收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于子空间分析的人脸识别算法研究

张成元  
【摘要】: 随着网络与通讯技术的飞速发展和人类物理与虚拟活动空间的不断扩展,人们对于信息安全性的要求日益提高,需要进行人的身份识别的场合也越来越多。生物特征识别技术是利用人的生物特征(生理特征或行为特征)通过计算机来判别一个人的身份。生物特征具备“人人拥有、人各不同、长期不变”的特点,并且不会被遗忘或丢失,具有先天的便利性和技术上的高效性,因此,生物特征识别技术已经成为当今身份识别的一种有效手段。 人脸识别技术是生物特征识别技术领域中重要的组成部分,它根据人面部影象中的有效信息进行个人身份识别。与其它生物特征识别技术相比,人脸识别具有方便快捷、非接触无侵犯性采集、可交互性等诸多优势,已成为了生物特征识别技术中的一个研究热点,并且具有广阔的应用前景。 在当今众多的特征提取及人脸识别算法中,子空间分析算法因其计算简单、有效等特性引起了人们的广泛注意,现已成为人脸图像特征提取和识别的主流方法之一。本文以基于子空间分析的人脸特征提取和信息融合为重点进行了相关研究,提出了几种高效的人脸特征提取和识别的算法。本文主要工作及创新如下: 1.为解决基于线性判别分析的人脸识别算法中的小样本问题,本文提出了完全Fisher判别分析(Complete Fisher discriminant analysis,CFDA)方法。首先证明了基于Fisher判别准则的所有判别信息都存在于样本总散度矩阵S_t的秩空间Ψ_t中,可以在不损失任何有用判别信息的前提下,将搜索范围从高维的原始数据空间缩小到较低维的Ψ_t空间,大大降低了计算复杂度和存储复杂度。其次分别从样本的类内散度矩阵S_w的秩空间Ψ_w和零空间Ψ_w~⊥内提取两类判别特征DF1和DF2,这两类特征构成了样本基于Fisher判别准则的完整描述。 2.提出一种基于整体与局部特征的完全Fisher判别分析和模糊积分(GLCFDA-FI)的人脸识别算法。眼部局部图像包含有大量的判别信息,它受表情变化的影响相对较小,而且还不会受到有无胡须、有无口罩以及张口闭口的影响,因此针对人脸识别而言,眼部局部特征是整体面部特征的重要补充。GLCFDA-FI算法首先在预处理阶段根据两眼的坐标,剪裁出整体面部图像和眼部局部图像;然后将它们分别进行基于完全Fisher判别分析的最佳投影变换,得到四类不同类型的判别特征:整体DF1、整体DF2、局部DF1和局部DF2;最后基于模糊测度与模糊积分的决策级融合进行人脸识别。GLCFDA-FI算法在进行人脸识别时,综合考虑了包含于整体面部和眼部局部的判别信息,以及存在于S_w秩空间和零空间的判别信息,给出最终的识别结果。GLCFDA-F1人脸识别算法可以将小样本问题由不利因素转化为有利因素,在光照变化或表情变化情况下,通过调整各类特征所对应的模糊密度,得到较理想的识别结果。 3.提出一种基于小波分解的完全Fisher判别分析和模糊积分(WCFDA-FI)的人脸识别算法。在WCFDA-FI人脸识别算法中,首先将人脸图像进行适当层次的二维小波分解,选择低频分量和合适的高频分量构成表示人脸的低频特征和高频特征;然后将这两类特征分别进行基于CFDA的最佳投影变换,得到四类判别特征:低频DF1、低频DF2、高频DF1和高频DF2;最后基于模糊积分的决策级融合进行人脸识别。因为,小波分解得到的低频和高频子图受表情、光照、噪声等干扰的影响不同,通过调整各类特征所对应的模糊密度,就可以尽可能的利用人脸内在的判别特征,减小干扰因素的影响,得到较为理想的识别结果。 4.提出一种基于整体与局部的完全核Fisher判别分析和模糊积分(GLCKFDA-FI)的人脸识别算法。基于核映射(Kernel Mapping)的非线性子空间分析方法是当今人脸识别领域中的主流方法之一,该方法很好的解决了人脸图像在原始样本空间中分布的非线性问题,并且可以通过核方法避免直接在高维特征空间进行特征提取的海量计算。完全核Fisher判别分析(CKFDA)在高维特征空间F中再进行完全Fisher判别分析,提取完整的判别特征。GLCKFDA-FI算法是本文提出的GLCFDA-FI算法的非线性分析版本,首先整体面部图像和眼部局部图像分别进行基于CKFDA的最佳投影变换,得到四类不同类型的判别特征:整体KDF1、整体KDF2、局部KDF1和局部KDF2;最后基于模糊测度与模糊积分的决策级融合进行人脸识别。