基于雙中心羽化加權(quán)WPCA的人臉識別算法研究.pdf

1、人臉自動識別技術(shù)就是用計算機分析人臉圖像，從中提取有效的識別信息并自動鑒別的一種技術(shù)。人臉識別是生物識別技術(shù)的一種。而在個人生物特征中，指紋、虹膜、DNA等人體生物特征的身份驗證方法容易令使用者有受到侵犯的感覺，產(chǎn)生抵觸情緒，不適合一般場合的身份驗證。相比之下，最為方便、有效的部位首推人臉，用人臉特征進行身份驗證自然方便，易于為用戶接受，且其高度的唯一性使它的識別吸引了越來越多研究者的注意。 在人臉識別的主流算法中，基于主分量分

2、析(PCA)的特征臉方法，由于計算簡單，概念清晰易于實現(xiàn)，一直受到研究者的廣泛關(guān)注。但是傳統(tǒng)的主分量分析的方法還是有自己的弊端的。首先作為一種圖像的統(tǒng)計方法，圖像中的所有像素都被賦予了同等的地位，無視不同的特征在識別中所起的作用不同。其次，人臉在人臉空間的分布近似高斯分布，且普通人臉位于均值附近，而特殊人臉則位于分布邊緣。由此可見，越普通的人臉越難識別。 基于以上考慮，本論文在以下幾個方面有所創(chuàng)新： 1、在已有的經(jīng)典主分

3、量分析算法和加權(quán)主分量分析算法的基礎(chǔ)之上，改進并提出了一種新的基于雙中心羽化加權(quán)的加權(quán)主分量分析算法。對每維特征設(shè)定一個雙中心羽化函數(shù)作為加權(quán)函數(shù)，并以加權(quán)重建誤差最小為目標，計算出加權(quán)子空間，根據(jù)測試樣本點到加權(quán)子空間的距離進行分類。 2、對提出的基于雙中心羽化加權(quán)WPCA人臉識別算法的參數(shù)進行優(yōu)化，找到在ORL人臉庫中的最佳參數(shù)。 3、將本文的算法與已有的單中心羽化加權(quán)WPCA算法以及經(jīng)典PCA算法的識別率進行比較，

4、實驗證明本論文提出的算法在ORL人臉庫以及ⅡS人臉庫上都取得了比較高的識別率。 4、對由本所自主采集的ⅡS人臉庫進行了實驗，證明了本人臉庫的可用性，并且找到了人臉庫采集中的問題，以待以后的工作中改進。本論文的不足之處以及今后要做的工作： 本論文在總結(jié)了人臉識別的各種主流算法后，將經(jīng)典的基于主分量分析的人臉識別算法進行了改進，提出了一種新的算法，并且在實驗中提高了新算法的識別率，證明了新算法的優(yōu)越性。但是新算法的參數(shù)優(yōu)化工