人臉識(shí)別中基于核的方法的研究.pdf

1、人臉是人們社會(huì)交流中所關(guān)注的焦點(diǎn)，在辨別身份和傳遞感情方面起著重要的作用。盡管人們能夠毫不費(fèi)力地識(shí)別出人臉及其表情變化，然而利用計(jì)算機(jī)對(duì)人臉圖像進(jìn)行自動(dòng)識(shí)別卻是一個(gè)相當(dāng)困難的問題。另一方面，由于人臉識(shí)別技術(shù)在視頻監(jiān)控、訪問控制、信用卡驗(yàn)證、多媒體數(shù)據(jù)庫檢索以及安全等領(lǐng)域有著廣闊的發(fā)展前景，因此在過去的20多年里，人臉識(shí)別一直是模式識(shí)別和計(jì)算機(jī)視覺領(lǐng)域研究的熱點(diǎn)。 特征提取和分類器設(shè)計(jì)是人臉識(shí)別中兩個(gè)關(guān)鍵性的問題，本論文針對(duì)這

2、兩方面的問題，嘗試將近年來模式識(shí)別領(lǐng)域中的新方法一核方法應(yīng)用于人臉識(shí)別問題研究中，取得了一些有意義的結(jié)果。 本文的主要工作包括： 1、提出了一種小指數(shù)點(diǎn)積核函數(shù)。我們討論了基于距離和點(diǎn)積的兩種核函數(shù)，以及為了達(dá)到更好的分類效果，核函數(shù)應(yīng)能夠具有：(1)在原始空間中相關(guān)性很強(qiáng)的樣本映射到高維空間后，其相關(guān)性變?nèi)酰?2)原始空間中相關(guān)性很弱的樣本映射到高維空間后其相關(guān)性不能減弱的太快，仍需要有微弱的相關(guān)性。在此基礎(chǔ)上，提

3、出了更好的滿足這些性能的小指數(shù)點(diǎn)積核函數(shù)，并將應(yīng)用到主分量分析中。在AR和ORL人臉庫上的實(shí)驗(yàn)結(jié)果表明：相對(duì)于多項(xiàng)式核函數(shù)，應(yīng)用小指數(shù)點(diǎn)積核函數(shù)的核主分量分析的人臉識(shí)別有較低的誤識(shí)率，且對(duì)光照、姿態(tài)及面部表情變化有更好的魯棒性。 2、結(jié)合小指數(shù)點(diǎn)積KPCA方法，本文提出小指數(shù)點(diǎn)積KPCA+零空間的人臉識(shí)別方法。首先利用小指數(shù)點(diǎn)積核主分量分析(KPCA)提取人臉樣本的非線性特征，提高對(duì)光照、姿態(tài)及面部表情變化的魯棒性，然后構(gòu)造訓(xùn)

4、練樣本的類內(nèi)散布矩陣零空間，在此零空間內(nèi)找到令類間離散度最大的投影方向，往此方向投影得到人臉樣本的最優(yōu)分類特征矢量。應(yīng)用此方法在AR人臉庫和ORL人臉庫上實(shí)驗(yàn)結(jié)果表明：這種方法的識(shí)別率和對(duì)光照、姿態(tài)及面部表情變化的魯棒性對(duì)比Fisher臉方法有顯著提高。 3、本文提出了一種快速的wm-支持向量機(jī)人臉分類方法。構(gòu)造一個(gè)支持向量機(jī)，將訓(xùn)練的人臉樣本分為男人和女人兩類訓(xùn)練集，然后在兩類訓(xùn)練樣本集中再分別構(gòu)造兩個(gè)一對(duì)多策略的多類支持向量