隨機采樣技術(shù)在人臉識別中的應(yīng)用研究.pdf

1、人臉識別是一個非常復雜的問題,尤其是當人臉圖像包含遮擋、光照等因素時,很難找到既具有較好魯棒性又能獲得較高識別精度的單個最優(yōu)的分類器。由于多分類器的集成往往能獲得比單分類器更好的識別性能,因此多分類器的人臉識別方法的設(shè)計已成為一個新的研究熱點,而隨機采樣作為構(gòu)建多分類器的方法之一近年來也得到了廣泛的關(guān)注。本文考慮了人臉圖像的特殊性,以獲取對光線、表情、姿態(tài)及遮擋等變化魯棒的識別方法為研究目標,以隨機采樣技術(shù)為方法,結(jié)合子圖像方法的優(yōu)勢對

2、人臉識別進行了研究,并取得如下成果:
　　 (1)提出了基于子圖像的Bagging隨機采樣的人臉識別方法。由于該方法將對樣本的隨機采樣建立于圖像的子圖像集上,因此成功地將最近鄰分類器應(yīng)用于Bagging中.該方法主要有以下四點特點:1)避免了小樣本問題,從而使得Bagging有效地應(yīng)用于人臉識別領(lǐng)域:2)可對每個子圖像集分別進行分類器的訓練,因此可采用并行的計算方式以有效提高算法的運算效率；3)對人臉子圖像的劃分不依賴于人臉圖像

3、的維數(shù),因此當圖像樣本的維數(shù)很大時該方法能有效地降低算法復雜度；4)將Bagghag方法順利地應(yīng)用于穩(wěn)定的最近鄰分類器中,有效地擴大了Bagging的應(yīng)用范圍。實驗結(jié)果表明,基于子圖像的Bootstrap隨機采樣有效地提高了人臉識別方法的識別精度。
　　 (2)從信息融合的角度提出了兩種基于典型相關(guān)性分析的隨機子空間方法(RS_CCA和RS_NmCCA)。隨機子空間方法所構(gòu)建的分量分類器間雖然具有較高的多樣性,但由于單個分量分類

4、器的識別效果往往不理想,從而影響了最后的集成效果。提出的方法通過利用兩種不同的融合信息來提高分量分類器的精度進而提高整個集成分類器的識別性能。RS_CCA融合了全局特征和局部特征的信息；而RS_NmCCA融合了局部特征之間的信息。大量的實驗證明,信息的融合有利于識別性能的提高。
　　 (3)提出了半隨機子空間的人臉識別方法(SemiRandomSubspace,Semi-RS).與傳統(tǒng)的建立在整個人臉圖像空間的隨機子空間方法所不

5、同的是,Semi-RS同時結(jié)合了隨機子空間和子圖像方式的優(yōu)勢,將隨機采樣建立在按一定形式分割好的人臉子圖像上.該方法的主要特點之一是不受特征提取方法的限制,可使用PCA、LDA、CCA、LPP、NPE等多種子空間方法或流形方法進行特征提取。大量的實驗證明該方法不僅能有效解決人臉識別所面臨的小樣本問題和對光線、遮擋等一系列的面部因素不魯棒的問題而且對人臉微小的姿態(tài)變化、大小縮放以及單訓練樣本問題也有一定的優(yōu)勢。
　　 (4)初步地