《一种有监督双向特征融合的人脸识别算法》由会员分享，可在线阅读，更多相关《一种有监督双向特征融合的人脸识别算法（58页珍藏版）》请在金锄头文库上搜索。
1、河南大学 硕士学位论文 一种有监督双向特征融合的人脸识别算法 姓名：丛庆 申请学位级别：硕士 专业：应用数学 指导教师：沈夏炯 2011-06 I 摘 要 人脸识别因其直接、友好、非侵犯性等特点成为当前生物特征识的焦点。但是人脸 图像维数很高， 并且需要较大的空间进行信息存储， 因此人脸特征提取就显得非常重要。 特征提取就是抽取人脸图像本身具有最大鉴别能力的特征， 利用提取到的鉴别特征进行 识别。本文对特征提取算法中的典型 LPP 算法及其改进算法进行了研究。LPP 算法是 一种无监督的针对 1 维向量的特征提取方法，转化过程中会出现“小样本”和维数过高 的问题。SLPP 算法和 2DLPP
2、算法是 LPP 的改进算法，SLPP 算法解决了 LPP 算法的无 监督问题，2DLPP 算法可以针对 2 维人脸图像直接处理，避免了图像转化过程中的问 题。 但是 SLPP 算法中k近邻图构造时存在类内和类间两个k值难以确定的问题， 2DLPP 算法存在不能完整保留人脸整体特征的问题。针对两种算法的上述问题分别进行了改 进，并把改进后的两种算法相结合提出一种有监督双向特征融合人脸识别算法，在标准 人脸库进行了实验， 通过实验对比表明本文提出的算法与其他人脸识别算法相比具有更 高人脸识别率和鲁棒性。 本文对 LPP 及其改进算法进行了研究，主要贡献概括为以下三个方面： 第一，在 SLPP 算法
3、的基础上针对其构造k近邻图时存在类内和类间两个k值难以 确定问题进行了改进，对类间k近邻图构造时k的取值进行了修改，解决了类内和类间 k进邻图构造时k值的确定问题，并把改进后算法与原有 SLPP 算法进行了实验对比， 进而证明了 SLPP 算法修改的合理性。 第二， 在传统单向 2DLPP 算法的基础上提出了双向特征融合算法2DDLPP 算法， 将同一原始人脸图像映射到水平和垂直两个不同的特征空间中， 得到互补的两类人脸图 像特征，并对两类人脸特征进行融合，很好的保留了人脸整体特征和判别信息，并对改 进后的 2DDLPP 算法进行了实验，验证了其改进的合理性。 第三，把有监督与 2 维双向图像
4、特征提取相结合对 LPP 算法进行改进，提出一种 新的有监督双向特征融合人脸识别算法2DDESLPP 算法，解决了 LPP 算法的“小样 本问题”和无监督问题，通过实验对比证明该方法具有较高的识别率和鲁棒性。 II 关键词：人脸识别，特征提取，特征融合，局部保留 III Abstract Face identification is considered as the focus of biometric identification because of its characteristics of being direct, friendly and non-invasive. Howev
5、er, the high dimensionality of face images, and the need for more space for information storage lead to the importance of facial feature extraction. Feature extraction refers to the extraction of the most distinctive face images which are used for identification. This paper is a research on the typi
6、cal LPP algorithm of feature extraction algorithm and its improved version. LPP is an unsupervised algorithm for 1-dimensional vector feature extraction, which may have the problem of “small sample“ and excessively high dimension in the process of. SLPP algorithm and 2DLPP algorithm are two improved
7、 versions of LPP algorithm. SLPP algorithm solved the unsupervised problem of LPP algorithm and 2DLPP algorithm for the direct processing of 2-dimensional face image avoids the problem that may occur in the transformation process. But there are problems of SLPP algorithm on constructing the neighbor
8、 graph of within-class and between-class. 2DLPP algorithm has the limitation of being unable to retain the overall face feature. The paper try to make an improvement in the above two algorithms respectively, then put forward a new supervised two-way fusion face recognition algorithm that combines th
