基于LPP的人脸识别方法比较研究.docVIP

基于LPP的人脸识别方法比较研究 摘要：人脸识别可以说是人们日常生活中最常用的身份确认手段，也是当前最热门的模式识别研究课题之一。局部保持投影，LPP是一种新的子空间分析方法,它是非线性方法的线性近似,既解决PCA等传统线性方法难以保持原始数据非线性流形的缺点又解决了非线性方法难以获得新样本点低维投影的缺点.而2DLPP解决LPP方法中的小样本问题,提高了计算效率。 但是在该方法中,特征向量的维数远远高于传统的一维算法,因此需要更多的存储空间,分类所需的计算时间也更多。 关键词：人脸识别;LPP;DLPP Abstract：Face Recognition can be consider as the most common used Methods to Identity authentication,and it’s also one of the hottest pattern recognition research. Locality Preserving Projections,LPP is a new Methods to do the analysis of sub-space. It’s Linear similar of nonlinear method,not only can solute the problem that traditional linear methods such as PCA can’t Reservations raw data nonlinear manifold ,and also it solute the problem that nonlinear method is hard to contain low-dimensional projection of the new sample points.Then 2DLPP can solute the problem of small sample in LPP,so it can improve the computational efficiency.But in the method ,the dimension of eigenvector is much higher than the traditional one-dimensional algorithm,so it need more storage space,the computing time for classification is also more. Key words: Face Recognition;LPP;DLPP 一 人脸识别 人脸识别就是通过与计算机相连的摄像头动态的捕捉人的面部，同时把捕捉到的人脸与预先录入的人员库存中的人脸进行比较识别。因为人们对这种技术没有任何的排斥心理，所以从理论上讲，人脸识别可以成为一种最友好的生物特征身份认证技术。 在过去的20多年，学术界对人脸识别已经做出了大量的研究，并取得了一定的进展。市场上也出现了一些人脸识别系统。 由于人们利用人脸确认身份的时候除了使用眉毛、眼睛、鼻子和嘴等面部特征外，通常还要用到大量的上下文信息，没有这些上下文信息，很难做到高置信度的识别，因此如何在识别过程结合这些上下文信息是人脸识别的主要难题之一。人脸识别技术的核心在于“局部特征分析”和“图形识别算法”，这种算法利用了面部各器官及特征部位的方位关系，与形成的识别参数和数据库中的原始参数进行比较、判断、确认，在低于1秒的时间内迅速给出判断结果。人脸识别技术主要针对面部不易产生变化的部分进行图像处理，其中包括眼眶轮廓、颧骨的周围区域及嘴的边缘区域等。 目前人脸识别的主流技术有：特征面孔扫描技术、特征分析面孔扫描技术、神经网络定位系统扫描技术、自动面孔扫描技术。 人脸识别的优点在于：（1）其他生物特征识别方法都需要一些人的行为配合，而人脸识别不需要被动配合，可以用在某些隐蔽的场合。（2）可远距离采集人脸。（3）充分利用已有的人脸数据库资源，更直观、更方便地核查该人的身份，因而可以降低成本。 人脸识别的缺点是：（1）人脸的差异并不是很明显，误识率可能较高。（2）对于双胞胎，人脸识别技术不能区分。（3）人脸特征的持久性差，如长胖、变瘦、长出胡须等。（4）人脸的表情也是丰富多彩的。（5）人脸识别周围环境的影响较大。由于这些困难，人脸识别的准确率不如其他技术。 主成分分析(PCA)和线性判别分析(LDA)是两种常用的线性特征提取方法， 它们都是通过一定的性能目标来寻找线性变换矩阵,以实现对高维数据的降维。但它们都是全局的特征提取方法,提取的特征不能反应高维数据的非线性流形,当人脸图像的光照、姿态、表情发生变化时，这两