基于LASVM面部识别的验证研究.pdfVIP

基于LASVM面部识别的验证 基于 LASVM 面 部识别 的验证研 究 刘 彪， 吴云峰 ， 吴华君 (电子科技大学 光电信息学院，成都 610054) 摘 要 ：在LSVM算法的基础上提 出了利用LASVM算法来进行人脸识别的方法。首先利用 MEGM度量学习算法转换 CAS—PEAL—R1人脸共享数据库的样本数据和测试数据的特征空间，然后采用LSVM算法程序训练测试转换后的人脸数据并 进行分类识别，最高准确率可达到98％。实验表明：利用LASVM算法进行人脸识别，不但识别速度快而且识别效率也高，具有 较高的可行性。 关键词：LSVM；LASVM；度量学习算法；CAS—PEAL—R1；特征空间 中图分类号：TP317．4 文献标识码 ：A 文章编号 ：1817—0633(2011)一10—0036—03 VerificationStudyonFacialRecognitionBasedonLASVn LIUBiao， WUYun—feng， WUHua-jun (SchoolofOptoelectronieInformation，UniversityofElectronicScienceandTechnologyofChina，Chengdu610054) Abstract：On thebasisofLASVM algorithm，amethodofusingLASVM algorithm to distinguishhuman facesisproposed． MEGM measurelearningalgorithm isfirstlyappliedbyLASVM algorithm totransfercharacteristicspaceoftrainingsampledataand testingdatainCAS—PEAL—R1facesharingdatabase，andthen，LSVM algorithm program isusedfortrainingthetestedandconverted facedataandfurthercategoricallyrecognizingthesedata，thehighestaccuracyratecanreach to98％．Theexperimentindicatesthat thefacerecognitionmethodbymakinguseofLASVM algorithm isofhighspeed，highefficiencyandhigherfeasibility． Keyword：LSVM；LASVM；MeasureLearningAlgorithm；CAS—PEAL—Rl：FeatureSpace 0引言 SVM基本原理是把非线性分离的海量数据经过非线性变化 人脸识别是模式识别 中的一个重要分支I1l。迄今为止，如何 映射到一高维空间，然后再高维空间来寻求可分离的最优超平 快速准确的实时识别人脸仍然是一个热点问题 。自从 1995年 面。给定样本训练集 ： Vapnik等人提 利用基于结构风险最小化原理 【的支持向量机 S={(，)…．(， ))∈R”×{一1，1) (1-1) (SupportVectorMachine，SVM)方法进行机器学习以来 ，各种支 通过解决如式 (1-2)条件下的凸优化问题寻找决策函数。 持向量机的变形算法层出不穷，包括标准SVM算法 、K最近邻算 法l4J(KNearestNeighbor，KNN)、局部支持 向量机算法 【(Local max 厂(