人臉識別中的特征向量優(yōu)化算法研究.pdf

1、生物特征識別技術是指用人體生物特征來進行身份驗證的技術。人體的生物特征主要分為兩類，一類是生理特征，另一類是行為特征。生理特征包括虹膜，DNA，掌紋，指紋，人臉等一系列特征，而語音，筆跡步態(tài)等特征屬于行為特征。生物特征識別技術為身份識別提供了一個解決方案，是計算機視覺和模式識別中的一個研究熱點。人臉識別是通過人臉進行身份確認或者身份查找的技術或系統(tǒng)，在人機交互，生物身份認證，視頻檢測與視頻資料檢索等方面有著廣泛的應用。與其他的識別技術相

2、比，人臉識別具有直接，友好，方便，非接觸等優(yōu)點。同時，由于年齡，姿態(tài)，表情，光照等因素對人臉圖像的影響，人臉識別面臨多方面的挑戰(zhàn)。人臉識別中，通常是把人臉圖像投影由特征向量組成的空間中，特征向量決定了人臉識別的效果。同一人的人臉圖像在好的特征向量上的投影應具有較集中的分布，反之亦然。 本文介紹了近年來人臉識別技術發(fā)展的背景及本文的研究的目的及貢獻；然后在相關文獻的基礎上，對當前流行的人臉數(shù)據(jù)庫、人臉特征提取以及人臉分類等技術進行

3、綜述，從微觀意義上提出了每個向量的識別能力的概念，通過計算識別能力的大小，選擇具有較大的識別能力的特征向量。為了使每個向量在識別中發(fā)揮與其識別能力相對應的作用，根據(jù)每個向量的識別能力對它們進行均衡化處理，賦予不同權重，提高了識別率。通過在ORL、Yale人臉數(shù)據(jù)庫上進行試驗，驗證了該方法的有效性。本研究主要包含有兩大創(chuàng)新點：其一，主成分分析方法（PCA）是人臉識別最基本的方法之一，PCA算法提供了一個從高維空間到低維空間的線性變換矩陣，

4、它是在最小均方差意義上對原圖像的估計，具有計算效率高，概念清晰，推廣性強等優(yōu)點。傳統(tǒng)的PCA算法中，選取那些較大特征值對應的特征向量用于識別，即主分量特征，也有選擇較小的特征值對應的特征向量，即次分量特征。兩種方法的效果都不是很好，因此將識別能力選取特征向量及根據(jù)它們的識別能力進行均衡的方法與PCA結合起來，取得了很好的效果；其二，分析了識別能力選取與LDA的關系，并提出進一步的改進，提高了識別的效果。并進一步將識別能力選取均衡策略與2