论文摘要
人脸识别技术作为当前身份验证技术的热点研究课题,在智能控制、安全管理、出入控制等领域有着广泛的应用前景。动态人脸识别系统中,人脸图像的特征提取是最关键的算法之一,提取出人脸图像有效的识别信息,不仅可以减小系统复杂度,而且可以提高识别率。目前,由于主成分分析（Principal Component Analysis,PCA）算法简单、能够提取有效的人脸图像特征而广泛应用于人脸识别中。然而,目前基于该算法的人脸识别普遍存在实时性差、鲁棒性能差、训练速度低等技术瓶颈,特别是在增量学习中,问题尤为突出。在目前的人脸识别中,进行增量学习的时候都是基于样本向量进行的运算,这会导致系统识别效率的降低,特别是有核运算的时候,系统的实时性更差。本文针对以上问题进行深入研究,具体研究内容如下:（1）本文针对动态人脸识别中进行特征人脸识别的增量学习问题,提出一种基于二维主成分分析增量学习算法的动态人脸特征提取算法,该算法的整个运算过程都是基于二维图像矩阵的运算。首先,通过原样本构造二维主成分分析投影空间,任何样本都可以向该空间投影,当有新增样本加入时,通过原投影空间的参数和新增样本的信息,重新构造一个新投影空间,这就完成了基于二维图像向量的增量学习问题。实验证明基于二维主成分分析的增量学习算法不仅能够保证了很好的识别率,而且在很大程度上降低了计算复杂度,提高了系统的识别效率。（2）本文针对动态人脸识别系统中进行核运算的时候,基于图像向量运算的高复杂度的问题,提出一种基于二维核主成分增量学习算法的人脸特征提取算法。该算法是对二维主成分分析的增量算法进行核化。首先,通过二维核主成分分析对样本图像进行特征提取,提取过程的核化过程中,核矩阵（本文利用径向基核向量）的范数都是基于图像矩阵的运算,进而对新增样本进行增量学习。该算法很好的解决了原核主成分分析的增量学习的高运算复杂度的问题,在保证学习精度的情况下,能够有效地减少训练时间。（3）分别将二维主成分分析的增量学习算法和二维核主成分分析算法应用到人脸识别系统并对其进行仿真实验,每个实验都分别基于JAN-A人脸库和ORL人脸库进行实验验证,实验结果说明:本系统在很好的保证识别率的同时,很大程度上降低了样本训练时间,提高了系统的识别性能。
论文目录
相关论文文献
标签：动态人脸识别论文; 二维主成分分析论文; 二维核主成分分析论文; 增量学习论文;