DWT和FAST PCA與SVM在人臉識(shí)別技術(shù)中的應(yīng)用.pdf

1、自動(dòng)人臉識(shí)別系統(tǒng)是當(dāng)今模式識(shí)別、計(jì)算機(jī)視覺、人工智能等領(lǐng)域的研究熱點(diǎn)之一，由于人臉信息可以通過攝像頭等非接觸的方式獲得，因此特別適合作為身份識(shí)別認(rèn)證的依據(jù)。在當(dāng)前科學(xué)技術(shù)飛速發(fā)展的社會(huì)，人們迫切需要一種全新的、可靠的、安全的防護(hù)系統(tǒng):這種全新的安全保護(hù)系統(tǒng)不僅能夠保障人們的財(cái)產(chǎn)和生命的安全，而且又不影響人們的正常生活。由于人臉識(shí)別能夠很好地滿足這些要求，因此這項(xiàng)技術(shù)獲得了非常廣泛的實(shí)際應(yīng)用。
　　 本文研究的人臉識(shí)別算法在特征提

2、取階段，采用離散小波分解和快速主成分分析法相結(jié)合的算法進(jìn)行特征提取;在分類階段，采用基于改進(jìn)的二叉樹算法的支持向量機(jī)進(jìn)行分類。通過在MATLAB7.10.0(R2010a)軟件上對(duì)YALE、ORL人臉庫進(jìn)行仿真訓(xùn)練測(cè)試，驗(yàn)證了本系統(tǒng)算法不僅在識(shí)別率上有所提高，而且相對(duì)于其它算法具有較快的識(shí)別速度。
　　 本文主要內(nèi)容如下:
　　 (1)由于噪聲，光照，位置等一些客觀因素成為影響人臉圖像識(shí)別系統(tǒng)的“瓶頸”問題，通過攝像頭采

3、集后的人臉圖像需要進(jìn)行適當(dāng)?shù)念A(yù)處理，包括灰度化處理、圖像濾波去噪、幾何歸一化、光照補(bǔ)償?shù)?，這樣可以消除客觀因素對(duì)人臉識(shí)別系統(tǒng)的影響。最后本文還介紹了常用的人臉檢測(cè)算法，通過人臉檢測(cè)技術(shù)可以實(shí)時(shí)準(zhǔn)確的定位出人臉的大致位置。
　　 (2)在人臉特征提取階段，我們研究了一種結(jié)合離散小波變換和快速 PCA的特征提取算法。因傳統(tǒng)PCA算法需將人臉圖像從二維矩陣轉(zhuǎn)變?yōu)橐痪S向量，這樣使維度增大導(dǎo)致樣本協(xié)方差矩陣（樣本總體散布矩陣）(S)的特征

4、值和特征向量的計(jì)算相對(duì)復(fù)雜。為此，對(duì)傳統(tǒng)的PCA算法改進(jìn)得到快速PCA算法。在特征提取階段，首先采用一階離散小波分解提取出低頻子圖，然后用快速PCA算法進(jìn)行降維提取出主要的特征信息。通過實(shí)驗(yàn)測(cè)出此算法的特征提取時(shí)間，通過對(duì)比可以看出此算法的特征提取時(shí)間大為縮減。
　　 (3)在分類器方面，我們重點(diǎn)研究了支持向量機(jī)(SVM)的基本原理，并通過我們構(gòu)建的二叉樹算法將支持向量機(jī)(SVM)推廣到處理多類別分類。由于支持向量機(jī)在解決非線性