基于主成分分析的人臉識別改進方法.pdf

1、隨著科技與社會經(jīng)濟的快速發(fā)展，生物特征識別技術漸漸成為身份識別的主流手段之一。人臉識別系統(tǒng)作為接受程度最高，最沒有侵犯性的生物特征識別技術，受到了社會與研究界的廣泛關注。人臉識別系統(tǒng)，是指自動化的人臉檢測與識別系統(tǒng)，該系統(tǒng)首先對輸入的圖像進行判斷，對可能存在的人臉進行提取，并將提取出的人臉與訓練庫內(nèi)的人臉比對，進行分類識別。由于人臉的非剛性，人臉識別系統(tǒng)中的各個模塊的算法也成為了非常復雜的模式識別問題，其魯棒性通常較低。針對基于主成分分

2、析的人臉識別方法的魯棒性，本文提出了一種基于低秩矩陣恢復的2DPCA方法。本文的主要研究工作與創(chuàng)新如下：
　?。?）通過對現(xiàn)有文獻的研究，對人臉識別領域的研究現(xiàn)狀進行了整理，列舉出了研究中面臨的重點和難點問題，闡述了人臉識別系統(tǒng)的相關概念、理論，形成了對該領域較為全面的認識。
　　（2）討論并分析了數(shù)種不同算法在人臉檢測模塊中的應用及其優(yōu)劣，并重點研究了Adaboost算法原理與算法流程，以及基于外觀學習的Adaboost算

3、法人臉識別方法的實現(xiàn)。
　　（3）討論并分析了數(shù)種人臉預處理方式，包含對圖像清晰度的增強，對圖像中噪聲的處理以及對圖像光照的補償，并重點研究了傾斜人臉的校正方式。
　　（4）討論并分析了現(xiàn)有的基于經(jīng)典PCA的人臉識別方法，以及能有效提升PCA效率的2DPCA方法。在2DPCA方法較難達到系統(tǒng)魯棒性要求的前提下，本文提出了一種基于低秩矩陣恢復的2DPCA方法。該方法將原圖像矩陣分解為低秩矩陣與誤差矩陣，有效地從被噪聲污染，或數(shù)