智能環(huán)境下基于特征鑒別性分析的人臉識(shí)別算法研究.pdf

1、隨著人臉識(shí)別技術(shù)在智能視覺(jué)物聯(lián)網(wǎng)、視頻會(huì)議系統(tǒng)、公共安全和金融服務(wù)等領(lǐng)域的廣泛應(yīng)用，智能環(huán)境下的人臉識(shí)別技術(shù)已成為模式識(shí)別領(lǐng)域的研究熱點(diǎn)。但在實(shí)際應(yīng)用中，人臉識(shí)別技術(shù)除受常見(jiàn)因素（如光照、姿態(tài)、面部表情、遮擋等）影響外，還容易受到特征單一化的限制。因此，智能環(huán)境下鑒別性的選取人臉特征并融合多種互補(bǔ)的人臉特征進(jìn)行人臉識(shí)別是一個(gè)新的研究方向。本文主要從鑒別性特征提取、鑒別性特征融合以及識(shí)別三個(gè)方面來(lái)展開(kāi)智能環(huán)境下基于特征鑒別性分析的人臉識(shí)別

2、算法的研究。主要工作如下：
　　1.研究了智能環(huán)境下高表征人臉特征的提取問(wèn)題。針對(duì)單一人臉特征難以捕獲人臉圖像多方面識(shí)別信息的問(wèn)題，本文利用互補(bǔ)思想，提出一種基于離散余弦變換的二維主成分分析和二維線性鑒別分析加權(quán)融合的人臉識(shí)別方法。該方法不僅解決了二維主成分分析人臉特征缺少鑒別信息的問(wèn)題，而且克服了單一人臉特征易受數(shù)據(jù)噪聲和識(shí)別系統(tǒng)本身限制的問(wèn)題，提高了人臉特征的表征能力。
　　2.研究了異類(lèi)人臉特征在不同融合層次上的最優(yōu)融

3、合規(guī)則。在融合多種人臉特征進(jìn)行人臉識(shí)別的過(guò)程中，并不是每一種特征的貢獻(xiàn)率都是相同的，有些會(huì)更容易受樣本數(shù)目變化和噪聲的影響，因而改進(jìn)的融合策略應(yīng)該降低它們影響決策結(jié)果的權(quán)重?；诖耍疚脑诂F(xiàn)有融合方法的基礎(chǔ)上提出了一種自適應(yīng)權(quán)值選取方法。該方法依據(jù)不同樣本數(shù)目情況下各種人臉特征對(duì)識(shí)別結(jié)果的貢獻(xiàn)度，來(lái)賦予各種人臉特征不同的權(quán)重，提高了人臉識(shí)別的準(zhǔn)確性和魯棒性。
　　3.研究了人臉識(shí)別中基于稀疏描述思想的子空間分析方法。針對(duì)傳統(tǒng)子空間

4、分析方法利用訓(xùn)練樣本信息獲取的變換軸不能最佳表示測(cè)試樣本的問(wèn)題，本文利用稀疏描述思想，提出一種基于改進(jìn)傳統(tǒng)子空間分析的人臉識(shí)別方法。并在自適應(yīng)權(quán)值選取方法的基礎(chǔ)上，將其應(yīng)用到主成分分析和線性鑒別分析方法中。該方法可以有效表征測(cè)試樣本，提高了樣本分類(lèi)的正確率。
　　4.研究了人臉識(shí)別中基于稀疏保持投影的二維判別監(jiān)督局部保持算法。針對(duì)二維判別監(jiān)督局部保持投影算法和稀疏保持投影算法目標(biāo)函數(shù)的互補(bǔ)性，本文在引入自適應(yīng)平衡參數(shù)構(gòu)造蘊(yùn)含數(shù)據(jù)判