基于對稱非負(fù)矩陣分解的人臉識別算法研究.pdf

1、人臉識別是模式識別領(lǐng)域的一個(gè)重要研究課題，已被廣泛應(yīng)用于門禁系統(tǒng)、考勤系統(tǒng)、安檢、刑事案件偵破等領(lǐng)域中。與其他生物識別技術(shù)相比，人臉識別具有非接觸式、可靠性強(qiáng)等優(yōu)點(diǎn)。然而人臉圖像不僅數(shù)據(jù)量大，而且容易受到光照以及人臉姿態(tài)等的影響，這給計(jì)算機(jī)進(jìn)行有效人臉識別提出了極大挑戰(zhàn)。如何快速準(zhǔn)確的提取人臉特征來進(jìn)行人臉的匹配是研究者們關(guān)注的焦點(diǎn)。
　　 目前，常用的特征提取方法有主元分析法(PCA)、Fisher線性判別分析法(LDA)以及

2、獨(dú)立成分分析法(ICA)等。非負(fù)矩陣分解(Non-negative Matrix Factorization，NMF)算法是Lee等人提出的一種基于特征子空間的特征提取與數(shù)據(jù)降維的新方法。與傳統(tǒng)方法相比，NMF在處理大規(guī)模數(shù)據(jù)以及局部特征提取方面具有較大優(yōu)勢。它通過對分解的矩陣引入非負(fù)性約束條件，將任何圖像看成是由一組基圖像按照不同的權(quán)重相加而成的，更符合人們“局部構(gòu)成整體”的思維方式?？梢?，基圖像的構(gòu)造對NMF能否進(jìn)行準(zhǔn)確的特征提取起

3、著舉足輕重的作用。
　　 考慮到人臉對稱的生理特性，本文提出了一種利用鏡像偶特征改造NMF基圖像并進(jìn)行局部特征提取的人臉識別算法。首先獲取鏡像偶特征并進(jìn)行二次Haar小波分解，得到重構(gòu)人臉樣本圖像。然后利用NMF分解得到一組在垂直方向?qū)ΨQ的基圖像，由它們組成基矩陣并對它們正交規(guī)范化。由于改造后的基圖像符合人臉對稱的生理特性，使得NMF基矩陣更加適用于人臉特征提取。在含有姿態(tài)變化和不均勻光照樣本的Yale人臉數(shù)據(jù)庫上取得了較好的識