9、e two algorithms. Compared with other face recognition algorithm, the new algorithm is proved to be of higher recognition rate and robustness after being tested by experiments in the standard face database. This paper studies LPP and two improved versions of it, of which the major contributions can
10、be summarized in the following three aspects. First, there are problems of SLPP algorithm on constructing the neighbor graph of within-class and between-class. We propose a new method to construct the graph between-class, which solve the above IV problem. We prove the consistency of the proposed ESL
11、PP by number of experiments, and then prove that a SLPP algorithm change is reasonable. Secondly, it put forwards the two-way feature fusion algorithm-2DDLPP based on the traditional 2DLPP algorithm, in which the primitive face images are mapped to the horizontal and vertical, two different feature
12、spaces to get two complementary features of face images. The fusion of these two types of facial features well retains the overall characteristics of the human face and distinctive information. More importantly the improved 2DDLPP algorithm is acknowledged to be valid through experiment. Thirdly, th
13、e newly proposed 2DDESLPP algorithm solves the problem of “small sample“ and excessively high dimension and it is proved that the method has higher recognition rate and robustness. KEY WORDS: face recognition, feature extraction, feature fusion, local reservations 关于学位论文独创声明和学术诚信承诺 本人向河南大学提出硕士学位申请。本
14、人郑重声明：所呈交的学位论文是本人在导 师的指导下独立完成的， 对所研究的课题有新的见解。 据我所知， 除文中特别加以说明、 标注和致谢的地方外，论文中不包括其他人已经发表或撰写过的研究成果，也不包括其 他人为获得任何教育、科研机构的学位或证书而使用过的材料。与我一同工作的同事对 本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。 在此本人郑重承诺：所呈交的学位论文不存在舞弊作伪行为，文责自负。 学位申请人（学位论文作者）签名： 201 年 月 日 关于学位论文著作权使用授权书 本人经河南大学审核批准授予硕士学位。作为学位论文的作者，本人完全了解并同 意河南大学有关保留、使用学位论文
15、的要求，即河南大学有权向国家图书馆、科研信息 机构、数据收集机构和本校图书馆等提供学位论文（纸质文本和电子文本）以供公众检 索、查阅。本人授权河南大学出于宣扬、展览学校学术发展和进行学术交流等目的，可 以采取影印、 缩印、 扫描和拷贝等复制手段保存、 汇编学位论文 （纸质文本和电子文本） 。 （涉及保密内容的学位论文在解密后适用本授权书） 学位获得者（学位论文作者）签名： 201 年 月 日 学位论文指导教师签名： 201 年 月 日 绪 论 1 1 绪论 1.1 课题背景和意义 随着计算机的快速发展，生物特征识别技术也被广泛应用于生活的各个方面。人脸 识别作为生物测定学的重要组成部分更是倍受
16、关注，人脸识别与指纹、虹膜掌型、基因 等相比具有无侵犯性、自然性好、性价比高等优点。现在人脸识别已经被广泛应用于视 频监控、身份验证、视频会议、犯罪嫌疑人的辨认、信用卡验证、自动门卫系统、医学、 档案管理系统、人机交互系统、图像检索、表情分析等方面。随着社会和技术的发展， 人脸识别应用领域也在不断增加。 人脸识别是一个复杂的过程， 它涉及模式识别、 人工智能、 神经网络、 计算机视觉、 计算机图形学、生理学、心理学等诸多领域，如何有效的进行人脸特征提取是人脸识别 的关键。人脸识别通常需要大量的原始数据，并且原始数据通常处在高维空间中，如果 对原始数据直接进行处理，显然是一个计算量庞大的过程，并且需要较大的存储空间进 行信息存储。为了提高识别效率减小数据处理复杂度，通常采用降维的方法对数据进行 预处理，把原始数据映射到低维空间中进行处理，并且在降维的同时保留最能反映样本 本质的特征，这个过程就叫特征提取。映射后的空间称为子空间，子空间很好的保留了 原始样本的分类特征。 特征提取方法根据变换的不同可以分为线
