收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于子空间方法的人脸识别算法研究

郑海涛  
【摘要】:原始人脸图像冗余信息较多,如何舍弃这些信息,提取出最具判别性的特征,并能有效地、准确地、实时地识别目标人脸,是人脸识别的关键所在。本文以研究如何提取有效的人脸判别信息为根本目标,着重研究和分析了人脸识别领域子空间方法。尽管子空间方法可以很好地揭示数据的子流形结构,但其自身也存在很多的缺陷,为此研究人员对其进行了研究和发展。本文深入研究和分析了已有人脸识别子空间方法的优缺点,并提出了相应的解决方案,主要包括以下两个方案: 1)针对邻域保持嵌入(Neighborhood preserving embedding, NPE)算法直接使用样本的K近邻重构该样本,并未区分同类近邻与异类近邻的重要性,导致其识别效果不佳,本文提出一种基于公共向量的模糊邻域保持嵌入(Fuzzy neighborhoodpreserving embedding based on common vector, FNPE/CV)算法。首先根据样本的K近邻的类别信息求出每个样本对每个类别的隶属度,然后使用公共向量和隶属度来重构每个样本,并最小化原始样本与重构样本的残差,最后将该问题转化为求解相应的广义特征值问题以获得最终的投影变换矩阵。该算法尽可能地减少了投影后同类样本的差异性,较好地分离了异类样本。在ORL、Yale、AR和PIEC29人脸数据库上的相关实验验证了算法的有效性。 2)局部保持投影(Locality preserving projections, LPP)与NPE是两种能较好地保持数据局部几何结构的有效算法,然而过度强调局部几何特征往往会导致数据的全局几何特征不能得到较好的保持。非监督性是LPP与NPE的另一个重大缺陷,使得它们的分类识别效果并不理想。针对这些缺陷,提出一种基于相关系数的判别保持嵌入(Discriminant preserving embedding, DPE)算法,通过最小化类内相似离散度以及最小化修正的类内线性重构残差同时最大化类间线性重构残差来获取算法的判别子空间,投影后的特征既能有效地保持数据的局部几何属性,又能较好地保持数据的全局几何结构。在ORL、Yale、YaleB、PIE四个人脸库上的大量实验结果验证了算法的有效性与优越性。


知网文化
【相似文献】
中国期刊全文数据库 前1条
1 吴通理;郑建德;;三维人脸识别及其关键技术[J];福建电脑;2007年02期
中国博士学位论文全文数据库 前1条
1 张海旸;视频网格资源组织与调度方法的研究[D];北京邮电大学;2008年
中国硕士学位论文全文数据库 前9条
1 吕志丹;基于压缩感知的人脸识别算法研究[D];大连海事大学;2014年
2 郑海涛;基于子空间方法的人脸识别算法研究[D];苏州大学;2014年
3 钟诚;多视角人脸识别算法研究[D];广东工业大学;2014年
4 曾凌子;基于压缩感知的人脸识别算法研究[D];中国科学技术大学;2014年
5 王国栋;基于MATLAB的人脸识别算法的研究[D];内蒙古大学;2014年
6 江兴斌;基于代数特征的人脸识别算法研究[D];兰州理工大学;2014年
7 孙继文;人脸识别算法的研究[D];沈阳工业大学;2014年
8 程雪峰;基于LBP特征的人脸识别算法研究[D];厦门大学;2014年
9 刘继健;基于流形子空间分析的人脸识别算法研究[D];吉林大学;2014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