人脸识别的特征提取方法研究

论文摘要

人脸识别是一项极具挑战性的课题,不仅具有理论研究价值而且有着广泛的应用前景,本文研究了特征提取理论在人脸识别领域的研究与应用,重点研究了基于全局特征提取和局部特征提取的人脸识别算法,并提出了相关特征提取方法的改进,主要内容如下：第一,研究了两种基于人脸特征子空间理论的全局特征提取人脸识别算法,即特征脸算法和Fisher脸算法,并在ORL人脸数据库上进行了实验比较和分析。第二,介绍了广义主成份分析方法并提出了一种改进方法。即在水平和垂直方向上执行两次广义主成分分析,得到两个人脸特征矩阵,找到一个合适的权值,利用整个人脸信息来进行人脸识别。在ORL人脸库上的实验表明在投影轴较少的情况下改进的广义主成份分析能够提高识别率。第三,研究了局部特征提取的理论,并在ORL数据库上对Fisher Score特征提取算法进行了实验,实验表明局部特征分析对光照具有一定的鲁棒性,更充分得利用了人脸的局部信息,提高了识别率。第四,将特征提取问题视为一组合优化问题,提出了在特征脸和局部特征分析这两种方法的基础上,采用遗传算法和离散粒子群算法进行特征提取的方法。实验表明,仿生算法的引入能有效的压缩人脸的特征空间并提高识别率。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 特征提取方法的研究与发展
• 1.2 人脸识别的研究背景及意义
• 1.3 人脸识别的发展现状
• 1.3.1 人脸识别面临的困难
• 1.3.2 人脸识别的方法
• 1.4 本文的主要工作
• 第二章 人脸识别的全局特征提取方法研究
• 2.1 引言
• 2.2 人脸识别的特征脸方法
• 2.2.1 人脸图像预处理
• 2.2.2 特征子空间的生成
• 2.2.3 基于人脸特征子空间的识别
• 2.2.4 特征脸算法实验
• 2.3 人脸识别的Fisher脸方法
• 2.3.1 Fisher脸算法基础
• 2.3.2 传统Fisher脸算法
• 2.3.3 基于正交基的Fisher脸算法
• 2.3.4 Fisher脸算法实验
• 2.4 人脸识别的广义主成分分析方法研究及改进
• 2.4.1 广义主成份分析的人脸识别原理
• 2.4.2 改进的广义主成分分析人脸识别算法
• 2.4.3 实验结果与分析
• 2.5 基于仿生算法的人脸识别的特征脸方法改进
• 2.5.1 遗传算法与粒子群算法简介
• 2.5.2 基于遗传算法的主成分分析
• 2.5.3 基于离散粒子群算法的主成分分析
• 2.5.4 实验结果与分析
• 第三章 人脸识别的局部特征提取方法研究
• 3.1 引言
• 3.2 局部特征提取理论
• 3.3 局部特征选择
• 3.3.1 基于迭代的局部特征选择
• 3.3.2 基于Fisher Score的局部特征选择
• 3.4 基于仿生算法的人脸识别的局部特征提取方法改进
• 第四章 总结与展望
• 参考文献
• 致谢