实验结果表明,GLCKFDA-FI适合于复杂环境下的人脸识别问题,在人脸样本受到光照、表情等干扰因素影响时也能获得较理想的识别效果。 5.为解决人脸样本在原始样本空间的非线性流形嵌入问题,本文提出了局部Fisher判别分析(LFDA)算法。与Fisher判别分析中具有全局意义上的类内散度S_w和类间散度S_b不同,LFDA定义了能够代表数据局部结构特征的局部类内散度S_w~L和局部类间散度S_b~L,且在Fisher判别准则下,使局部类内散度最小的同时,局部类间散度达到最大,从而提高样本的可分性。为解决小样本问题,本文提出两种基于LFDA的人脸识别算法:(1)基于局部Fisher脸(L-Fisherface)的人脸识别算法,L-Fisherface算法首先基于PCA变换对原始样本进行降维,以确保局部类内散度矩阵非奇异,然后在PCA变换子空间内进行局部Fisher判别分析。(2)基于局部完全Fisher判别分析(LCFDA)的人脸识别算法。为了不损失基于Fisher准则下任何有用的判别信息,首先在S_w~L的秩空间中提取样本的第一类局部判别信息,同时在S_w~L的零空间中提取样本的第二类局部判别信息;然后基于特征融合将两类局部判别信息融合起来进行人脸识别。实验结果表明,本文所提出的L-Fisherface算法和LCFDA算法既考虑了数据的局部结构特征又考虑了样本的可分性,得到比较理想的识别结果。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 张前进;齐美彬;蒋建国;王倩;李莉;;基于人体静态和动态特征融合的步态识别[J];系统仿真学报;2009年05期
2 金一;王移芝;阮秋琦;;张量正交局部敏感判别式分析及其在人脸识别中的应用[J];信号处理;2011年06期
3 李保洲,邓雁萍,李介谷;基于模糊积分的信息融合研究[J];红外与激光工程;1999年04期
4 伍行素;余为益;;改进的2DPCA人脸识别算法[J];计算机系统应用;2011年06期
5 顾晓敏;林锦国;梅雪;;基于模糊积分分类器融合的人脸识别[J];计算机工程;2010年18期
6 张岩;武玉强;;改进的模块2DPCA人脸识别算法[J];计算机工程;2011年07期
7 林克正;李艳芳;辛晨;;基于2D-DWT与FLD的人脸识别算法[J];计算机工程;2011年11期
8 程思宁;武丹丹;张俊芬;史东承;;基于小波分析的人脸识别算法[J];长春工业大学学报(自然科学版);2006年01期
9 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
10 温浩;卢朝阳;高全学;;融合小波变换和张量PCA的人脸识别算法[J];西安电子科技大学学报;2009年04期
11 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
12 李见为;樊超;;Gabor小波和SLLE在人脸识别中的应用[J];重庆工学院学报(自然科学版);2009年09期
13 张旭;曹健;刘玉树;;基于二维非参数化判别分析的人脸识别[J];北京理工大学学报;2009年09期
14 张国印;楼宋江;;无关性判别保局算法及其在人脸识别中的应用[J];中国图象图形学报;2011年01期
15 王虹;朱双燕;;基于整体与局部奇异值分解的人脸识别方法[J];计算机工程与应用;2007年22期
16 王珂;党德玉;孙斌;;一种基于二维经验模式分解的人脸识别方法[J];软件导刊;2010年02期
17 赵颖;;基于改进的核判别分析的人脸识别算法研究[J];哈尔滨理工大学学报;2010年03期
18 孙艳丰;张扬;唐恒亮;;基于二维、三维信息融合的人脸识别[J];北京工业大学学报;2011年06期
19 张祖涛;张家树;和红杰;;基于脆弱数字水印的人脸图像的安全性[J];西南交通大学学报;2007年03期
20 祝磊;马莉;厉力华;;一种基于GDLPP的人脸识别算法[J];光电工程;2008年06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 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
