基于矩陣主成分分析的人臉識(shí)別方法研究.pdf

1、傳統(tǒng)的生物特征識(shí)別技術(shù)是利用生物本身?yè)碛械?、能唯一?biāo)識(shí)其身份的生理或行為特征進(jìn)行身份驗(yàn)證的技術(shù)，在某種程度上，所提取的特征都是“人人擁有、人各不同、長(zhǎng)期不變”的。作為一種與生俱來(lái)的生物特征，人臉的唯一性和不易被替換、復(fù)制等優(yōu)良的先決條件，使得人臉識(shí)別成為生物特征識(shí)別和模式識(shí)別中最受關(guān)注的技術(shù)。應(yīng)用領(lǐng)域包括：門(mén)衛(wèi)系統(tǒng)、電子商務(wù)、超語(yǔ)言學(xué)、文化背景研究、機(jī)器人研制、測(cè)謊、智能環(huán)境、招聘測(cè)試、多種方式人機(jī)接口、智慧玩具等等。
　　 本

2、文首先討論了人臉識(shí)別的主要研究?jī)?nèi)容，對(duì)其研究意義及研究現(xiàn)狀進(jìn)行了回顧，研究了常用的人臉識(shí)別方法，對(duì)主成分分析、矩陣主成分分析、小波包變換等識(shí)別理論進(jìn)行了介紹和比較。在此基礎(chǔ)上，本文提出了一種改進(jìn)的類(lèi)內(nèi)2DPCA重建的方法，該方法直接對(duì)二維圖像矩陣進(jìn)行處理，避免了將圖像拉伸成一維向量而造成計(jì)算復(fù)雜度高的問(wèn)題。首先對(duì)訓(xùn)練圖像依類(lèi)別進(jìn)行2DPCA降維和特征提取，得到每一類(lèi)的投影空間，然后將待識(shí)別圖像分別在各類(lèi)訓(xùn)練圖像的投影空間中進(jìn)行重建。由于

3、圖像在同類(lèi)別的投影空間中的重建誤差最小，因此通過(guò)計(jì)算重建圖像與原圖像的差別，即可判定圖像所屬的類(lèi)別。本文在MATLAB實(shí)驗(yàn)平臺(tái)上對(duì)改進(jìn)方法和傳統(tǒng)的類(lèi)內(nèi)PCA重建方法進(jìn)行對(duì)比，實(shí)驗(yàn)結(jié)果顯示，改進(jìn)的方法在保證實(shí)時(shí)性的基礎(chǔ)上提高了識(shí)別率。其次，本文對(duì)基于小波變換的人臉識(shí)別方法進(jìn)行了改進(jìn)。傳統(tǒng)的理論認(rèn)為，圖像經(jīng)小波變換后，主要內(nèi)容集中在低頻分量，忽略了高頻分量攜帶的輪廓和邊緣信息。本文針對(duì)這一不足，提出了改進(jìn)的小波包融合+2DPCA方法，先對(duì)圖