收藏本站
《大连理工大学》 2008年
收藏 | 手机打开
二维码
手机客户端打开本文

嵌入邻域判别关系的子空间人脸识别算法研究

王国强  
【摘要】: 基于生物特征识别的身份鉴别技术提供了一种高可靠性、高稳定性的身份鉴别方式。在各种生物特征识别技术中,人脸识别是一项极具发展潜力的生物特征识别技术,在信息安全、公共安全、金融等领域具有广阔的应用前景。人脸识别又是一个非常活跃的研究领域,涉及计算机视觉、模式识别、图像处理、机器学习和认知科学等多门学科,人脸识别研究成果会促进这些学科的发展。对人脸识别技术的研究具有巨大的应用价值和重要的理论意义。 近二十年来,人脸识别取得了很大进展,但在实际应用中仍然存在许多尚未解决的问题。通常情况下,在观测空间中获得的人脸图像数据是维数很高且是非结构化的原始数据,这些数据不仅存在维数过大问题,而且也不能清晰反映出检测对象的内在本质,因此不宜直接在观测空间中对数据进行分类。这就需要对数据集进行特征提取,通过科学提取反映对象本质的特征数据,可在实现降维的同时保持数据集原有的重要本质结构特性不变。将人脸识别分类工作,从原观测空间转换到特征子空间中进行,合理的降维既能排除众多噪音的干扰,又可加速处理计算,使识别处理更加有效。子空间方法是目前特征提取和识别的主流方法。 子空间方法能否有效取得预期的效果,关键在于特征的选取与构造是否科学合理。实际中,许多被识别对象的超高维数据变异仅是由于有限数目条件变化引起,在分析其变异关系时,可以认为上述高维数据并不是无序的散布在整个高维空间,而是集中在空间内部某种低维流形上。这种流形反映了上述高维数据的内在结构,且这种低维流形可能与人的认知流形是一致的。基于上述原理和认识,流形学习原理近年颇受重视,并得到了很大发展。流形学习的目标是从高维采样数据中恢复低维流形结构,即找到高维空间中的低维流形子空间,并求出相应的嵌入映射,以实现数据降维。在流形学习数据降维映射中,最重要的是要正确地嵌入内蕴局部邻域关系。 本文以流形学习方法为基础,进行了嵌入邻域映射的子空间人脸识别算法研究。在邻域映射中引入类判别信息,从而提高了子空间算法的识别率,具体研究包括: 1.进行了基于散度差判别邻域嵌入的人脸识别算法的研究 在描述用于识别的人脸特征方面,以往主流的方法为PCA、LDA等子空间方法,这些方法在较为理想的条件下取得了重要的研究成果。但是,这些方法更多的是考虑数据集的全局线性特性,在处理实际复杂高维数据集时难免受到很大程度上的制约。流形学习理论试图揭示数据集的内蕴结构以获得对问题的本质研究。局部保持投影(LPP)和邻域保持投影(NPP)分别是流形学习方法拉普拉斯特征映射(Laplacian Eigenmap)和局部线性嵌入(LLE)的线性近似。这两种方法都具有保持局部结构属性,而没有考虑类判别信息。本文在结合局部线性嵌入(LLE)和拉普拉斯特征映射(LE)两种方法基础上,提出了一种新的子空间学习方法,称为散度差判别邻域嵌入(SDDNE)。在该算法中,训练样本数据的邻域和类关系被有效结合用来构建低维嵌入流形。在嵌入低维子空间后,同类样本保持它们固有的近邻几何结构关系,而不同类样本则彼此分离。另外,该算法还避免了小样本问题。实验表明该算法可以取得更好的识别率。 2.提出一种基于非线性正交化核局部Fisher判别嵌入人脸识别算法 研究一种称为局部Fisher判别嵌入(LFDE)监督学习方法。由于该方法求取的鉴别矢量不是正交的,这就使得鉴别矢量张成的空间与原空间存在尺度上的变化,由此提出了正交局部Fisher判别嵌入(OLFDE)方法。但是它本质还是线性学习方法。由于线性的分类算法无法提取数据的非线性分布特征,因此无法获得更高识别率。核映射是一种广泛使用的非线性映射方法。非线性核映射理论思想来源支持向量机,设法将输入空间升维,以使在原始空间中的线性不可分问题转化为高维空间中线性可分(或接近线性可分)问题;由于升维后只是改变了内积运算,并没有使算法的复杂度随着维数的增加而增加。这里,在正交局部Fisher判别嵌入算法基础上,巧妙的引入核映射,提出了基于正交核局部Fisher判别嵌入算法(OKLFDE)。