3 郭颂;魏立峰;;基于信息融合的身份识别技术[A];第二届全国信息获取与处理学术会议论文集[C];2004年
4 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
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 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
7 高庆华;李建华;侯建党;;基于小波分解和PCA的人脸识别[A];第十三届全国信号处理学术年会(CCSP-2007)论文集[C];2007年
8 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
9 宋广寒;李久贤;潘泓;;基于LBP算子的改进人脸识别算法[A];2009年中国智能自动化会议论文集(第七分册)[南京理工大学学报(增刊)][C];2009年
10 郭丽珍;李晓奇;;基于三种模糊积分的分类器方法及其改进[A];第四届中国智能计算大会论文集[C];2010年
中国博士学位论文全文数据库 前10条
1 张成元;基于子空间分析的人脸识别算法研究[D];北京交通大学;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 赵武锋;人脸识别中特征提取方法的研究[D];浙江大学;2009年
4 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
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 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
7 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
8 王承;基于神经网络的模拟电路故障诊断方法研究[D];电子科技大学;2005年
9 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
10 陈勇;基于样条二进小波的人脸识别研究[D];浙江工业大学;2010年
中国硕士学位论文全文数据库 前10条
1 朱家宏;基于支持向量机的人脸识别改进算法[D];华北电力大学(北京);2011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 张颖;人脸识别方法的研究[D];华北电力大学(河北);2009年
4 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
5 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
6 周长录;基于保局子空间的人脸识别研究[D];吉林大学;2009年
7 王振华;基于非线性维数约减的模式识别[D];天津大学;2004年
8 章悦;基于四元数的彩色人脸识别[D];西安电子科技大学;2010年
9 安贝;基于K-L变换的人脸识别方法[D];四川大学;2005年
10 刘汪澜;基于Gabor变换的虹膜识别算法的研究[D];沈阳工业大学;2008年
中国重要报纸全文数据库 前10条
1 黄光伟;让十三亿张脸生动起来[N];电脑商报;2009年
2 本版编辑 中国科学院计算技术研究所数字媒体研究中心 山世光 陈熙霖 高文 徐昕 刘洪宇;你的脸,你的身份证明[N];中国计算机报;2006年
3 卢旭成;“傻瓜化”的人脸识别技术[N];中国计算机报;2008年
4 记者  王丽辉;人脸识别技术迈进产业化新阶段[N];中华建筑报;2006年
5 黄光伟;汉王将人脸变成通行证[N];电脑商报;2008年
6 本报记者 霍光;从按手印到以貌取人[N];中国计算机报;2011年
7 本报记者 王婷婷;李子青:将人脸识别进行到底[N];科技日报;2007年
8 李俊 王春 钟伊;芝麻开门[N];科技日报;2006年
9 周余;汉王科技 第三张牌发力考勤市场[N];中国企业报;2010年
10 本报记者 许泳;视觉标签:贴上就跑不掉![N];计算机世界;2010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