基于群體智能的PCA人臉識別算法優(yōu)化研究.pdf

1、當(dāng)前社會運用最多的身份識別技術(shù)是以證件和身份密碼為主的傳統(tǒng)識別方法，然而這些識別方法存在著很大的漏洞和不安全性。人臉識別這一生物識別技術(shù)利用生物秘鑰這一不可復(fù)制的特性，進(jìn)行身份識別，具有非接觸，直觀和友好等優(yōu)點。基于主成分分析方法（簡稱PCA）的人臉識別算法是最經(jīng)典的算法之一。PCA以K-L變換為基礎(chǔ)，通過計算人臉圖像矩陣的協(xié)方差矩陣，來獲取圖像的特征值，選取較大特征值對應(yīng)的特征向量，構(gòu)成人臉特征向量子空間，最后將訓(xùn)練臉圖像和測試臉圖像

2、在特征向量子空間上進(jìn)行投影，通過距離比對進(jìn)行人臉識別。但是PCA人臉識別算法存在穩(wěn)定性差，識別率低等缺點。針對這些問題，本文提出相應(yīng)的改進(jìn)方法，主要研究內(nèi)容如下:
　　(1)簡要介紹了人臉識別的研究背景和意義以及國內(nèi)外研究現(xiàn)狀。
　　(2)主要介紹了圖像預(yù)處理、PCA人臉識別算法的基礎(chǔ)—K-L變換、PCA人臉識別的具體步驟，并分析了PCA人臉識別算法的優(yōu)缺點。
　　(3)在傳統(tǒng)遺傳算法優(yōu)化PCA人臉識別算法的基礎(chǔ)上進(jìn)行

3、改進(jìn)，通過引入模擬退火算法和混合蛙跳算法，提出一種基于模擬退火算法和混合蛙跳算法的遺傳PCA算法。將改進(jìn)后的人臉識別算法在ORL人臉庫上進(jìn)行了驗證。實驗證明，改進(jìn)后的算法能避免算法的“早熟”，更快搜索到全局最優(yōu)值，提高了算法的收斂速度和人臉識別率。
　　(4)在二進(jìn)制粒子群優(yōu)化人臉識別算法中的基礎(chǔ)上進(jìn)行了改進(jìn)，提出了一種基于二進(jìn)制粒子群算法的遺傳PCA算法。將改進(jìn)后的算法在ORL人臉庫上進(jìn)行了驗證。實驗證明，改進(jìn)后的算法使粒子個體