基于子空间几何特征分析的人脸识别方法研究

摘要

近年来，随着社会科学、经济的不断发展，人脸识别技术获得了广泛的应用，已成为模式识别领域的一个研究热点。本文对人脸识别技术的理论和方法进行了较深入的研究，并着重就基于子空间分析的人脸特征提取方法和特征空间几何分类器进行了研究和实验验证。 基于子空间的特征提取方法具备计算效率高、表征能力强等优点，其中又以基于主元分析的特征脸方法和基于独立元分析的方法比较成功，不过由于人脸图像较易受各种外界因素的干扰，简单的一次主元特征提取或独立元特征提取很难得到人脸图像在特征空间内准确表征，本文在二次主元分析法的基础上，结合独立元分析方法能够提取图像高阶统计特征，从而更有效反映人脸面部细节的优点，提出了混合独立元特征提取方法。实验证明，使用混合独立元特征表征的人脸图像在不同分类器下的识别效果，要优于基于传统子空间分析的方法。 在识别分类器方面，本文在可调最近邻特征分类器的基础上，将可调特征子空间的构筑从二维推广到三维，提出可调最近邻特征面分类器，在三维空间的基础上提出可变等势曲面的概念，通过动态调节参数，优化分类器对于特征点在高维空间内非线性几何分布的描述，从而达到最佳分类识别效果。实验表明该方法在识别率、稳定性、应用的灵活性等方面优于传统的识别方法。 最后对本文工作进行总结，并就进一步的研究方向进行了简要讨论。

目录

文摘

英文文摘

学位论文版权使用授权书及同济大学学位论文原创性声明

第1章绪论

1.1人脸识别技术概要

1.2人脸识别技术的主要研究内容

1.3人脸识别技术的发展进程

1.4常用的人脸识别方法及对应的特征提取方法

1.5基于仿生模式识别理论的人脸识别方法

1.6本文的主要内容及创新

1.7本文的结构安排

第2章基于子空间分析的特征提取方法

2.1基于主元分析的特征提取方法

2.1.1 K-L变换

2.1.2主元特征脸算法

2.1.3主元特征脸方法的缺陷

2.2二次特征脸方法

2.2.1二次主元特征提取

2.2.2基于二次特征脸的识别方法

2.3基于独立元分析的特征提取方法

2.3.1基本概念

2.3.2 BELL算法

2.3.3人脸的独立元表征

2.4基于混合独立元分析的特征提取方法

2.4.1混合独立元特征提取

2.4.2基于混合独立元特征的人脸识别

第3章参数化可调几何特征分类器

3.1最近邻特征分类器

3.1.1最近邻特征点分类器分类器

3.1.2最近邻特征线分类器

3.1.3最近邻特征面分类器和最近邻特征体分类器

3.2局部最近邻特征分类器

3.2.1最近邻特征分类器族的缺陷

3.2.2局部化——改进的NFL和NFP

3.3可调最近邻特征分类器

3.3.1可调最近邻分类器

3.3.2可调最近邻特征面分类器

第4章实验结果与分析

4.1混合独立元特征提取方法与传统方法的比较

4.1.1基于NN的实验结果分析

4.1.2基于NFL和NFP的实验结果分析

4.2基于TNN和TNNP的实验结果分析

第5章总结与展望

5.1总结

5.2进一步工作的方向

致谢

参考文献

个人简历在读期间发表的学术论文与研究成果