基于統(tǒng)計(jì)特征的人臉識別算法研究.pdf

1、人臉識別是模式識別和圖像處理的結(jié)合體，是一種最直接，最友好的生物特征認(rèn)證技術(shù)，具有很高的研究價(jià)值和應(yīng)用價(jià)值，主要運(yùn)用于身份認(rèn)證和安全監(jiān)視鄰域。人臉識別技術(shù)運(yùn)用的是人體本身所固有的特征，具有很高的安全性，可靠性和有效性，是一種最容易被接受的身份認(rèn)證方法，它具有其它識別方式所不具備的多種優(yōu)勢，如易采集，自然直接，普遍唯一，運(yùn)用廣泛等。
　　本文研究了人臉圖像的特征提取法，并進(jìn)行了人臉識別研究，內(nèi)容如下：
　　(1)介紹了人臉識別

2、系統(tǒng)中常用的圖像預(yù)處理方法：消除圖像噪聲和圖像歸一化。圖像預(yù)處理是提高算法識別率的關(guān)鍵，主要作用是將采集到的圖像標(biāo)準(zhǔn)化，為后續(xù)的訓(xùn)練和識別工作做準(zhǔn)備。
　　(2)給出了一種基于加權(quán)K-L算法的人臉識別方法，該方法增加了較小特征值對應(yīng)的特征向量對識別結(jié)果影響的比重，比較了這種方法和傳統(tǒng)K-L算法對不同人臉庫圖像和不同高斯白噪聲信噪比仿真實(shí)驗(yàn)時(shí)的的識別效果，結(jié)果表明，相較于傳統(tǒng)的K-L算法，基于加權(quán)K-L算法的人臉識別方法具有更高的識

3、別率和更好的抗噪性能。
　　(3)針對用奇異值分解(SVD)算法進(jìn)行人臉識別時(shí)識別率低的問題，采用了兩種改進(jìn)的識別方法：基于多尺度分割奇異值向量算法，基于K-L分解與SVD特征融合算法，并將這些方法對不同人臉庫圖像和不同信噪比噪聲進(jìn)行仿真試驗(yàn)，結(jié)果表明，這兩種改進(jìn)的算法都能夠很好的提高識別率和抗噪性能。
　　(4)介紹了隱馬爾可夫模型(HMM)中各種參數(shù)的初始化算法，為了提高識別率和降低模型中觀測序列的維數(shù)，采用了基于K-L