基于非張量積小波及改進(jìn)二維主成分分析的人臉識(shí)別算法研究.pdf

1、人臉識(shí)別是一項(xiàng)通過(guò)分析比較人臉視覺(jué)特征信息進(jìn)行身份鑒別的計(jì)算機(jī)技術(shù)，早在20世紀(jì)60年代就引起了人們的研究興趣．近年來(lái)，該項(xiàng)技術(shù)在安全驗(yàn)證系統(tǒng)，檔案管理系統(tǒng)，信用卡驗(yàn)證，人機(jī)交互系統(tǒng)等領(lǐng)域都有一定范圍的應(yīng)用．然而要開(kāi)發(fā)出真正魯棒、實(shí)用的人臉識(shí)別系統(tǒng)仍是一大挑戰(zhàn)，需要解決大量的關(guān)鍵問(wèn)題，尤其需要研究高效的人臉特征描述方法及相應(yīng)的高精度核心識(shí)別算法． 本文就人臉特征的描述與提取提出了一種基于非張量積小波和改進(jìn)二維主成分分析技術(shù)的新的

2、人臉識(shí)別方法．該方法運(yùn)用最近構(gòu)造出的非張量積小波，研究其有關(guān)性質(zhì)，應(yīng)用于人臉的特征提取與描述．我們利用非張量積小波分解的低頻系數(shù)描述人臉特征，改善了可分小波用于人臉特征描述時(shí)信息冗余及對(duì)背景噪聲敏感的狀況，更加有效的提取了人臉特征．此外，為了降低計(jì)算復(fù)雜度，我們還改進(jìn)了二維主成分分析方法，進(jìn)一步用于人臉特征的提取．實(shí)驗(yàn)結(jié)果顯示，相較于傳統(tǒng)的人臉識(shí)別算法，該算法具備較好的識(shí)別率和穩(wěn)定性，尤其在針對(duì)背景噪聲，光照條件，表情變化等問(wèn)題的表現(xiàn)上

3、有一定程度的提高，取得了較令人滿意的識(shí)別效果． 另外，針對(duì)人臉識(shí)別中分類器的設(shè)計(jì)問(wèn)題，我們提出了一種基于密度混合模型的批處理競(jìng)爭(zhēng)懲罰最大期望算法．這種方法具備自動(dòng)選擇模型的功能，解決了自適應(yīng)算法中不易選擇學(xué)習(xí)率的問(wèn)題．該算法對(duì)高維數(shù)據(jù)也具備良好的分類效果，我們對(duì)其在人臉識(shí)別中的應(yīng)用做了簡(jiǎn)要討論． 本文共分為五個(gè)部分：第一部分，介紹了人臉識(shí)別研究現(xiàn)狀及幾種主要的人臉識(shí)別算法．第二部分，介紹了小波基本概念及新的非張量積小波的