基于核方法的人脸识别算法研究

【摘要】： 人脸识别技术是利用计算机对人脸图像提取有效信息进行认证的一项技术。人脸识别具有友好、非侵扰性等特点,在刑案侦破、证件验证等领域有着广阔的发展前景,具有十分重要的理论和应用价值。因此,如何提高人脸图像的识别率和降低人脸识别的时间消耗,以及提高人脸识别算法对光照、姿态和表情的鲁棒性成为研究者们关注的焦点。本论文针对人脸图像的特征提取问题和核函数选择问题进行研究,提出了两种方法。 本文在分析了统计学习方法在人脸图像特征提取的成果、当前线性学习方法在提取人脸图像非线性特征方面的局限性、核方法在提取非线性特征方面的优势和Gabor变换在反映人脸图像局部特征的良好特性基础上,充分利用信号处理和核方法两种图像特征提取方法的优势,提出了基于Gabor变换的监督核局部保持映射(SGKLPP)人脸识别算法和基于Gabor变换的核独立成分分析(GKICA)人脸识别算法。SGKLPP算法首先采用Gabor变换对人脸图像进行特征提取,并将提取的特征向量映射到核空间,在核空间下构造有监督的相邻矩阵,并使用局部保持映射算法对核空间下的特征向量进行特征提取和分类；同SGKLPP一样,GKICA算法首先采用Gabor小波对人脸图像进行特征提取,然后对Gabor空间下的特征向量采用核主成分分析方法变换到核空间,并在核空间下使用独立成分分析方法进行特征提取和分类。 论文对提出的两种算法在Yale和ORL人脸数据库上针对不同特征向量维度下的识别率、不同特征向量维度下的时间消耗、核函数的选择以及不同的训练样本数等问题进行了实验验证,并给出了结果分析。