基于虛擬圖像生成與融合HMM的單樣本人臉識別技術研究.pdf

1、人臉識別技術因其具有重要的科學意義和實用價值，在近幾年得到了研究者的高度重視，成為當前模式識別和人工智能領域的一個研究熱點。人臉識別一般分為人臉檢測、特征抽取和模式分類三個部分。人臉識別過程中會遇到各種各樣的難題，其中樣本維數(shù)高、類別數(shù)大以及每人只能提供少量的訓練樣本都是亟待解決的難題。 本文針對以上問題進行了研究，在綜合分析了以往的人臉識別方法的基礎上，從特征提取、虛擬圖像生成和分類識別三個方面著手，提出了基于虛擬圖像生成和融

2、合隱馬爾可夫模型(HMM)的單樣本人臉識別算法，并設計實現(xiàn)了相應的原型系統(tǒng)。本文的工作主要包括： (1)提出了一種融合雙向二維線性鑒別分析(B-2DIDA)和局部奇異值對稱平均(SL-SVD)的人臉識別方法。該方法首先通過B-2DLDA對整幅圖像進行特征提??；然后利用SL-SVD提取圖像的局部特征；最后，對兩種方法提取到的特征利用基于加權歐式距離的最近鄰分類器進行融合識別。該方法能夠提取較好的鑒別特征，并有效結合了局部和整體的特

3、征，在一定程度上克服了光照、表情、姿態(tài)的影響，對單樣本情況下的特征提取有很大的幫助。 (2)提出了一種三層虛擬樣本圖像生成算法。該算法通過分析現(xiàn)有虛擬圖像生成方法的優(yōu)缺點，結合了幾何變換算法、代數(shù)變換算法與空間分布算法，首先采用奇異值擾動方法突出人臉的特征；然后采用幾何變換方法增強姿態(tài)、尺度的變化，增加樣本數(shù)量；最后采用基于空間分布的方法擴張樣本以改善樣本分布，使虛擬樣本分布更逼近真實分布，為解決單樣本問題奠定了基礎。

4、(3)提出了一種融合HMM分類識別算法。為了克服傳統(tǒng)SVD特征包含信息量偏少和LDA特征幾何變化敏感性的缺點，使B-2DLDA特征的全局性和SL-SVD特征的局部性互為補充，在一維HMM的基礎上，根據(jù)信息融合理論，設計了基于B-2DLDA與基于SL-SVD的兩個一維HMM，并根據(jù)不同的權重進行融合，以提高最終的分類識別效果。該方法既彌補了原有一維HMM的精度不夠問題，又避免了二維HMM的算法復雜性問題。 (4)采用面向對象思想設