基于局部保持投影算法的人臉識別.pdf

1、隨著計算機和科學技術的不斷進步，方便、高效的身份識別技術——人臉識別技術便應運而生，近年來它已經成為模式識別與機器學習領域一個熱點的研究課題并且已經被普遍地應用于智能監(jiān)控、公共安全管理、數字身份認證等領域。人臉識別需要經過采集人臉圖像、圖像預處理、特征提取和人臉識別這四個過程。其中，特征提取與人臉識別是關鍵步驟，本文針對特征提取和人臉識別這兩方面進行研究。
　　1、研究了主成分分析（PCA）、線性判別分析（LDA）和局部保持投影（

2、LPP）等典型的人臉特征提取方法，包括一維和二維兩種情形。針對每一情形下的幾種特征提取方法，分析了他們的區(qū)別與聯系，為下文中算法的改進做鋪墊。
　　2、研究了一種基于改進的自適應局部保持投影算法的人臉識別方法。為了避免參數的選擇對識別率造成的影響，首先構造無參數的近鄰圖，能夠自適應的選取樣本的近鄰點并確定其相應的邊權。其次由于在計算過程中出現矩陣維數過高問題，我們采用QR分解進行降維處理。最后利用共軛正交化使得獲得的投影軸具有統計

3、不相關性，以降低特征矢量間的統計相關性，提高識別率。實驗方面，首先進行了尺度因子?值的選取實驗。其次在多種數據庫(ORL和YALE)上進行實驗，結果表明本文算法是有效且穩(wěn)定的，并且與LPP、DLPP和LMMC等算法相比，具有更高的正確識別率。最后增加了兩個比較實驗，一個是本文算法使用不同分類器的比較實驗，另一個是本文算法在無不相關條件和加不相關條件的對比實驗，實驗結果均表明本文算法是有效的。
　　3、研究了一種結合2DLPP和2D

4、PCA的雙向壓縮人臉識別方法。為了克服一維特征提取的缺點，首先對一維的LPP算法進行了升級，改用2DLPP算法。其次由于一般的各類二維算法只可以從一個方向對目標數據進行降維提取特征并且所降至的維數選擇也受到限制，我們采用從水平和垂直兩個方向對樣本圖像進行降維處理提取特征的技術，以提高識別率。實驗方面首先為了驗證本文算法（2DLPP+2DPCA）在識別率方面的優(yōu)勢，在ORL人臉庫上與其他算法進行了比較實驗；隨后，為了驗證本文算法（2DLP