独立分量分析和支持向量机在人脸识别技术中的应用的研究.pdf

独立分量分析与支持向量机在人脸 识别技术中的应用研究 摘要 人脸识别由于人脸的非刚体性和易变性，成为一个复杂、涉及面广且应用前 景广阔的课题，近年来掀起研究热潮并取得突破性进展。本文从人脸检测、人脸 识别、表情识别三个子领域展丌，对现有理论进行了简要分析和比较，进而引入 独立分量分析0CA)与支持向量机(SVM)理论，并有侧重地应用到这三个方面中。 代左右／j‘迅速发展的年轻理论。ICA针对非高斯信号，根据高阶统计分析及信息 熵理论，以隐含变量间相互独立为提取准则，进行独立分量提取，发掘数据中隐 含的信息成分，使分解结果更具生理意义；SVM是在统计学习理论基础上发展 起来的新的学习方法，具有完备的理论基础和出色的学习性能，成为机器学习界 的研究热点。两种新理论的结合，为人脸识别系统提供了强大的理论支持。 论文的后半部分主要为理论应用和实验分析部分，将ICASVM在人脸检 测、人脸识别、表情识别中的应用(尤其是后两者)进行了有针对性的实验。 、人脸识别中，先进行几何标准化和白化等预处理，然后用FastlCA算法进行 与传统方法相比具有一定优势：人脸图像的相当一部分重要信息，如轮廓边缘部 分，与象素的高阶统计特性密切相关，因此基于数据间高阶统计关系的ICA与 以往多种变换方法相比，所提取特征具有明显的空间上的方向性和频域上的局部 性：人脸识别是典型的小样本识别，SVM基于结构风险化和VC原理，兼顾训 练误差和泛化能力，在解决小样本、非线性及高维模式U{别问题中具有很多优势。 在ORL人脸库上进行的实验表明，两者的结合算法得到了较高的识别率。 表情识别的思路与人脸识别基本…致，也是ICA提取特征，SVM分类，所 不同的是识别目的，即表情差异为重点，个体差异为干扰。因此，提出对图像进 行局部特征区域的提取，剔除造成个体差异而对表情变化影响不大的人脸部分， 然后进行ICA—SVM特征提取和识别，在CMU表情库卜进行的实验表明了此 方案的正确性。之后是相关分析。 仿真实验和结果分析表明，ICA—SVM结合局部特征区域提取的思想在人 脸检测、人脸识别、表情识别中具有独特优势，是值得关注和研究的一个方向。 关键词：独立分量分析，支持向量机，局部特征区域提取，ORLCMU库 THEAPPLICATION0FINDEPENDENT ALALYSISSUPPORTVECTORMACHINEINHUMAN FACEIDENTIFICATIoN ABSTRACT and Humanfaceidentification．a usedtask，hascaused complexwidely great interestofresearchersand inrecent this iS developedgreatly years．Inthesis．topics fromface identificationand introduced detection、face expression afterthebrief and oftraditional andSVMare analysiscompare methods，ICA and introduced intothesethree applied aspects． First．foundationaltheoriesofICAandSVMareintroduced．whichdidn’t begin