人臉識(shí)別的子空間方法研究與實(shí)現(xiàn).pdf

1、人臉識(shí)別技術(shù)是目前生物特征識(shí)別中最受人們關(guān)注的一個(gè)分支，是計(jì)算機(jī)視覺與模式識(shí)別領(lǐng)域非?；钴S的一個(gè)研究方向。人臉圖像的特征提取是人臉識(shí)別技術(shù)非常重要的組成部分，對(duì)于識(shí)別效果起著舉足輕重的作用。 子空間分析方法是近年來(lái)受到廣泛重視的特征提取方法，其思想就是根據(jù)一定的性能目標(biāo)來(lái)尋找一種線性或非線性的空間變換，把原始數(shù)據(jù)壓縮到一個(gè)低維子空間中。數(shù)據(jù)在子空間中的分布更加緊湊，可分性好，計(jì)算復(fù)雜度也得到了很大降低，并為數(shù)據(jù)的描述提供了更好的

2、手段。本文系統(tǒng)地分析了幾種主要的子空間方法，并將其成功應(yīng)用到計(jì)算智能實(shí)驗(yàn)室MutiBIS生物特征識(shí)別系統(tǒng)的人臉識(shí)別子系統(tǒng)之中。 然而任何子空間方法都可能對(duì)人臉特征提取得不夠充分。本文模仿人類視覺系統(tǒng)的特點(diǎn)，提出了融合局部和整體特征子空間的算法。首先通過主元分析算法(PCA)提取全局特征，利用帶稀疏限制的非負(fù)矩陣分解算法(NMFs)提取局部特征。然后分別在兩個(gè)子空間上使用線性判決分析算法(LDA)以提高算法對(duì)人臉光照和表情的自適應(yīng)

3、能力。最后在特征提取層和匹配值層設(shè)計(jì)了融合算法，分別使用了向量連接法和自適應(yīng)模糊神經(jīng)推理系統(tǒng)(ANFIS)。試驗(yàn)表明，該算法可以較好的解決人臉識(shí)別中的魯棒性問題，而且可以提高系統(tǒng)的識(shí)別率。 本文首先介紹了人臉識(shí)別的基本概念、應(yīng)用范圍、存在問題及發(fā)展方向。其次闡述了子空間方法的基本概念、原理及一些常見的算法。之后提出了融合兩個(gè)子空間特征的改進(jìn)算法，并詳細(xì)討論了該新算法的設(shè)計(jì)思路、設(shè)計(jì)過程及性能試驗(yàn)。再次介紹了本實(shí)驗(yàn)室基于子空間方法