基于張量的人臉識別算法研究.pdf

1、當(dāng)今社會對于身份信息安全問題越來越重視，但信息化條件下的身份信息更多地被數(shù)據(jù)化和隱秘化，對于傳統(tǒng)身份識別技術(shù)的改進(jìn)已經(jīng)成為了當(dāng)務(wù)之急。隨著計算機技術(shù)和生物識別技術(shù)的不斷發(fā)展，人臉、指紋和虹膜等生物特征已被廣泛應(yīng)用于信息安全的認(rèn)證?？梢哉f，基于生物特征的信息安全驗證技術(shù)已經(jīng)具備了商業(yè)化前景和逐步取代傳統(tǒng)驗證（身份證驗證等）的能力。而作為當(dāng)中的翹楚—人臉識別，由于人臉的唯一性、非接觸性、不可復(fù)制性、隱蔽性和簡易性等優(yōu)點，更加被認(rèn)可。特征提取

2、作為人臉識別中的核心步驟，需要從原始高維的人臉圖像中提取最有利于分類識別的特征和降低原始人臉圖像數(shù)據(jù)的特征維數(shù)，以提升人臉識別的識別率和效率。本文主要圍繞基于子空間的特征提取，引入張量的表示，提出了基于張量的人臉識別算法，主要研究工作如下：
　?。?）目前主流的人臉數(shù)據(jù)表示方法為向量和矩陣。將人臉圖像向量化即把圖像矩陣轉(zhuǎn)化成一維的列向量或行向量，這會導(dǎo)致向量化后的樣本數(shù)據(jù)的維數(shù)非常高，而且破壞了人臉圖像的空間結(jié)構(gòu)，降低人臉識別的效

3、果?；诰仃嚨姆椒m然可以直接使用人臉圖像矩陣，但忽略了RGB顏色分量間的相關(guān)性，并且在一定程度上也破壞了原始圖像的空間結(jié)構(gòu)?，F(xiàn)實生活中，許多的物體都能夠很自然的表示成張量。因此，引入張量來表示一幅RGB彩色圖像，提出了RGB彩色人臉圖像的張量模型，其中張量的1模方向表示圖像的行方向，2模表示列方向，3模表示RGB分量方向。該模型不僅可以同時保持圖像色彩信息分量間相關(guān)性和圖像信息的空間關(guān)系，還可以融入色彩信息，無需對人臉圖像進(jìn)行灰度化操

4、作?；?D-PCA的彩色人臉識別雖然取得了一定的成果，但其色彩信息矩陣模型丟失部分原始數(shù)據(jù)信息。因此首先提出一個基于張量1模展開（垂直方向）的新色彩信息矩陣模型，該模型僅破壞了R、G、B三個分量間相關(guān)性，保持了各像素點之間的空間關(guān)系，保留了更多的原始圖像數(shù)據(jù)的信息，實驗結(jié)果也表明新模型的識別率更高。其次，將2D-PCA擴展至張量空間，采用RGB彩色人臉圖像的張量模型，提出Tensor PCA。該方法通過分解n?？傮w散布矩陣獲得三個由最

5、大特征值對應(yīng)的特征向量組成的將張量樣本投影到低維子空間的投影矩陣，并構(gòu)造交替最小二乘法的迭代過程對矩陣進(jìn)行優(yōu)化得到最優(yōu)投影矩陣，使得投影后的樣本間的距離盡可能的大，以達(dá)到最佳分類識別的效果。測試結(jié)果表明，Tensor PCA不僅識別正確率得到了提升，還降低了訓(xùn)練時間。
　?。?）針對LPP無法有效利用人臉圖像判別信息的問題，首先將判別信息融入雙邊二維局部保持投影算法（(2D)2-LPP），提出雙邊二維判別局部保持投影算法（(2D)

6、2-DLPP）。該算法根據(jù)帶有判別信息的準(zhǔn)則函數(shù)，分別對行方向和列方向進(jìn)行2D-LPP，獲得兩個投影矩陣。同時，為了更好地保持圖像的空間結(jié)構(gòu)和融入有利于提升分類正確率的色彩信息引入三階張量表示，提出張量判別局部保持投影算法（TDLPP）。它利用張量距離和k近鄰直接對圖像張量構(gòu)建擁有判別信息的類內(nèi)和類間相似矩陣，通過迭代分解張量下的準(zhǔn)則函數(shù)來獲得三個方向上的最優(yōu)投影矩陣。實驗結(jié)果表明，相比于(2D)2-LPP，(2D)2-DLPP和TDL