基于集成神經(jīng)網(wǎng)絡和多信息融合的人臉識別技術研究.pdf

1、人臉識別技術作為一項重要的智能識別技術，在視頻監(jiān)控、安全安防、金融等領域廣泛用于人的身份鑒定。現(xiàn)代社會對信息安全的要求推動了人臉識別技術的快速發(fā)展，目前雖然對人臉識別算法的研究已經(jīng)取得了非常好的成果，但由于人臉圖片在拍攝時所處的復雜環(huán)境，光照條件，人臉上有眼鏡與胡須等遮擋物以及人臉上的表情姿態(tài)等，都會使得人臉識別算法的速度、準確率、魯棒性等方面有很大的局限性，因此還不能完全滿足人們的實際中需求。
　　 人臉識別是通過對輸入的人臉

2、圖像進行數(shù)據(jù)篩選，提取出重要的特征，用于分類識別的一項技術。目前人臉識別主要研究方向有：人臉數(shù)據(jù)預處理、特征提取、分類識別。近些年來，神經(jīng)網(wǎng)絡集成學習已經(jīng)成為神經(jīng)網(wǎng)絡領域研究的熱點，在解決回歸和分類問題上有著突出的能力，而且集成后的神經(jīng)網(wǎng)絡通過訓練多個神經(jīng)網(wǎng)絡，比單個神經(jīng)網(wǎng)絡有著更好的泛化能力。因此，本文將神經(jīng)網(wǎng)絡集成用于到人臉識別中。人臉的特征提取是人臉識別中的關鍵一步，本文中，對特征提取及分類識別部分分別進行了深入的研究與探討，將核

3、獨立元分析和核主元成分分析方法分別用于人臉的特征提取，并對核獨立成分分析進行了改進，最后選用神經(jīng)網(wǎng)絡集成作為分類器來融合兩者的特征，以相對多數(shù)投票方式輸出分類結果。
　　 KICA是人臉特征提取中的一種非線性處理方法，即解決了ICA算法在非線性提取方面存在的不足，又具有了ICA算法在人臉特征提取方面較好的魯棒性。在本文中，將五階收斂的牛頓迭代法和最速下降法相結合，來降低原始算法對初始矩陣的依賴，并在算法中加入懲罰因子，將其運用到

4、Fast ICA算法的核心迭代過程中，得到了一種改進的核獨立成分分析算法。此方法，有利于獨立成分的分離，提高了分類精度。
　　 利用改進后的KICA讓我們從人臉的數(shù)據(jù)中提取出了具有代表性的局部性特征，KICA算法是ICA與KPCA算法的一種結合，再利用KPCA算法計算人臉的全局特征時，即節(jié)約了求解人臉特征的時間，又降低了計算量。最后，采用集成BP神經(jīng)網(wǎng)絡與PNN神經(jīng)網(wǎng)絡融合兩者的特征，以相對多數(shù)投票的方式輸出結果。由于KICA方