基于模糊支持向量机方法的人脸识别技术的研究

摘要

人脸自动识别技术是生物特征识别技术的重要组成部分,因此目前还没有一个广泛使用的用于人脸图像的分类器.支持向量机方法就是利用最优分类面(线)将两类样本在特征空间或输入空间中无错误地分开,而且要使两类的分类间隔最大.但在某些现实问题中,有部分的训练点并不能明确属于二类集合中的一类,而是表现出一定的模糊性,用传统的支持向量机算法对此类问题进行处理不能考虑模糊点的影响.模糊支持向量机对每一个训练点都定义点模糊度的概念,利用其隶属函数所包含的信息量来确定模糊度,在此基础上对传统的支撑向量机算法进行改进,使其能够较好的处理包含模糊训练点的分类问题.在对图像进行小波变换,离散余弦变换提取特征后,将DCT系数作为支持向量机的输入.在识别时,将测试人脸图像交由模糊支持向量机进行分类,进而确定测试人脸图像类别.实验表明,该方法可以取得令人满意的效果.