该算法继承了正交局部Fisher判别嵌入方法的优点,且能有效地提取非线性特征。实验结果表明,该方法能有效简化人脸模式的复杂分布,且能较大幅度的提高分类效果。 3.提出了一种基于图像矩阵判别局部保持投影人脸识别算法 局部保持投影(LPP)算法同传统子空间方法(如LDA)一样,只能处理一维向量型的数据,当处理人脸图像二维矩阵型数据时,需要首先将矩阵按逐行或逐列展开为向量,由于人脸图像数据维数较高,远远大于样本的个数,容易形成小样本问题,不利于算法的求解。另外,人脸图像信息本来就是二维相关的,展开为一维,破坏了空间结构关系;直接在二维图像矩阵上进行子空间分析,原理上更为合理。为此,提出了一种基于图像矩阵判别局部保持投影方法(IMDLPP),它直接处理二维的图像矩阵而不需要将矩阵转化为向量,保留了像素间的空间位置关系,避免了奇异性问题。同时IMDLPP通过考虑类标签信息来保持类内局部关系,还将类间的散度约束引入到目标函数中,使求解的特征具有更强的区分性。实验结果表明了该方法的有效性。
【学位授予单位】:

知网文化
【相似文献】
中国期刊全文数据库 前20条
1 蒋胜利;匡春临;张军英;;一种用于特征提取的保局判别分析算法[J];计算机科学;2011年04期
2 刘粉香;李勇智;吴松松;;基于正交化的无监督鉴别投影映射(UDP)特征提取的人脸识别方法[J];计算机与现代化;2010年09期
3 刘冠群;王庆军;张汝波;潘海为;;核空间正交及不相关邻域保持鉴别嵌入算法[J];哈尔滨工程大学学报;2011年07期
4 祝磊;朱善安;;基于2维保局投影的人脸识别[J];中国图象图形学报;2007年11期
5 金一;阮秋琦;;基于核的正交局部保持投影的人脸识别[J];电子与信息学报;2009年02期
6 胡鹏;李见为;;基于Gabor小波和流形的人脸识别研究[J];自动化技术与应用;2009年07期
7 赵俊;江国泰;;基于CCD图与红外热像图融合的人脸识别分析研究[J];生命科学仪器;2009年01期
8 刘丽华;自动人脸识别方法研究与展望[J];内江科技;2005年05期
9 延伟东;彭国华;;基于分块FLD的图像特征提取方法[J];科学技术与工程;2006年19期
10 王敏;尹政兴;李汉强;;基于小波变换和奇异值的人脸特征提取[J];中国水运(理论版);2006年03期
11 王海军;王士伟;刘红敏;;人脸检测技术研究进展[J];河南机电高等专科学校学报;2007年06期
12 邓雪峰;;基于小波变换和对称主成分分析的人脸识别方法[J];计算机与数字工程;2008年04期
13 裴佳佳;古辉;;基于分块二维线性鉴别分析的人脸识别[J];计算机系统应用;2009年09期
14 田印中;董志学;黄建伟;;基于PCA的人脸识别算法研究及实现[J];内蒙古科技与经济;2010年06期
15 邢国;;人脸识别中两种特征提取算法的性能比较[J];信息与电脑(理论版);2011年01期
16 王杨峰;付永庆;;一种基于2DPCA和DLDA的人脸识别方法[J];应用科技;2007年07期
17 樊振萍;;人脸检测与识别技术综述[J];电脑知识与技术;2008年07期
18 樊振萍;;人脸检测与识别技术综述[J];可编程控制器与工厂自动化;2008年05期
19 王敏;王彦杰;;基于小波变换和改进的奇异值分解的人脸识别[J];计算技术与自动化;2008年04期
20 蒋楠;赵丽红;张西礼;;基于二维主成分分析方法的人脸识别[J];科协论坛(下半月);2009年08期
中国重要会议论文全文数据库 前10条
1 谢丽欣;牟会;王欢;刘明霞;;基于计算机视觉的人脸检测与识别综述[A];第三届全国软件测试会议与移动计算、栅格、智能化高级论坛论文集[C];2009年
2 韩柯;朱秀昌;冯荃;;基于二维DCT与Elman神经网络相结合的人脸识别研究[A];第十三届全国图象图形学学术会议论文集[C];2006年
3 顾华;苏光大;杜成;;人脸识别中的眼角定位和预处理[A];2003年中国智能自动化会议论文集(上册)[C];2003年
