基于改进的LLE和FSVM方法在人脸识别中的应用.pdfVIP

第 12卷 第34期 2012年l2月 科 学 技 术 与 工 程 Vo1．12 No．34 Dee．2012 1671～ 1815(2012)34—9390-06 ScienceTechnologyandEngineering ⑥ 2012 Sci．Tech．Engrg． 基于改进的LLE和FSVM 方法在 人脸识别中的应用 尹方平 (广东机电职业技术学院，广州510515) 摘 要 针对人脸识别问题，提出了一种新的算法。该算法首先用gabor小波对人脸图像进行特征提取。然后采用LLE算法 进行降维。最后用FSVM和三叉决策树相结合设计识别分类器进行人脸识别。在降维的过程中，针对高维空间相似性度量函 数和自适应参数选取方法上，对LLE算法进行了改进。在 ORL人脸数据库的仿真结果表明，该算法能有效提高人脸识别性 能，具有较高识别率。 关键词 人脸识别 局部线性嵌入 模糊支持向量机 gabor滤波 中图法分类号 TP391．4 029； 文献标志码 A 近年来，人脸识别的研究已经成为生物识别和 这些传统的多元数据方法一般假定数据呈现全局 人工智能领域的一个研究热点，得到了越来越多的 线性。在这一前提下，这些方法具有简单有效的特 关注。由于人脸识别与其他生物特征识别相比具 点。但是对于人脸而言，无法达到满意的结果。近 有更直接、无侵犯性、隐蔽性、采集设备便宜等优 年有学者提出人脸数据存在于某个非线性空间中， 势，所以该项技术已被广泛地应用于公安、智能门 采用线性方法可能会使流行 中相隔很远的点映射 禁、交通流量控制、智能视频监控、银行卡持卡人身 到低维空间后变得相近，就很难发掘高维数据的结 份验证、ATM识别认证、司机驾照验证、医学、视频 构和相关性。因此，一些非线性方法被引入，出现 会议、人机交互系统等各方面。 了支撑向量机 (SupportVectorMachine，SVM)j、核 对于一个大小为 100×100的图像，其数据的维 PCA(KernelPCA，KPCA) 、核 FLD(KernelFLD， 数就是 10000。如果直接对这 10000维的数据进 KFLD) 等方法。但是，“核函数”的选择又成了研 行处理是不合理的。所以如何对图像维数简约处 究难题。随着流行结构概念 的提 出，流行学 习 理是图像处理的研究热点和难点。早期的降维方 (ManifoldLearning)的应用受到了人们的重视，其中 法包括主成分分析 (PrincipalComponentAnalysis， 最具代表性 的是 ISOMAP算法_8(IsometricMap． PCA)算法 、Fisher线性鉴别 (FisherLinearDis— ping)、局部线性嵌入算法 (I~callyLinearEmbed． criminant，FLD) j、独立成分分析 (Independent ding，LLE) 。ISOMAP通过测地线距离来描述各 ComponentCorrelationAlgorithm，ICA) 以及多尺 点之问的相互关系，在全局意义下，通过寻找各点 在图意义下的最短路径来获得点与点之间的距离 ， 度分析方法 (Multi—DimensionalScaling，MDS) 。 并以此构造距离矩阵，从算法上看，ISOMAP是一种 2012年8月6日收到 广东省科技厅科技计划资助项 目 全局搜索方法，计算非常复杂，且对于含噪声较多 (2011B070300118)、广东机电职业技术学院校级课题 的数据集效果较差。LLE算法是通过局部线性拟合 (YJ