集合，圖像預(yù)處理以及之后的PCA特征提取和選擇都是在候選集中進(jìn)行的，最后選用最常用的最近鄰分類器進(jìn)行相似性匹配。該方法在預(yù)處理、特征提取以及降維使用的是按照一定標(biāo)準(zhǔn)選擇的候選集合中的人臉圖像，而不是所有的訓(xùn)練樣本，

3、這樣節(jié)約了大量的原始數(shù)據(jù)處理時(shí)間。在ORL人臉數(shù)據(jù)庫上分別進(jìn)行了兩種算法的效率對(duì)比，結(jié)果顯示，在使用了候選集之后，不僅可以縮短識(shí)別的時(shí)間，而且沒有犧牲算法的識(shí)別率。
　　(2)模糊對(duì)角2DLDA人臉識(shí)別算法。針對(duì)線性鑒別分析的類內(nèi)離散矩陣奇異而不能直接應(yīng)用于小樣本問題，并且存在對(duì)總樣本空間的中心定位不準(zhǔn)確的問題，采用了對(duì)角變換方法的同時(shí)融合了對(duì)樣本的模糊分區(qū)，并提出了新的計(jì)算類間離散矩陣的方法。在特征提取之前先對(duì)面部圖像作對(duì)角變化

4、，之后使用模糊k近鄰(FKNN)計(jì)算每個(gè)樣本屬于不同類別的隸屬度，并用隸屬度計(jì)算類內(nèi)離散矩陣和重新定義的類間離散矩陣，最后得到最佳鑒別投影進(jìn)行降維和特征提取。
　　(3)模糊雙向加權(quán)求和人臉識(shí)別方法。在雙向特征投影的基礎(chǔ)上，提出一種模糊雙向加權(quán)求和準(zhǔn)則，成功地實(shí)現(xiàn)在人臉識(shí)別系統(tǒng)中。在FBWSC中，首先定義了面向圖像的行方向最佳投影矩陣并進(jìn)行最優(yōu)投影變換，得到行方向特征訓(xùn)練樣本集;引入模糊距離的概念，計(jì)算出在行方向上的距離權(quán)值。同樣

5、地，給出了面向圖像的列方向最佳投影矩陣并進(jìn)行最優(yōu)投影變換，得到列方向特征訓(xùn)練樣本集;再利用模糊距離的概念計(jì)算列方向上的距離權(quán)值。FBWSC將行方向特征訓(xùn)練樣本集與列方向特征訓(xùn)練樣本集加權(quán)求和，從而完成對(duì)原始樣本數(shù)據(jù)的特征提取。在ORL、FERET以及Yale人臉庫上實(shí)驗(yàn)結(jié)果表明，文中提出的模糊雙向加權(quán)求和準(zhǔn)則特征提取方法用于人臉識(shí)別具有較高的識(shí)別率。
　　(4)FDLPP算法及其在人臉識(shí)別中的應(yīng)用。利用最大間距準(zhǔn)則(MMC)將局部