人臉自動(dòng)識別方法的研究.pdf

1、在生物特征識別中，人臉識別技術(shù)占有極為重要的地位，它是模式識別與人工智能的研究熱點(diǎn)之一。人臉識別在安全驗(yàn)證系統(tǒng)、信用卡驗(yàn)證、醫(yī)學(xué)、檔案管理、視頻會議、人機(jī)交互、公安系統(tǒng)等方面有著巨大的應(yīng)用前景。 本文針對基于PCA算法的人臉識別方法進(jìn)行了深入的研究。論文首先研究了PCA方法用于人臉識別的基本原理和整個(gè)過程，分析了該方法的優(yōu)缺點(diǎn)，并在此基礎(chǔ)上，引入了二維PCA方法，該方法保留了人臉特征的結(jié)構(gòu)信息，使正確識別率得以提高。由于各種因素

2、的影響，如表情、光照、人臉特征隨年齡增長的變化等因素，人臉識別問題不是一個(gè)簡單的線性分類問題，因此本文引入了核PCA方法，該方法通過特征空間的轉(zhuǎn)換，使分類問題更接近線性分類問題，從而提高了識別率。大量實(shí)驗(yàn)結(jié)果也證明了這一點(diǎn)。在實(shí)際應(yīng)用中，有時(shí)人臉圖像是實(shí)時(shí)輸入的，需要對訓(xùn)練樣本特征不斷更新，因此本文引入增量PCA方法，該方法無需計(jì)算協(xié)方差，并且能夠?qū)σ来屋斎氲臉颖驹隽坑?jì)算其主元，通過迭代方法逐步收斂到待求特征向量。 小波變換低頻

3、子帶包含了原圖像的主要信息，人臉主要表情特征體現(xiàn)在眼睛和嘴巴等水平特征上；小波變換方法和PCA方法均起到降維作用，但單獨(dú)使用均具有一定的局限性，因此本文提出將小波變換低頻子帶系數(shù)結(jié)合水平邊緣細(xì)節(jié)子帶系數(shù)作為訓(xùn)練樣本與PCA、2DPCA、KPCA、CCIPCA四種方法相結(jié)合進(jìn)行人臉識別。由于小波變換方法降低了圖像維數(shù)，并且降低了干擾信息，因此提高了識別率及識別速度。 人臉識別通常是一種小樣本模式識別，而特征提取方式和分類需要足夠多