基于子空間分析的人臉特征提取的方法研究.pdf

1、在當(dāng)今社會(huì)飛速發(fā)展的時(shí)代，利用計(jì)算機(jī)對(duì)人臉進(jìn)行分析的人臉識(shí)別技術(shù)越來(lái)越受到廣泛關(guān)注。人臉識(shí)別作為當(dāng)今研究重點(diǎn)，提取穩(wěn)定可靠的個(gè)體特征是人臉識(shí)別的關(guān)鍵。其中基于子空間分析的特征提取方法，因其算法簡(jiǎn)單、識(shí)別高效等特點(diǎn)得到廣泛關(guān)注。
　　本文研究?jī)?nèi)容主要包括以下幾點(diǎn):
　　(1)通過(guò)閱讀相關(guān)的學(xué)術(shù)文獻(xiàn)，針對(duì)國(guó)內(nèi)外現(xiàn)狀，深入剖析子空間分析中的主成分分析方法、以及線性鑒別分析方法的原理，并簡(jiǎn)單闡述了核方法和局部保持投影方法。其次，對(duì)于

2、在一維方法中可能出現(xiàn)的問(wèn)題，例如計(jì)算復(fù)雜、小樣本問(wèn)題等，本文深入探討了基于二維的分析方法，以及介紹了基于2DPCA的改進(jìn)算法，如左向壓縮2DPCA、右向壓縮2DPCA和雙向壓縮RL2DPCA。
　　(2)首先對(duì)核方法進(jìn)行了概述，繼而闡述了核主成分分析特點(diǎn)以及人臉識(shí)別中常用一些核函數(shù)。對(duì)于人臉的高維特征中所具有的的非線性信息，我們可以發(fā)現(xiàn)利用核主成分分析方法首先對(duì)圖像進(jìn)行降維處理，之后獲得投影矩陣后在子空間內(nèi)采用MDP方法，這樣使得

3、最后的投影矩陣既包含了非線性信息，又包含了樣本之間的近鄰關(guān)系。最后在人臉庫(kù)上實(shí)驗(yàn)驗(yàn)證本文方法的有效性。
　　(3)研究了一種結(jié)合二維主成分分析(2DPCA)和二維局部保持投影(2DLPP)的雙向壓縮的人臉識(shí)別方法。由于我們針對(duì)一維的方法進(jìn)行探討后由于一維方法可能存在小樣本問(wèn)題，我們決定采用二維的主成分分析方法，我采用雙向的壓縮方法，對(duì)人臉圖像采用2DLPP對(duì)列方向進(jìn)行壓縮后，在采用2DPCA方法對(duì)行方向進(jìn)行壓縮。最后實(shí)驗(yàn)數(shù)據(jù)采用O