復(fù)數(shù)矩陣LDA與2DLDA人臉識(shí)別算法研究.pdf

1、人臉識(shí)別是指通過分析人臉視覺特征信息來判斷人的身份的一種自動(dòng)化計(jì)算技術(shù)。最近幾十年，人臉識(shí)別隨著計(jì)算機(jī)處理信息水平的提高而有了很快的發(fā)展，為身份識(shí)別的自動(dòng)化發(fā)展提供了較好的解決方案。但人臉圖像信息量大，容易受到光照、角度等自然因素影響，需要采取較多的樣本圖像進(jìn)行比照或訓(xùn)練，并且必須對(duì)信息進(jìn)行篩選以降低計(jì)算的復(fù)雜度并提取關(guān)鍵判別信息?；诰€性子空間的2DLDA(二維線性判別分析)人臉識(shí)別算法能夠?qū)θ四槇D像數(shù)據(jù)降維，它將人臉圖像測(cè)試樣本變換

2、為二維矩陣并對(duì)其進(jìn)行列/行方向的二維線性判別分析，相對(duì)于其它人臉識(shí)別算法，這種算法的處理速度較快，識(shí)別率較高。本文主要研究如何改進(jìn)2DLDA來進(jìn)一步提高2DLDA算法的識(shí)別效果。本文主要工作如下：
　　(1)2DLDA和復(fù)數(shù)矩陣LDA都能夠?qū)煞N不同類型人臉圖像進(jìn)行信息融合。本文通過實(shí)驗(yàn)仿真在HFB人臉庫中對(duì)比了這兩種方法在可見光圖像和近紅外圖像信息融合方面的識(shí)別效果并分析了產(chǎn)生這種結(jié)果的原因。
　　(2)考慮待識(shí)別圖像較接

3、近該類樣本平均圖像的特點(diǎn)，本文提出了一種新的基于歐氏距離和平均臉的ED-AF分類器。該方法能夠通過權(quán)衡最近鄰和平均臉的共同影響，而糾正部分偏離較大的測(cè)試樣本的識(shí)別結(jié)果。在ORL人臉庫上的仿真實(shí)驗(yàn)結(jié)果證明該方法具有較好的識(shí)別效果。
　　(3)2DLDA對(duì)處理聚類性較強(qiáng)的人臉圖像數(shù)據(jù)效果比較好，而對(duì)于復(fù)合分布的數(shù)據(jù)則可能會(huì)錯(cuò)誤估計(jì)投影轉(zhuǎn)換矩陣，本文根據(jù)2DLDA原理，通過研究類內(nèi)離散度矩陣Sw和類間離散度矩陣Sb的定義，對(duì)Sw和Sb進(jìn)