基于流形學(xué)習(xí)及其改進(jìn)方法的人臉識(shí)別研究.pdf

1、人臉識(shí)別因其自然、非接觸、直觀、便捷等優(yōu)點(diǎn)而倍受關(guān)注，是當(dāng)今極具研究?jī)r(jià)值和發(fā)展?jié)摿Φ囊婚T生物特征識(shí)別技術(shù)，也是目前模式識(shí)別和人工智能領(lǐng)域的熱點(diǎn)研究課題之一。因此對(duì)人臉識(shí)別技術(shù)進(jìn)行研究具有重要的理論意義和應(yīng)用價(jià)值。
　　如何有效地從人臉圖像中提取出具有鑒別力的特征，是實(shí)現(xiàn)人臉識(shí)別的關(guān)鍵性問題。研究表明，人臉在某種意義上屬于一種流形結(jié)構(gòu)，人臉數(shù)據(jù)集可以看作是由某些內(nèi)在變量控制形成的非線性流形?；谧涌臻g流形學(xué)習(xí)的人臉特征提取方法引起了

2、人們的廣泛關(guān)注。本文首先介紹了經(jīng)典的流形學(xué)習(xí)算法，然后針對(duì)經(jīng)典流形學(xué)習(xí)算法存在的問題，如流形結(jié)構(gòu)中歐式距離的局限性、未考慮人臉樣本類別信息和人臉數(shù)據(jù)可能呈現(xiàn)多流形分布結(jié)構(gòu)等，對(duì)流形學(xué)習(xí)方法進(jìn)行完善和擴(kuò)展。最后通過在開放的人臉數(shù)據(jù)庫(kù)上的仿真實(shí)驗(yàn)對(duì)本文所提算法的有效性進(jìn)行了驗(yàn)證。
　　本文的主要工作可概述如下：
　　①在局部保持投影(Locality Preserving Projections，LPP)算法中，對(duì)人臉流形中數(shù)據(jù)

3、的近鄰結(jié)構(gòu)僅采用歐式距離度量會(huì)產(chǎn)生虛假的近鄰關(guān)系。此外，LPP以局部合并的方式來重構(gòu)人臉數(shù)據(jù)的整體內(nèi)在特性，無法較好地體現(xiàn)不同類數(shù)據(jù)間的分布差異。針對(duì)這些問題，本文提出了一種融合相關(guān)系數(shù)的局部保持投影算法(Correlation Coefficient Fused with LPP Algorithm，CCLPP)，將數(shù)據(jù)類別信息以相關(guān)性方式引入到算法中，采用相關(guān)系數(shù)融合歐式距離的方式來構(gòu)造和評(píng)價(jià)鄰域圖。CCLPP方法能很好的揭示人臉數(shù)

4、據(jù)集的真實(shí)內(nèi)蘊(yùn)局部幾何結(jié)構(gòu)以及數(shù)據(jù)整體分布特性，在保持?jǐn)?shù)據(jù)集鄰域結(jié)構(gòu)的基礎(chǔ)上，擴(kuò)大了不同類數(shù)據(jù)間的間距，進(jìn)而改善數(shù)據(jù)樣本的虛假近鄰，新方法展現(xiàn)了良好的鑒別特性。
　?、诂F(xiàn)有的流形學(xué)習(xí)方法均是基于單流形假設(shè)的，即認(rèn)為所有的樣本數(shù)據(jù)均分布在一個(gè)統(tǒng)一的低維嵌入流形上。相關(guān)研究表明，人臉數(shù)據(jù)可能呈現(xiàn)多流形分布，不同類別的人臉數(shù)據(jù)位于不同的流形上。若將位于多流形上的人臉數(shù)據(jù)在一個(gè)單一的空間上進(jìn)行描述會(huì)影響對(duì)數(shù)據(jù)真實(shí)幾何結(jié)構(gòu)的估計(jì)。本文研究了

5、多人臉流形分類框架，提出多鄰域保持嵌入(Multiple Neighborhood Preserving Embedding，M-NPE)算法，將不同類別的人臉數(shù)據(jù)刻畫在不同的低維流形上，且認(rèn)為各類數(shù)據(jù)具有不盡相同的本質(zhì)特征和維數(shù)。M-NPE算法首先通過 NPE分別學(xué)習(xí)每類人臉數(shù)據(jù)的低維流形，然后采用遺傳算法得到多個(gè)流形在分類意義下最優(yōu)的一組維數(shù)，最后選用基于最小重構(gòu)誤差的分類器在多流形上對(duì)新人臉樣本進(jìn)行分類。在Extended Yal