基于核技術(shù)的FSDA人臉識(shí)別算法研究.pdf

1、人臉識(shí)別的研究成為當(dāng)前模式識(shí)別和人工智能領(lǐng)域的一個(gè)研究熱點(diǎn)。雖然人類能毫不費(fèi)力地識(shí)別出人臉及其表情，但人臉的自動(dòng)機(jī)器識(shí)別卻是一項(xiàng)極具挑戰(zhàn)的課題，涉及到模式識(shí)別、圖像處理及生理、心理學(xué)等方面的諸多知識(shí)。它在理論和應(yīng)用中的潛在價(jià)值一直激勵(lì)著科研人員的不懈努力。 人臉識(shí)別概念可簡(jiǎn)單的描述為：給定某一場(chǎng)景的靜態(tài)圖片或動(dòng)態(tài)視頻圖像，根據(jù)所存儲(chǔ)的臉面數(shù)據(jù)庫識(shí)別或確認(rèn)一個(gè)或更多的人。在計(jì)算機(jī)視覺領(lǐng)域里，人臉識(shí)別過程分為人臉檢測(cè)、特征提取、識(shí)別

2、或確認(rèn)三部分完成。特征提取是其中一項(xiàng)非常重要的組成部分。 本文以核技術(shù)(kernel)和Foley-Sammon線性鑒別分析(Foley-Sammon Discriminant Analysis，F(xiàn)SDA)的思想為主要研究方法，以人臉識(shí)別的各關(guān)鍵步驟為主要應(yīng)用目標(biāo)，系統(tǒng)研究了人臉識(shí)別的技術(shù)理論。 現(xiàn)實(shí)中原始樣本的分布通常是高度復(fù)雜和非線性的，利用傳統(tǒng)的方法來解決分類問題一般不能取得令人滿意的結(jié)果。受SVM理論中有關(guān)核技

3、術(shù)的啟發(fā)，本文提出了一種非線性特征抽取方法--KFSDA方法(kernel-based Foley-Sammon discriminant analysis)。KFSDA方法綜合了FSDA和核技術(shù)的優(yōu)點(diǎn)，KFSDA基本思想是：首先將原始訓(xùn)練樣本通過一個(gè)非線性映射變換到某一高維(可能是無限維)特征空間H中，然后在高維特征空間H中完成FSDA。FSDA的基本思想就是在Fisher鑒別準(zhǔn)則函數(shù)取極值的條件下，先求得一組滿足正交條件的最佳鑒別矢