基于結(jié)合特征提取與支持向量機(jī)的人臉識(shí)別系統(tǒng)研究.pdf

1、人臉識(shí)別技術(shù)就是利用計(jì)算機(jī)分析人臉圖像，提取有效的識(shí)別信息來辨認(rèn)身份或者判別待定狀態(tài)的一門技術(shù)。它涉及模式識(shí)別、圖像處理、計(jì)算機(jī)視覺、生理學(xué)、心理學(xué)等諸多學(xué)科的知識(shí)，是當(dāng)前模式識(shí)別和人工智能領(lǐng)域研究的熱點(diǎn)之一。
　　 首先，分析了支持向量機(jī)方法(SVM)在人臉識(shí)別上的應(yīng)用。研究了統(tǒng)計(jì)學(xué)習(xí)理論和支持向量機(jī)的基本思想理論。分析了幾種經(jīng)典的多分類算法：一對多算法、一對一算法、錯(cuò)誤糾止輸出編碼法和一種隱式分解策略算法；分析了影響其分類效

2、果的因素；比較了幾種算法的技術(shù)特點(diǎn)，選取OAO作為人臉識(shí)別系統(tǒng)的分類算法。
　　 然后，分析了兩種特征提取算法：以K-L變換為基礎(chǔ)的主成分分析算法(PCA)和二維主成分分析算法(2DPCA)。PCA特征提取方法是統(tǒng)計(jì)最優(yōu)的，但，圖像矩陣轉(zhuǎn)化為圖像向量后維數(shù)較高，整個(gè)特征抽取過程所耗費(fèi)的計(jì)算量大。2DPCA基于圖像矩陣，圖像特征提取簡單直觀，但在圖像重建的過程中，需要更多的協(xié)同因素和系數(shù)。本文提出了一種改進(jìn)的特征提取算法，即2DP

3、CA-PCA結(jié)合算法，進(jìn)一步實(shí)現(xiàn)了降低特征維數(shù)，特征提取速度更快，分類效果更好。
　　 最后，建立了基于2DPCA-PCA和支持向量機(jī)的人臉識(shí)別仿真系統(tǒng)。仿真基于ORL人臉庫和組合人臉庫，比較了PCA聯(lián)合KNN(最近鄰分類器)系統(tǒng)、2DPCA-PCA聯(lián)合KNN系統(tǒng)、PCA聯(lián)合SVM系統(tǒng)、2DPCA-PCA聯(lián)合SVM系統(tǒng)。較之KNN分類器，SVM分類器有較好的泛化性，分類準(zhǔn)確率有一定提高；2DPCA-PCA聯(lián)合SVM人臉識(shí)別系統(tǒng)較