基于子空間的人臉識別方法的研究.pdf

1、在現(xiàn)在眾多的特征提取及人臉識別算法中,子空間分析算法因其計算簡單、可分性好、有效等特征受到人們的廣泛關注。其基本思想是根據(jù)一定的性能目標來尋找一種線性或非線性的空間變換,把原始數(shù)據(jù)壓縮到一個低維子空間中。本文主要圍繞子空間特征提取方法及其在人臉識別中的應用展開,從傳統(tǒng)子空間和張量子空間算法進行了一些研究,本文主要做了如下的研究工作:
　　 1.隨著高維數(shù)據(jù)經(jīng)常出現(xiàn)在科學界和產(chǎn)業(yè)界相關的領域,如計算機視覺、模式識別、生物信息以及航

2、空航天等。當我們處理這些數(shù)據(jù)時,它們的高維屬性往往會成為處理和應用這些數(shù)據(jù)的障礙,這表現(xiàn)在與之相關的計算復雜度較高并且結果并不是最優(yōu)。降維是將數(shù)據(jù)由高維約減到低維的過程而用來揭示數(shù)據(jù)的本質低維結構。它作為克服“維數(shù)災難”的途徑在這些相關領域中扮演著重要的角色。在過去的幾十年里,有大量的降維方法被不斷地提出并被深入研究。通過總結和比較目前流行的線性降維的方法,給出了未來傳統(tǒng)的降維發(fā)展方向。
　　 2.核方法是新近發(fā)展起來的一種模式

3、識別方法,它的理論基礎來自于統(tǒng)計學習理論。統(tǒng)計學在解決模式識別問題中發(fā)揮了基礎的作用,但是傳統(tǒng)的統(tǒng)計學所取得的成果大多建立在漸近理論之上,即樣本觀測數(shù)量趨于無窮多的時候的統(tǒng)計性質。而基于核方法的數(shù)據(jù)降維是目前處理多維數(shù)據(jù)的一個重要步驟,也是機器學習中的一個重研究課題。詳細的闡述了幾種典型的非線性降維方法,并從算法的時間復雜度和優(yōu)缺點兩方面對這些算法進行了深入的分析和比較。最后提出了非線性數(shù)據(jù)降維中仍待解決的問題。
　　 3.圖像

4、實際上是以張量形式存在的,它自身所包含的信息不是向量可以完全替代的。當Vasilescu和Terzopoulos提出張量人臉識別算法Tensorfaces時,真正將人臉識別圖像的算法從傳統(tǒng)的向量發(fā)展到張量,將奇異值分解在張量空間中擴展,把高階張量表示的人臉圖像按照不同維的方向分解為光線、表情、姿態(tài)等因素,使人臉識別更加準確和方便。對現(xiàn)有張量型學習算法進行總結:針對向量模式表示存在的問題,討論了設計張量在人臉識別算法中存在必要性及其存在的