基于數(shù)據(jù)重構(gòu)的子空間人臉識別算法研究.pdf

1、人臉識別系統(tǒng)分為人臉檢測、圖像預(yù)處理、特征提取、分類這四個部分，其中特征提取最為重要。在特征提取方法中子空間方法尤為突出，子空間方法都是根據(jù)某種性能需求從而求得一個最優(yōu)投影，大多數(shù)情況下這種性能需求都與數(shù)據(jù)重構(gòu)方式有關(guān)，不同的數(shù)據(jù)重構(gòu)方式也將得到不同的低維子空間。
　　本研究主要內(nèi)容包括：⑴稀疏保持投影(Sparsity Preserving Projections, SPP)算法利用稀疏表示來重構(gòu)數(shù)據(jù)，保持樣本在低維空間的稀疏結(jié)

2、構(gòu)，但該算法沒有充分利用樣本的標(biāo)簽信息，也沒有區(qū)分異類樣本。針對這兩點不足，本文提出一種稀疏重構(gòu)判別分析(Sparse Reconstructive Discriminant Analysis, SRDA)算法，SRDA算法充分利用樣本的標(biāo)簽信息，保持類內(nèi)稀疏重構(gòu)誤差最??；同時考慮異類樣本的局部信息，保持異類近鄰稀疏重構(gòu)誤差最大，該算法同時增強了子空間的鑒別能力和異類樣本的可分性。在YaleB、PIE和AR三個規(guī)模較大的人臉庫上的實驗驗

3、證了算法的有效性。⑵重構(gòu)判別分析(Reconstructive Discriminant Analysis, RDA)算法利用同類中其它所有樣本對數(shù)據(jù)進行重構(gòu)，保持類內(nèi)線性重構(gòu)誤差最小的同時保持異類近鄰線性重構(gòu)誤差最大。但該算法未考慮線性子空間距離不同，導(dǎo)致較差的子空間數(shù)據(jù)結(jié)構(gòu)保持能力，并且RDA算法是非正交的，給數(shù)據(jù)重構(gòu)帶來困難。針對這些不足，提出一種權(quán)值正交重構(gòu)判別分析(Weighted Orthogonal Reconstruct