基于隱馬爾科夫模型及多類映射的人臉識(shí)別.pdf

1、隱馬爾科夫模型作為一種基于生成概率的模型方法，由于其模型的簡(jiǎn)潔性，模型之間的不相干性，已經(jīng)廣泛應(yīng)用于圖像分割、模式識(shí)別、信號(hào)預(yù)測(cè)等領(lǐng)域；本文在前人研究工作的基礎(chǔ)上主要做了如下幾項(xiàng)工作：
　　1．對(duì)人臉識(shí)別的子空間分析法進(jìn)行了研究，重點(diǎn)研究了一維主成分分析、一維Fisher鑒別方法；接著介紹了性能更好的擴(kuò)展算法二維主成分分析、二維Fisher鑒別方法；同時(shí)討論了訓(xùn)練樣本數(shù)、特征維數(shù)對(duì)識(shí)別性能的影響，并給出了相應(yīng)的訓(xùn)練時(shí)間與識(shí)別時(shí)間，

2、便于工程應(yīng)用。
　　2．相比傳統(tǒng)的三個(gè)問(wèn)題解決方式分析隱馬爾科夫模型，本文從隱馬爾科夫模型運(yùn)行機(jī)理入手對(duì)其進(jìn)行了闡述，從概率求解出發(fā)，結(jié)合最大似然參數(shù)估計(jì)方式很自然地得到參數(shù)重估方法，這樣更容易形成理論體系；其次，由于在圖像壓縮標(biāo)準(zhǔn)JPEG2000中采用小波變換代替離散余弦變換，本文嘗試用小波變換提取特征，然后將其應(yīng)用隱馬爾科夫模型進(jìn)行分類；最后，考慮到單一特征的鑒別力相對(duì)偏弱，故利用特征融合的策略將小波特征、主分量特征、二維離散

3、變換特征進(jìn)行了兩兩融合及三者融合，再用隱馬爾科夫模型進(jìn)行分類，得到了比較穩(wěn)健的算法結(jié)構(gòu)。
　　3．重點(diǎn)分析了偽二維隱馬爾科夫模型的雙嵌入式Viterbi解碼算法，采用小波變換代替離散余弦變換提取特征，用偽二維隱馬爾科夫模型分類，得到了不錯(cuò)的識(shí)別結(jié)果；除此之外，將二維離散余弦變換與小波變換的特征融合起來(lái)，得到更有鑒別力的特征，再利用偽二維隱馬爾科夫模型分類，則得到更為穩(wěn)健的人臉識(shí)別；同時(shí)本文也給出了詳細(xì)的模型訓(xùn)練時(shí)間與識(shí)別時(shí)間做為工