4 廖海斌;王宏勇;;基于灰色理论的人脸图像特征融合识别[A];图像图形技术与应用进展——第三届图像图形技术与应用学术会议论文集[C];2008年
5 李丹;郭小华;刘正熙;;基于DSP的自动人脸识别门禁系统设计与实现[A];中国自动化学会、中国仪器仪表学会2004年西南三省一市自动化与仪器仪表学术年会论文集[C];2004年
6 谢志华;李丰;伍世虔;杨巨成;方志军;;基于局部差分二进制模式(LDBP)的热红外人脸识别[A];第十五届全国图象图形学学术会议论文集[C];2010年
7 熊薇薇;梁巍;李莉;黄梅志;;基于混合核函数SVM的人脸识别方法研究[A];中国计量协会冶金分会2011年会论文集[C];2011年
8 李勇智;杨静宇;毛洪贲;;基于局部和非局部散度理论的一种新的特征提取方法[A];第二十七届中国控制会议论文集[C];2008年
9 陈皓;;基于CS中转架构的人脸识别门禁系统[A];全国第21届计算机技术与应用学术会议(CACIS·2010)暨全国第2届安全关键技术与应用学术会议论文集[C];2010年
10 段玉波;贾莹;王兴柱;韩雪松;;基于PCA算法的人脸识别[A];2009中国仪器仪表与测控技术大会论文集[C];2009年
中国重要报纸全文数据库 前10条
1 本版编辑曾雨 康翔;人脸识别结缘奥运[N];计算机世界;2007年
2 孟东明 张继进;企业要靠创新应对危机[N];中国工商报;2009年
3 本报记者  魏建玲;行者 知其道而行其智[N];国际商报;2006年
4 程蓉 王春;“人脸识别”保障财产安全[N];科技日报;2006年
5 记者 闫文锋 实习记者 高鹏;清华人脸识别系列全面推广[N];中国知识产权报;2006年
6 实习生 姜靖;人脸识别:门靠人脸开启[N];科技日报;2007年
7 阐文;汉王新品开启“人脸识别时代”[N];中国工业报;2009年
8 本报记者 霍光;从按手印到以貌取人[N];中国计算机报;2011年
9 于建平;行者人脸识别技术贡献北京奥运[N];中国高新技术产业导报;2005年
10 卢旭成;“傻瓜化”的人脸识别技术[N];中国计算机报;2008年
中国博士学位论文全文数据库 前10条
1 赵武锋;人脸识别中特征提取方法的研究[D];浙江大学;2009年
2 郭志强;基于子空间分析的人脸识别算法研究[D];武汉理工大学;2010年
3 林玉娥;特征提取方法研究及其在人脸识别中的应用[D];哈尔滨工程大学;2009年
4 李全彬;非约束环境下人脸识别关键技术的研究与应用[D];华东师范大学;2011年
5 苏煜;融合全局和局部特征的人脸识别[D];哈尔滨工业大学;2009年
6 王国强;嵌入邻域判别关系的子空间人脸识别算法研究[D];大连理工大学;2008年
7 笪邦友;图像纹理在红外场景仿真与人脸识别中的应用[D];华中科技大学;2010年
8 唐恒亮;基于三维特征的人脸识别算法研究[D];北京工业大学;2011年
9 王建中;基于流形学习的数据降维方法及其在人脸识别中的应用[D];东北师范大学;2010年
10 陈恒鑫;基于多尺度分析的变化光照下人脸识别研究[D];重庆大学;2010年
中国硕士学位论文全文数据库 前10条
1 王振华;基于非线性维数约减的模式识别[D];天津大学;2004年
2 高知行;基于流形的人脸识别子空间特征提取算法研究[D];辽宁工程技术大学;2010年
3 杜文霞;人脸识别中的特征提取算法研究[D];兰州理工大学;2011年
4 赵冬娟;人脸识别过程中特征提取方法的研究[D];江南大学;2011年
5 闫红宾;标准正面人脸识别系统的研究[D];哈尔滨工程大学;2004年
6 周丁;人脸识别技术研究[D];武汉理工大学;2006年
7 邓楠;基于主成分分析的人脸识别研究[D];西北大学;2006年
8 陈浩;基于ND-PCA的人脸识别方法研究[D];大连理工大学;2009年
9 张颖;人脸识别方法的研究[D];华北电力大学(河北);2009年
10 柯江民;人脸图像的检测和识别的研究与实现[D];成都理工大学;2009年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978