基于改進(jìn)非負(fù)稀疏編碼的人臉識別.pdf

1、人臉識別技術(shù)是當(dāng)今生物識別中重要的研究課題，很多學(xué)者和科研機構(gòu)都在對此進(jìn)行不懈的研究和探索。人臉識別技術(shù)廣泛應(yīng)用于計算機視覺和模式識別領(lǐng)域，有著廣闊的應(yīng)用前景。人臉識別包括人臉檢測、人臉特征提取和識別。本文研究了人臉特征提取和識別技術(shù)，對于人臉檢測部分介紹了快速Adaboost算法及相關(guān)實驗。對目前的人臉識別技術(shù)進(jìn)行了總結(jié)，并介紹了非負(fù)稀疏編碼理論，然后采用一種基于Fisher方法的非負(fù)稀疏編碼算法實現(xiàn)人臉的特征提取，通過大量對比實驗對

2、這種算法進(jìn)行了驗證和分析。主要研究內(nèi)容及結(jié)果如下：
　　 (1)對人臉識別技術(shù)進(jìn)行綜述。介紹了人臉識別的基本問題、技術(shù)流程、性能評價方法、常用人臉圖像庫及主要的人臉檢測和識別算法。重點介紹了基于Adaboost的人臉檢測算法、PCA算法和LDA算法。
　　 (2)介紹非負(fù)稀疏編碼理論。分別論述了非負(fù)稀疏編碼的理論根源，基本思想及求解方法。
　　 (3)采用快速Adaboost算法完成人臉圖像的檢測，分析了Adab

3、oost算法的優(yōu)勢和不足，并完成圖像的預(yù)處理工作。
　　 (4)分析非負(fù)稀疏編碼算法的優(yōu)勢和不足，加以改進(jìn)，提出一種新的特征提取算法--F-NNSC算法。非負(fù)稀疏編碼能很好的反映人眼的視覺特性，提取的基圖像局部性很強，但不能有效利用樣本的分類信息。本文在人臉經(jīng)過非負(fù)稀疏編碼特征提取后，再次做LDA投影，以此利用樣本的分類信息。實驗表明:改進(jìn)后F-NNSC算法比非負(fù)稀疏編碼(NNSC)算法分類性能要好，識別率比NNSC和LDA算法