基于改进GLRAM算法的人脸识别研究

摘要

人脸识别技术是一种通过计算机技术分析人脸,从而抽取有效特征来鉴别某人身份的一种先进技术。这门技术不仅涉及模式识别、图像处理等工程类学科,同时由于该技术需要研究人的表情、心理等因素,因此还涉及到生理学、心理学等其它非工程类学科。人脸识别是现今世界最为热门的研究领域之一。
　　 本文所研究的算法是人脸识别中一种常用的子空间算法——GLRAM算法,与一般传统的单边主成分分析算法相比,该算法通过双边降维的方法,在保持较低重构误差的情况下,可以取得更高的压缩率。而该算法由于采用迭代求解,因此效率较低,本文深入分析该算法,总结该算法的优缺点,以该算法的解为出发点,结合2DPCA算法的求解过程,提出了极限GLRAM算法,有效提高了传统GLRAM算法的效率,然后针对该算法自身的一些不良性质通过与PCA算法进行融合,进一步对算法进行了优化,最终通过实验验证该算法的可行性,也通过实验充分证明了该算法要优于传统的GLRAM算法。此外,在最后的实验当中,本文也发现该算法在融合过程中,第一次降维到的特征空间维数不会影响最终的重构效果,进一步提高了该算法在应用方面的能力。