多光譜圖像人臉識(shí)別方法的性能評(píng)估.pdf

1、人臉識(shí)別技術(shù)作為典型的生物識(shí)別技術(shù)在商業(yè)、司法、監(jiān)控以及視頻檢索等領(lǐng)域有著廣泛的應(yīng)用。與其他人體生物特征相比，人臉數(shù)據(jù)的采集具有直接、友好、方便的優(yōu)點(diǎn)，但是采集到的數(shù)據(jù)一般為單光譜數(shù)據(jù)，其中可見(jiàn)光成像易受光照變化的影響，而熱紅外成像對(duì)目標(biāo)溫度的變化敏感，兩者都有不足之處，所以圖像融合是改善圖像質(zhì)量，提高識(shí)別率的有效方法。
　　 本文使用了像素級(jí)的三種融合方法對(duì)可見(jiàn)光和紅外光圖像進(jìn)行了融合，并使用了“熵”、“交叉熵”和“互信息量”

2、客觀指標(biāo)對(duì)融合圖像進(jìn)行了評(píng)價(jià)。此外，實(shí)驗(yàn)使用了主成分分析法、線性判別法和基于隨機(jī)投影的1-范數(shù)最小化稀疏表征的人臉識(shí)別方法對(duì)多光譜數(shù)據(jù)進(jìn)行了識(shí)別，并利用CSU(Colorado StateUniversity)人臉識(shí)別評(píng)估系統(tǒng)的分析工具對(duì)識(shí)別結(jié)果進(jìn)行了準(zhǔn)確性評(píng)估。實(shí)驗(yàn)表明，基于隨機(jī)投影的1-范數(shù)最小化稀疏表征的人臉識(shí)別方法能用較少的訓(xùn)練樣本表征測(cè)試樣本，有效的隔離遮擋，在各種光譜數(shù)據(jù)下的識(shí)別率都是最高的。
　　 在算法穩(wěn)定性評(píng)估

3、方面，由于一般的Bootstrap評(píng)估方法要求數(shù)據(jù)樣本滿足獨(dú)立同分布的假設(shè)，而本文使用的人臉數(shù)據(jù)對(duì)這種假設(shè)不成立，因此，本文采用了類Bootstrap方法對(duì)三種人臉識(shí)別算法的穩(wěn)定性進(jìn)行了評(píng)價(jià)，穩(wěn)定性指標(biāo)使用了相等錯(cuò)誤率的置信區(qū)間。為了對(duì)比類Bootstrap評(píng)估方法與傳統(tǒng)的Bootstrap方法的區(qū)別，本文分別進(jìn)行了50次和200次隨機(jī)抽樣的統(tǒng)計(jì)實(shí)驗(yàn)，實(shí)驗(yàn)表明類Bootstrap評(píng)估方法較之傳統(tǒng)的Bootstrap方法置信區(qū)間小，可信度