论文部分内容阅读
人脸识别技术是生物特征识别技术的一种,是一门利用计算机分析人脸图像,提取有效面部信息来辨认身份或者判别待定状态的技术,是当前计算机视觉、模式识别和生物识别的研究热点之一。由于人脸是由复杂的三维曲面构成的同一变形体,难以用数学描述,人脸图像又容易受到光照、环境等因素的影响,对于机器来说,同一张人脸由于光照和观察角度不同引起的图像变化可能比由不同人脸引起的变化还要大,这使得人脸识别成为一个复杂而极具挑战性的问题。 人脸识别的关键是特征提取和分类器设计。针对这两个关键,本文采用主成分分析和径向基神经网络相结合进行研究,提出基于二次压缩二维主成分分析和径向基神经网络、基于双向二维主成分分析和径向基神经网络的人脸识别方法,主要内容为: (1)一维主成分分析,二维主成分分析,二次压缩二维主成分分析以及双向二维主成分分析。人脸图像的维数一般都很高,若直接对其进行分类识别,则需要大量的计算且其效果也很差,而主成分分析是把多个特征映射为少数几个综合特征的一种统计分析方法,有降维而不减有效信息的作用。本文对以上主成分分析方法进行分析比较,将它们用于人脸图像进行特征提取,有效地降低人脸图像的维数,又保留识别所需的主要信息,更有利于机器的存储和识别。 (2)径向基神经网络分类器设计。根据径向基神经网络紧凑的拓扑结构、快速计算能力、良好的泛化和分类能力等特点,利用主成分分析提取的人脸特征,设计一个性能优良的径向基神经网络分类器。 (3)提出和改进了基于主成分分析和径向基神经网络的人脸识别算法。将主成分分析方法分别结合径向基神经网络和概率型神经网络所得的人脸识别方法,以正确识别率和识别速度作为指标,对ORL人脸库进行实验。实验结果表明,以上识别方法均取得较好的实验效果,而本文提出的基于二次压缩二维主成分分析和径向基神经网络、基于双向二维主成分分析和径向基神经网络的人脸识别方法则取得更好的效果。