基于流形學習算法的人臉識別研究.pdf

1、隨著網(wǎng)絡和信息技術的快速發(fā)展，信息交換者之間身份的認證和確認極為重要，人們對于信息安全性的要求越來越高，需要進行人的身份認證的場合也越來越多。生物特征識別技術是利用人的生物特征進行識別，并秉承了它的先天不易遺忘丟失等優(yōu)勢，因此，生物特征識別技術已成為如今最有效的身份認證技術。
　　 人臉識別是生物特征識別技術之一，它是利用人臉圖像中的有效信息進行身份認證識別的一種技術。與其它生物特征識別相比，人臉識別以其簡單、方便、不直接接觸等

2、優(yōu)勢，贏得社會各個領域的信賴并且已具有非常廣泛的應用前景。
　　 在使用人臉識別技術進行身份認證的過程中，特征提取是最為重要的一步。研究者在特征提取中發(fā)現(xiàn)，人臉圖像數(shù)據(jù)可能存在于一個潛在的低維流形當中，傳統(tǒng)的子空間方法無法保持數(shù)據(jù)的流形結(jié)構，因此，流形學習算法應運而生。在實驗中流形學習算法具有較好的識別效果，但由于其存在樣本點外的問題，使得很難直接應用到實際當中。因此學者們在經(jīng)典算法的基礎上提出了許多的改進算法，取得了較好的應用

3、效果。本文深入研究了基于流形學習的特征提取方法，并在此基礎上做了以下工作:
　　 1.在保持鄰域嵌入的基礎上，利用樣本的類別信息計算類間散度矩陣和類內(nèi)散度矩陣，同時采用先驗類信息重新構造保持鄰域嵌入(NPE)的權值矩陣，然后把類間散度矩陣與類內(nèi)散度矩陣之差即最大間距準則的目標函數(shù)引入到更改了權值矩陣的NPE目標函數(shù)中，提出了保持鄰域分類嵌入算法。算法能計算得到既能保持局部特性又具有良好分類特性的投影向量，克服了保持鄰域嵌入算法沒

4、有有效利用監(jiān)督樣本信息的缺點，較好地保持了人臉數(shù)據(jù)中流形的幾何結(jié)構和判別結(jié)構信息。
　　 2.針對流形學習中非線性特征提取和有標記樣本不足問題，提出了一種基于核正交半監(jiān)督鑒別分析的人臉識別算法。算法將無監(jiān)督判別分析和邊界Fisher分析進行結(jié)合，加入調(diào)節(jié)貢獻度的常系數(shù)使之改進為半監(jiān)督算法。其中，利用無監(jiān)督判別分析來對大量無標簽樣本進行訓練，而利用邊界Fisher分析對少量有標簽樣本進行訓練。同時，將核正交化的思想引入其中，在特征