基于改進(jìn)FDA和RBF神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別研究.pdf

1、隨著科技的發(fā)展，人們對(duì)信息安全性的要求越來(lái)越高，人臉識(shí)別以其直接、友好、方便的特點(diǎn)，成為生物識(shí)別領(lǐng)域的研究熱點(diǎn)。結(jié)合統(tǒng)計(jì)理論、機(jī)器學(xué)習(xí)和信息論，研究者提出了許多人臉識(shí)別算法，其中基于子空間分析和頻域變換的人臉識(shí)別方法應(yīng)用最為廣泛。
　　 本文首先介紹了人臉識(shí)別方法的研究現(xiàn)狀、關(guān)鍵步驟、人臉識(shí)別算法性能的評(píng)價(jià)指標(biāo)，進(jìn)而對(duì)比研究了基于子空間分析和基于2DGabor變換的人臉識(shí)別效果，并研究了不同分類(lèi)器對(duì)識(shí)別效果的影響，最后了研究了基

2、于改進(jìn)FDA和RBF神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別方法。
　　 基于子空間的方法是目前應(yīng)用最為廣泛的人臉識(shí)別方法，本文對(duì)比研究了主成分分析法、二維主成分分析法、線(xiàn)性鑒別分析法、奇異值分解和獨(dú)立成分分析在識(shí)別率和識(shí)別時(shí)間兩方面的性能，認(rèn)為FDA的性能優(yōu)于其他子空間方法。
　　 多通道Gabor變換可以很好地模擬人眼識(shí)別的機(jī)理，是提取局部特征的有效方法。本文研究了多通道Gabor變換的原理，設(shè)計(jì)了5個(gè)尺度8個(gè)頻率共40個(gè)通道的Gabor

3、濾波器組用來(lái)采集人臉灰度圖像的Gabor幅值特征，由于Gabor特征個(gè)數(shù)多，特征提取過(guò)程耗時(shí)很長(zhǎng)，而且直接分類(lèi)難度大。
　　 分類(lèi)器的設(shè)計(jì)對(duì)識(shí)別效果也有重要的影響，本文在研究特征提取算法時(shí)，均采用3階最近鄰分類(lèi)器進(jìn)行分類(lèi)，距離分類(lèi)器是最簡(jiǎn)單的分類(lèi)器。第四章研究了貝葉斯分類(lèi)器、RBF神經(jīng)網(wǎng)絡(luò)分類(lèi)器和支持向量機(jī)對(duì)PCA特征的分類(lèi)效果，仿真實(shí)驗(yàn)證明基于機(jī)器學(xué)習(xí)的RBF神經(jīng)網(wǎng)絡(luò)在人臉識(shí)別方面的綜合分類(lèi)效果要優(yōu)于其他分類(lèi)方法。