人臉識(shí)別中分類器與特征提取研究.pdf

1、人臉識(shí)別技術(shù)是模式識(shí)別和機(jī)器視覺(jué)領(lǐng)域最富挑戰(zhàn)性的研究課題之一，涉及模式識(shí)別、圖像處理、計(jì)算機(jī)視覺(jué)、神經(jīng)網(wǎng)絡(luò)、生理學(xué)以及心理學(xué)等諸多學(xué)科，是一個(gè)典型多學(xué)科交叉的應(yīng)用，它在公共安全、信息安全、人機(jī)交互等領(lǐng)域中有著廣泛的應(yīng)用前景。盡管在人臉識(shí)別中包括許多個(gè)步驟，然而特征提取無(wú)疑是最重要的一個(gè)環(huán)節(jié)，特征提取的差異性從根本上決定了人臉識(shí)別方法的優(yōu)劣。而分類器的設(shè)計(jì)與實(shí)現(xiàn)則是人臉識(shí)別的最后一個(gè)步驟，對(duì)分類器性能的改進(jìn)也同樣對(duì)人臉識(shí)別有著相當(dāng)重要的作

2、用。
　　 本文在前人的基礎(chǔ)上，對(duì)人臉識(shí)別中的特征提取和分類器做了深入的研究，具體如下:
　　 1.為了提高常用分類器的性能，本文引入了Box-Cox變換的思想，推導(dǎo)出了基于Box-Cox變換的分類器判別公式；由于Box-Cox變換對(duì)數(shù)據(jù)的正態(tài)化作用，以及很多模式識(shí)別技術(shù)在所操作數(shù)據(jù)滿足正態(tài)分布時(shí)的最優(yōu)性能，分類器在Box-Cox變換后的性能有了相當(dāng)大程度的改進(jìn)，特別是神經(jīng)網(wǎng)絡(luò)，無(wú)論是訓(xùn)練速度，還是類別判定的準(zhǔn)確性，都有

3、相當(dāng)程度的提高。
　　 2.在對(duì)Box-Cox變換的深入研究的基礎(chǔ)上，本文又將它與人臉識(shí)別的特征提取相結(jié)合，主要是主成分分析(PCA)、線性判別分析(LDA)和魯棒性主成分分析(RPCA)方法結(jié)合Box-Cox變換；通過(guò)在ORL人臉庫(kù)上的大量實(shí)驗(yàn)，證明這種結(jié)合的有效性和積極作用。
　　 3.把上下文信息的思想應(yīng)用于主成分分析(PCA)和線性判別分析(LDA)，提出了前向的上下文信息方法和雙向的上下文信息方法，并且設(shè)計(jì)了基