论文部分内容阅读
在身份验证中，相对于其他生物特征识别而言，人脸特征识别是最直接、最方便友好的手段。近几年来人脸识别技术已成为国内外学者研究的热点。计算机人脸识别技术是指利用计算机对人脸图像进行分析，进而从中提取出有效的识别信息，用来“辨认”身份的一门技术。人脸识别技术主要包括两个方面的内容，首先是人脸特征的压缩和提取；其次是与人脸特征相配合的模式分类器的构造。
本文在分析传统的人脸识别方法的基础上，针对人脸特征提取和模式分类器建模以及人脸特征加权等问题进行了研究。重点研究了利用统计特征进行人脸识别的方法。本文的主要工作有：
(1)提出了一套基于线性判别分析与多分类支持向量机相结合的人脸识别算法。该算法利用了主成分分析、线性判别分析和支持向量机等统计理论。在特征提取阶段，主要采用主成分分析对人脸图像进行降维，然后在低维空间中利用线性判别分析进行特征提取。在分类器构造阶段，主要利用统计学习理论的支持向量机，并且采用多类别的支持向量机分类器作为我们人脸识别的分类器。利用支持向量机分类器对提取的人脸特征进行训练、测试。最后用OlivettiResearchLaboratory(ORL)人脸图像库对算法进行多方面验证，实验结果表明本文所提出的算法与其它方法相比具有合理性和一定的优越性。
(2)提出融合了特征加权的人脸识别算法。现有的人脸识别方法通常未考虑不同特征或像素对识别结果的影响。实际上，人脸面部不同特征在人脸识别过程中的作用是不同的。基于以上考虑，本文采用眼睛嘴巴加权方法对人脸图像进行了预处理，并应用基于线性判别分析与多分类支持向量机相结合的人脸识别算法进行识别。最后同样用标准人脸库ORL进行了实验，实验结果表明特征加权方法对人脸识别算法是有效且通用的。