基于子空间分析的人脸识别算法研究（1）(可复制论文).pdf

中文摘要生物特征识别技术是利用人的生物特征硖卣骰蛐形L卣通过计算机来判且不会被遗忘或丢失,具有先天的便利性和技术上的高效性,因此,生物特征识象中的有效信息进行个人身份识别。与其它生物特征识别技术相比,人脸识别具法之一。本文以基于子空间分析的人脸特征提取和信息融合为重点进行了相关研=饩龌谙咝耘斜鸱治龅娜肆呈侗鹚惴ㄖ械男⊙疚侍猓疚奶岢隽送,椒āJ紫戎本的类内散度矩阵5闹瓤占浼住:土憧占浼祝耗谔崛×嚼嗯斜鹛卣鱀和于模糊测度与模糊积分的决策级融合进行人脸识别。.算法在进行人脸随着网络与通讯技术的飞速发展和人类物理与虚拟活动空间的不断扩展,人们对于信息安全性的要求同益提高,需要进行人的身份识别的场合也越来越多。别一个人的身份。生物特征具备“人人拥有、人各不同、长期不变奶氐悖别技术已经成为当今身份识别的一种有效手段。人脸识别技术是生物特征识别技术领域中重要的组成部分,它根据人面部影有方便快捷、非接触无侵犯性采集、可交互性等诸多优势,已成为了生物特征识别技术中的一个研究热点,并且具有广阔的应用前景。在当今众多的特征提取及人脸识别算法中,子空间分析算法因其计算简单、有效等特性引起了人们的广泛注意,现已成为人脸图像特征提取和识别的主流方究,提出了几种高效的人脸特征提取和识别的算法。本文主要工作及创新如下:全判别分析明了基于判别准则的所有判别信息都存在于样本总散度矩阵闹瓤占浼祝中,可以在不损失任何有用判别信息的前提下,将搜索范围从高维的原始数据空间缩小到较低维的甲,空间,大大降低了计算复杂度和存储复杂度。其次分别从样这两类特征构成了样本基于判别准则的完整描述。岢鲆恢只谡逵刖植刻卣鞯耐耆獸斜鸱治龊湍:瓼的人脸识别算法。眼部局部图像包含有大量的判别信息,它受表情变化的影响相对较小,而且还不会受到有无胡须、有无口罩以及张口闭口的影响,因此针对人脸识别而言,眼部局部特征是整体面部特征的重要补充。.算法首先在预处理阶段根据两眼的坐标,剪裁出整体面部图像和眼部局部图像;然后将它们分别进行基于完全判别分析的最佳投影变换,得到四类不同类型的判别特征:整体⒄錎、局部途植緿;最后基识别时,综合考虑了包含于整体面部和眼部局部的判别信息,以及存在于V瓤
知识水坝***@pologoogle为您整理
和类问散度2煌琇ㄒ辶四芄淮硎菥植拷峁固卣鞯木植坷嗄谏⒍萻:和局部类问散度海以贔斜鹱荚蛳拢咕植坷嗄谏⒍茸钚〉耐保植岢觥只谛〔ǚ纸獾耐耆獸斜鸱治龊湍:瓼的二维小波分解,选择低频分量和合适的高频分量构成表示人脸的低频特征和高等干扰的影响不同,通过调整各类特征所对应的模糊密度,就可以尽可能的利用入脸内在的判别特征,减小干扰因素的影响,得到较为理想的识别结果。岢鲆恢只谡逵刖植康耐耆ê薋斜鸱治龊湍:征空问进行特征提取的海量计算。,首先整体面部图像和眼部局部问和零空间的判别信息,给出最终的识别结果。.人脸识别算法可以将小样本问题由不利因素转化为有利因素,在光照变化或表情变化情况下,通过调整各类特征所对应的模糊密度,得到较理想的识别结果。的人脸识别算法。在瓼肆呈侗鹚惴ㄖ校紫冉肆惩枷窠惺实辈愦频特征;然后将这两类特征分别进行基于的最佳投影变换,得到四类判别特征:低频⒌推礑、高频透咂礑;最后基于模糊积分的决策级融合进行人脸识别。因为,小波分解得到的低频和高频子图受表情、光照、;诤擞成的非线性子空问分析方法是当今人脸识别领域中的主流方法之一,该方法很好的解决了人脸图像在原始样本空间中分布的非线性问题,并且可以通过核方法避免直接在高维特空间性俳型耆獸斜鸱治觯崛⊥、整体、局部和局部;最后基于模糊测度与模糊积分的决策级融合进行人脸识别。实验结果表明,瓼屎嫌诟丛踊肪诚碌娜脸识别问题,在人脸样本受到光照、表情等干扰因素影响时也能获得较理想的识别效果。=饩鋈肆逞驹谠佳究占涞姆窍咝粤餍吻度胛侍猓疚奶岢隽司植判别分析算法。与判别分析中具有全局意义上的类内散度类间散度达到最大,从而提高样本的可分性。为解决小样本问题,本文提出两种基于的人脸识别算法:诰植縁瓼的人脸识别算法,瓼惴ㄊ紫然赑变换对原始样本进行降维,以确保局部类内散度矩阵非奇异,然后在浠蛔涌占淠诮芯植縁斜鸱治觥基于
知识水坝***@pologoogle为您整理
则下任何有用的判别信息,首先在旱闹瓤占渲刑崛⊙镜牡谝焕嗑植颗斜鹦畔ⅲ同时在旱牧憧占渲刑崛⊙镜牡诙嗑植颗斜鹦畔ⅲ蝗缓蠡谔卣魅诤辖嚼局部完全判别分析娜肆呈侗鹚惴āNA瞬凰鹗Щ贔局部判别信息融合起来进行人脸识别。实验结果表明,本文所提出的瓼算法和惴ḿ瓤悸橇耸莸木植拷峁固卣饔挚悸橇搜镜目煞中裕玫奖较理想的识别结果。关键词:生物特征识别:人脸识别;特征提取;子空间分析;