统计人脸识别系的研究.pdfVIP

摘 要 人脸识别技术是模式识别与人工智能的研究热点之一。在生物特征识别中。人脸识别占有极为 重要的地位。它在访问控制、司法应用、电子商务和视频监控等领域都有广泛的应用。人脸识别的 过程主要分为三个阶段．即预处理、特征提取、分类。随具体应用的不同，预处理的方法和难度也 会有所不同。特征提取是识别过程的核心，特征的有效性直接影响到分类的速度和识别的性能。本 文主要从统计模式识别的角度出发，来研究人脸图像的特征提取问题。本文分析并比较了5神人脸 识别技术：基于表征的PCA特征脸识别方法、基于辨别特征的LDA识别方法、基于奇异值特征向 量的识别方法、基于Gabor变换特征的识别方法和贝叶斯识别方法。 在基于表征的PCA特征脸识别方面．我们首先分析了KL变换，了解其重建性能。也分析了人 的实验取得了较好的效果。在这个基础上，我们研究了类均值脸的识别性能，无论是数值计算还是 识别性能，都具有较好的稳定性。并且发现均值PCA可以用较少的特征达到传统PCA的水平。 PCA是经典的图像处理方法，它并不是专门用于识别分类的。作为模式识别中的经典方法， Fisher准则使类内散布S。最小，而类闻散布Sb最大，可以将原来的多个模式在新的空间中最好的 分开。但是一般情况下，不能直接将Fisher引入人脸识别，因为其存在小样本问题。我们用两种方 法来解决：第一个解决方案是先将数据在PCA空间上降维，在降维后的空间上直接运用Fisher方法。 另一个方法就是先求得S。的零空间，分析这个零空间以得到投影矩阵。由于Fisher辨识空间一般是 非正交的，特征信息之间有冗余。我们通过Gram．Schmidt正交化法则求得一个正交的辨识空间，试 验表明，基于Fisher辨识的方法能比传统PCA获得更好的效果。 在人脸识别中，最重要的是提取出对识别最有用的信息．由于Gabor函数和人眼识别特性的相 似性，Gabor变换被应用到入脸识别中来。本文首先回顾了Gabor小波编码的～些问题，然后探讨 了空频域采样的情况。在文中，我们认为不同频带的辨别信息是不同的，低频分覆中较丰富，而高 频分量中较少。基于这种考虑，我们提出一种非均匀的采样模式，识别结果证明了这种模式的优越 性。 奇异值特征向量由于具有很好的代数和几何不变性，它也可以作为一个很好的分类特征。我们 用图像的奇异值特征向量来代替它的像素表示，在特征值向量上运用PCA和LDA识别方法，获得 了比在像素级别上识别更好的效果。 贝叶斯方法是模式识别中的最优方法，Pentland在他的论文中将其运用到人脸识别中去。通过 建立一个类内差异人脸库和～个类间差异人脸库，他把识别问题转化为图像之差属于哪个人脸库的 问题。本文简化了最初的贝叶斯匹配得分公式，获得两个新的相似度计算公式，在这之上进行的实 验证明了该方法的优越性。 LDA 关键词：人脸识别PCA Gabor变换奇异值特征向量贝叶斯 ABSTRACT ABSTRACT Face asanactiveresearch RecognitionTechnology(FRT)isemerging areainthefieldofpattern and artificial abiometric recognition basnumerous such intelligence．Astechnology,FRT as applications access control，law surveillanceandso enforcement，e-commerce，videoon．The offace