基于LPP算法的人臉識(shí)別技術(shù)研究.pdf

1、人臉識(shí)別技術(shù)因具有重要的科學(xué)意義和實(shí)用價(jià)值，在近幾年得到了研究者的高度重視，成為當(dāng)前模式識(shí)別和人工智能領(lǐng)域的一個(gè)研究熱點(diǎn)。它可以廣泛地應(yīng)用到安全部門、身份鑒別、電視會(huì)議、數(shù)字監(jiān)控等領(lǐng)域。人臉識(shí)別一般分為人臉檢測(cè)、特征抽取和模式分類三個(gè)部分。本文在綜合分析國(guó)內(nèi)外現(xiàn)有的人臉識(shí)別技術(shù)的基礎(chǔ)上，對(duì)流形中的局部保持投影(locality preserving projections，LPP)算法進(jìn)行了研究，提出基于中心域的LPP算法和基于約束的L

2、PP算法。并設(shè)計(jì)實(shí)現(xiàn)相應(yīng)的原型系統(tǒng)。
　　 本文的工作主要包括：
　　 (1)提出基于中心域的LPP算法。LBP算法簡(jiǎn)單，能方便地?cái)U(kuò)展到對(duì)整體特征的提取，本文首先利用LBP獲取全局特征，然后對(duì)圖像進(jìn)行不均勻分塊，提取包含眼睛、嘴巴等關(guān)鍵器官的中心域圖像，以各中心域圖像相互之間的歐式距離為標(biāo)準(zhǔn)構(gòu)建最近相鄰圖，最后進(jìn)行特征映射得到LPP算法的流形特征空間。該算法能有效地解決LPP算法中近鄰圖不能很好的表示流形空間的局部結(jié)構(gòu)問(wèn)

3、題，并得到較少數(shù)量的特征維數(shù)。
　　 (2)提出基于約束的LPP(constraint LPP,CLPP)算法。考慮到LPP算法是無(wú)監(jiān)督的，沒(méi)有利用樣本的類間信息，本文結(jié)合監(jiān)督、半監(jiān)督算法和流形學(xué)習(xí)方法，提出基于約束的LPP算法。該算法首先創(chuàng)建有標(biāo)記和無(wú)標(biāo)記兩類近鄰圖，然后根據(jù)不同的規(guī)則賦值權(quán)重，將有標(biāo)記近鄰圖的權(quán)重作為無(wú)標(biāo)記權(quán)重的約束值，更改目標(biāo)函數(shù)，增加約束值，最后進(jìn)行特征映射形成新的流形特征空間。實(shí)驗(yàn)結(jié)果表明，該算法可以有

4、效地利用樣本的類間信息，提高識(shí)別率。
　　 (3)提出一種最近鄰分布分類器。首先將要比較的訓(xùn)練特征集劃分為多個(gè)子集，求取每一訓(xùn)練特征子集的均值和方差，根據(jù)分布的思想判斷其整個(gè)子集與待識(shí)別樣本的相似程度，然后將待識(shí)別樣本與對(duì)所選取的相似子集中的每一個(gè)訓(xùn)練樣本用最近鄰分類器進(jìn)行分類。該方法將分布判斷思想與最近鄰判斷思想結(jié)合起來(lái)，可以有效地減少近鄰判斷的計(jì)算量，提高人臉識(shí)別率。
　　 (4)采用面向?qū)ο笏枷朐O(shè)計(jì)并開發(fā)基于LPP