基于支持向量网络和相关反馈的人脸识别.pdfVIP

维普资讯 第25卷第2期 计 算 机 应 用 研 究 Vo1．25N0．2 2008年 2月 ApplicationResearchofComputers Feb．2008 基于支持向量网络和相关反馈的人脸识别术 杨绍华 ，潘 晨 (宁夏大学 数学计算机学院，银川 750021) 摘 要 ：采用了一种通过 KPCA提取人脸 图像特征 ，线性 sVM对特征进行加权 ，用最近邻法分类人脸 的识别系 统。整个系统实质上构成 了一个支持向量分类网络。为了自动进行网络训练和参数寻优，提 出了一套 自动相关 反馈训练方法；并采用了图像灰度的伽马校正技术减少光照变化对识别的影响，提高了分类器的性能。基于 ORL数据库的相关实验表 明，在很少样本训练条件下，这样的系统能够获得较高性能。 关键词：人脸识别；核主成分分析；支持向量机；相关反馈 中图分类号：TP391 文献标志码 ：A 文章编号：1001．3695(2008)02—0491．04 Facerecognitionbasedonsupportvectornetworkandrelevancefeedback YANG Shao—hua，PAN Chen (SchoozofMathematics＆ComputerScience，NingxiaUniversity，Yinchuan750021，China) Abstract：ThispaperpresentedastratergyforfacerecognitionusingKPCA andSVM．Ihetotalsystem wasasupportvector networkofrclassificationtaskactually．Inordertotrainthisnetworkautomatically．relevancefeedbackwasutilizedofradiUS． tingparametersandaremappingtechniquewasadoptedtoovercometheilluminationproblem．Theseschemesenhancedthe performanceofthismethodcomparetothetraditionalPCA andSVM method．Theexperimentalresultsshowthattheaccuracy offacerecognitioncanbeincreasedwithlesssamplestraining． Keywords：facerecognition：KPCA：SVM ；relevancefeedback 人脸识别是模式识别和计算机视觉领域重要且热门的研 值 ，而只知道相互关系 (相似或不相似)。线性方法无法直接 究课题 ，具有广阔的应用前景。人脸识别是典型的高维数据分 应用于这样的场合 。随着Vapnik等人提出的统计学习理论 类问题，利用子空间技术可以大大降低数据的特征维数，节省 和支持向量机方法的深入研究和应用，通过核函数技巧进行非 存储和计算资源。迄今为止已经出现了许多有效方法，如线性 线性映射技术被广泛应用于线性算法。线性算法纷纷被核化 的主成分分析 (PCA)、独立成分分析 (ICA)、非负矩阵分解 成为非线性算法。 (NMF)、非线性 的支持向量机 (SVM)、核主成分分析 (KP— 1．1 核主成分分析 cA) “J、核非负矩 阵分解 (KNMF) 等。一般来说 ，非线性