基于改進的PCA與Fisher鑒別相結(jié)合的人臉識別.pdf

1、人臉識別是生物特征識別技術(shù)的一個重要分支,被廣泛應(yīng)用于身份認證、公共安全、機器視覺等領(lǐng)域。人臉識別早在上世紀六十年代就引起了研究者廣泛關(guān)注,原因是其擁有著非接觸性與易獲取性等多種友好特性。人臉識別技術(shù)涉及了多個領(lǐng)域的知識,包括圖像處理、模式識別、計算機視覺等技術(shù),是一門綜合性的交叉學科。人臉識別已經(jīng)成為人工智能、模式識別等領(lǐng)域的一個前沿研究課題。人臉圖像通常是典型的高維非線性數(shù)據(jù),易受到光照、表情、姿態(tài)、年齡等影響而產(chǎn)生變化。為尋求更高

2、的識別精度的方法,研究者至今仍面臨著嚴峻挑戰(zhàn)。
　　論文首先介紹了人臉識別的技術(shù)的研究背景和主要方法,總結(jié)了人臉識別技術(shù)中存在的技術(shù)難點,展望了人臉識別技術(shù)的發(fā)展趨勢。針對傳統(tǒng)主成分分析(PCA)方法在特征提取方面存在的問題,本文將其與Fisher鑒別準則進行結(jié)合,實現(xiàn)對圖像的綜合降維,從而能夠更好的確定圖像的分類方向。在PCA+Fisher的基礎(chǔ)上,本文又對算法進行改進,進一步提高了人臉識別的正確率。
　　本文以劍橋大學的

3、ORL人臉庫作為識別對象,該庫包括40個人的400張面部圖像,庫中人員照片的姿態(tài)、表情都有一定變化,部分圖像還佩戴了飾物,20％以內(nèi)的尺度變化,較為充分地反應(yīng)了同一人不同人臉圖像的變化和差異,因此識別結(jié)果能夠很好評價算法的實用性。論文實現(xiàn)了用改進PCA+Fisher的方法對400張圖像的識別,較高的識別率很好證明了改進以后算法的有效性。并且本文針對以往關(guān)于人臉識別的論文中,較多的只是關(guān)注整體圖庫的識別效果而忽略具體到每一個類的每一張照片