智能环境下基于特征鉴别性分析的人脸识别算法研究

摘要

随着人脸识别技术在智能视觉物联网、视频会议系统、公共安全和金融服务等领域的广泛应用，智能环境下的人脸识别技术已成为模式识别领域的研究热点。但在实际应用中，人脸识别技术除受常见因素（如光照、姿态、面部表情、遮挡等）影响外，还容易受到特征单一化的限制。因此，智能环境下鉴别性的选取人脸特征并融合多种互补的人脸特征进行人脸识别是一个新的研究方向。本文主要从鉴别性特征提取、鉴别性特征融合以及识别三个方面来展开智能环境下基于特征鉴别性分析的人脸识别算法的研究。主要工作如下：
　　1.研究了智能环境下高表征人脸特征的提取问题。针对单一人脸特征难以捕获人脸图像多方面识别信息的问题，本文利用互补思想，提出一种基于离散余弦变换的二维主成分分析和二维线性鉴别分析加权融合的人脸识别方法。该方法不仅解决了二维主成分分析人脸特征缺少鉴别信息的问题，而且克服了单一人脸特征易受数据噪声和识别系统本身限制的问题，提高了人脸特征的表征能力。
　　2.研究了异类人脸特征在不同融合层次上的最优融合规则。在融合多种人脸特征进行人脸识别的过程中，并不是每一种特征的贡献率都是相同的，有些会更容易受样本数目变化和噪声的影响，因而改进的融合策略应该降低它们影响决策结果的权重。基于此，本文在现有融合方法的基础上提出了一种自适应权值选取方法。该方法依据不同样本数目情况下各种人脸特征对识别结果的贡献度，来赋予各种人脸特征不同的权重，提高了人脸识别的准确性和鲁棒性。
　　3.研究了人脸识别中基于稀疏描述思想的子空间分析方法。针对传统子空间分析方法利用训练样本信息获取的变换轴不能最佳表示测试样本的问题，本文利用稀疏描述思想，提出一种基于改进传统子空间分析的人脸识别方法。并在自适应权值选取方法的基础上，将其应用到主成分分析和线性鉴别分析方法中。该方法可以有效表征测试样本，提高了样本分类的正确率。
　　4.研究了人脸识别中基于稀疏保持投影的二维判别监督局部保持算法。针对二维判别监督局部保持投影算法和稀疏保持投影算法目标函数的互补性，本文在引入自适应平衡参数构造蕴含数据判别信息和结构信息的目标函数的基础上，提出一种基于二维判别监督局部保持投影和稀疏保持投影的人脸识别方法。该方法有效解决了二维判别监督局部保持投影缺少全局几何结构信息和稀疏保持投影缺少类标签先验知识的问题，提高了人脸识别的分类性能。

目录

声明

附图索引

附表索引

第1章 绪论

1.1 研究背景及意义

1.2 国内外研究现状

1.3 常用人脸数据库和人脸识别评价标准

1.4 本文的主要工作和结构安排

第2章 理论基础

2.1 引言

2.2 基于子空间分析的特征提取方法

2.3 常用特征融合方法

2.4 稀疏表示

2.5 本章小结

第3章 基于自适应特征融合的人脸识别

3.1 引言

3.2 基于离散余弦变换的二维主成分分析特征提取

3.3 二维线性鉴别分析特征提取

3.4 自适应特征融合

3.5 仿真实验及结果分析

3.6 本章小结

第4章 基于改进子空间分析方法的人脸识别

4.1 引言

4.2 传统子空间分析方法

4.3 改进的子空间分析方法

4.4 改进的PCA和LDA的自适应融合

4.5 仿真实验及结果分析

4.6 本章小结

第5章 基于二维判别监督局部保持投影和稀疏保持投影的人脸识别算法

5.1 引言

5.2 二维判别监督局部保持投影算法

5.3 稀疏保持投影算法

5.4 基于二维判别监督局部保持投影和稀疏保持投影的人脸识别

5.5 仿真实验及结果分析

5.6 本章小结

总结与展望

参考文献

致谢

附录A 攻读硕士学位期间参与项目和发表学术论文