基于小波變換和線性子空間的人臉識別技術(shù)研究.pdf

1、人臉識別技術(shù)是針對人的面部特征的一項生物特征識別技術(shù)，在信息認證、身份識別、人機交互等諸多領(lǐng)域都有著良好的應(yīng)用前景。但人臉特征自身的形變大，又易受到光照、角度等外界因素影響，人臉識別有著較高的研究難度和極廣的研究空間。近年來利用代數(shù)方法的人臉特征提取，受到國內(nèi)外廣大學者青睞，線性子空間即是其中最重要的方法。為此本文主要針對小波變換圖像特征和線性子空間的識別方法進行深入研究。
　　 論文首先了介紹人臉檢測的方法，并對使用Haar特

2、征和Adaboost級聯(lián)分類器的方法進行了深入研究。在Adaboost訓練算法的基礎(chǔ)上，使用特征距離對弱分類器選擇做了改進，并將該分類器與OpenCV已訓練好的人臉檢測分類器進行比較。
　　 其次研究了小波變換特性和二維小波變換的方法。由于小波交換有著多分辨率分析的優(yōu)點和對圖像進行不同頻率分解的能力，本文使用二維小波對圖像特征進行變換并降維。變換后，小波低頻分量保留了圖像近似信息，高頻分量包含圖像細節(jié)信息。
　　 論文還

3、討論了基于線性子空間兩種基本的特征提取方法PCA和LDA。在2D-LDA的基礎(chǔ)上，提出一種改進的2D-LDA方法。本文將改進的2D-LDA的分類特征和UPCA的描述特征進行組合，實現(xiàn)了對圖像分類和檢查分類正確性的功能。通過實驗比較該方法與單純使用UPCA或改進的2D-LDA的識別性能。
　　 論文最后在基于Haar特征和Adaboost級聯(lián)分類器的人臉檢測和基于小波變換和線性子空間的人臉識別的基礎(chǔ)上，提出一種人臉識別系統(tǒng)的設(shè)計方