近年來,人臉識別是基于生物識別的認(rèn)證系統(tǒng)最重要的應(yīng)用之一。面部識別是一種識別任務(wù)模式,在識別過程中,經(jīng)常會出現(xiàn)識別錯(cuò)誤的情況。為了提高識別率,本論文提出了兩種人臉識別改進(jìn)算法。由于算法的優(yōu)劣會直接影響識別率的高低,所以如何構(gòu)造新算法,同時(shí)提高人臉識別的識別率和運(yùn)算效率是當(dāng)前人臉識別的研究熱點(diǎn)。本文圍繞人臉識別,在改進(jìn)的模塊化雙向2DPCA（二維主成分分析）的人臉識別算法（IM（2D）² PCA）和結(jié)合KPCA、SRC和KDA的基于核的魯棒干擾字典的人臉識別算法（KRDD）等方面進(jìn)行了深入的研究,主要?jiǎng)?chuàng)新成果如下:（1）本論文提出了基于改進(jìn)的模塊化雙向2DPCA的人臉識別方法。首先,將人臉圖像劃分為若干個(gè)子圖像,然后根據(jù)子圖像的數(shù)量,通過雙向2DPCA提取每個(gè)子圖像的人臉特征。最后,使用支持向量機(jī)把圖像分類。實(shí)驗(yàn)結(jié)果在ORL人臉數(shù)據(jù)庫和YALE人臉數(shù)據(jù)庫上得到驗(yàn)證,該方法在人臉識別率和計(jì)算效率方面比其他任何2DPCA方法都表現(xiàn)得更好。（2）本論文提出了一種基于核的魯棒干擾字典（KRDD）的算法,用于人臉識別,解決了現(xiàn)在字典學(xué)習(xí)中信號無法完全覆蓋所表示的重要組成部分的... 

【文章來源】：山東師范大學(xué)山東省

【文章頁數(shù)】：47 頁

【學(xué)位級別】：碩士

【部分圖文】：

ORL面部數(shù)據(jù)庫的示例

圖 3-2 YALE 面部數(shù)據(jù)庫的示例魯人臉數(shù)據(jù)庫中一個(gè)人的面部圖像的例子。在 Y訓(xùn)練樣本，剩余 6 個(gè)圖像用作測試樣本。通過光照，驗(yàn)證了改進(jìn)模塊化 22D PCA 算法的優(yōu)越性。，包括 2DPCA， 22D PCA，帶有 SVM 的 22D P2DPCA+ SVM），帶有 SVM 的 IM 22D PCA 和 I析方法。為了進(jìn)一步說明上述六種識別方法的性能上進(jìn)行了實(shí)驗(yàn)。為 6 時(shí)，ORL 數(shù)據(jù)庫中六種方法的正確識別率和表 3-1 不同算法在 ORL 人臉數(shù)據(jù)庫上的實(shí)驗(yàn)結(jié)對比果methodRecognitionaccuracy(%)RunningTime (s)2DPCA 86.67 0.916

IM 22D PCA 92 1.486IM 22D PCA+SVM 96 1.167表 II 可以看出，IM 22D PCA 方法具有比任何其他常見 2DPCA 方計(jì)算復(fù)雜度高一些。具備 SVM 的 IM 22D PCA 比 IM 22D PCA 方更少的運(yùn)行時(shí)間。表 II 可以看出，添加 SVM 分類器后算法的操作時(shí)間較短，因?yàn)楫?dāng)進(jìn)行一些計(jì)算來做出決策。這種計(jì)算有一定的成本，我們使用 SV決策方法，因此可以改變操作時(shí)間。分割圖像時(shí)，我們需要考慮圖像分成多少個(gè)子塊。這里我們討論子在 ORL 人臉數(shù)據(jù)庫中，人臉圖像的大小都是 112 92。在行方向上為 112 個(gè)子塊；在列方向上，圖像必須精確地劃分為 92 個(gè)子塊。分的數(shù)量必須小于子塊大小的組合數(shù)，因此我們將子塊大小的行和更好地與其他算法進(jìn)行比較。因此我們將子塊大小分為 112 46、 23、 28 46和 28 23，并通過改進(jìn)的 IM 22D PCA 算法進(jìn)行實(shí)驗(yàn)對實(shí)驗(yàn)結(jié)果產(chǎn)生的影響。如圖 3-3 和圖 3-4 所示。


本文編號：3379981