《人脸图像特征提取和分类算法研究》由会员分享，可在线阅读，更多相关《人脸图像特征提取和分类算法研究（65页珍藏版）》请在金锄头文库上搜索。
1、南京邮电大学 硕士学位论文 人脸图像特征提取和分类算法研究 姓名：徐征 申请学位级别：硕士 专业：模式识别与智能系统 指导教师：荆晓远 2011-03 - I - 摘摘 要要 模式识别技术从20世纪60年代初开始就发展成为一门热门学科，其理论和方法在很多 科学和技术领域中受广泛重视， 推动了人工智能学科的迅猛发展， 人类进入准智能化时代。 模式识别问题通常被分为两个相对独立的问题来研究：特征提取和分类，本文的工作将分 别从这两个方面展开，本文将对特征提取方法作为重点探讨，所以内容安排上将分类器的 研究放在了前面阐述。 我们知道，真实人脸图像为彩色，人眼能分辨数千种颜色1，但可鉴别绝对亮度却 只
2、有1015 级的灰度，所以彩色人脸图像包含的鉴别信息要远多于灰度图像。如若能在利 用人脸图像中反映形状结构特征的灰度信息，同时又能充分利用其彩色信息，则可以获取 更多人脸间差异性的鉴别信息，提高算法识别率2。然而大多数经典模式识别算法都是 基于灰度图像的3，即：将彩色图像经某种变换来转换成灰度图像来处理，这不可避免 地会丢失彩色图像部分的特征信息，同时导致包括经典最近特征分类器在内的分类器4 只被广泛用于灰度图像分类，对彩色模式的分类能力很少被验证，我们将在本文完成这一 工作，即将最近特征分类器拓展到彩色人脸识别中，并在Ar_color彩色人脸库上获得很好 的实验效果，证明这类分类器在彩色人脸
3、识别中的有效性及本文工作的必要性。 目前代价敏感性学习方法也已成为研究的热点之一，并逐渐被应用到模式识别领域来 解决相关问题，但将该学习方法应用到特征提取阶段的算法还比较少，Jiwen Lu的工作5 比较新，但仍然是用于分类阶段、以追求最小的总体分类错误代价为目标，而不是以模式 识别问题要求的高识别率为目的的，究竟代价敏感性学习方法的理论能否融合到模式识别 问题的特征提取阶段、为我们正确的分类获取有竞争力的鉴别特征，尚无具体工作，本文 的第二个工作将首次将代价敏感性学习方法成功融合到人脸识别的特征提取阶段，并提取 一系列优秀的鉴别特征， 在AR_60人脸库、 palmdata掌纹库、 Conc
4、ordia University CENPARMI 手写体数字数据库三个数据库上获得让人欣慰的识别效果，证明只要合理的设计，代价敏 感性学习方法在提高识别率方面是有发展前景的。 关键词：最近特征分类器；代价敏感性学习；特征融合；彩色人脸识别； - II - ABSTRACT Pattern Recognition Technique(PRT) has been a very popular subject since the 1960s century,whose theries and methods are also very important in many other subject
5、s and fields, promote the development of artificial intelligence,let human have come into an intelligence time.Pattern Recognition problems are divided into two independent parts:feature extraction and discriminant.The paper will explore both such two problems.Feature extraction methods are emphasis
6、es in the paper,therefore,the extention work of classifiers will been expatiated first. As we know,the human face is color image,and our eyes can distingguish several thousand colors1,while only 1015 level grayer.Therefore,color facial images include more disciminant information.If we can use the co
7、lor information well besides the grayer information reflecting images shape and configuration,we will get more disciminant information to improve the disciminant rate2.While most of the classical pattern recognition methods are based on grayer images3,transforming color images into grayer images bef
8、ore discriminant steps,which lose some feature information of color images and has resulted in classical classifiers4,including the Nearest Feature Classifiers,are used in grayer images discriminant only,while the discriminant capability in color images are hardly validated,which will been completed
9、 in this paper,we extent the Nearest Feature Classifiers to color face recognition,and get very good experimental effect on ar_color color face database,which shows that such classifiers are effective in color face recognition and the necessary of our work in this paper. Cost- sensitive learning met
10、hods have been used in pattern recognition,but hardly in feature extraction step,including Jiwen Lus work5,which aims to get the least error cost but higher disciminant rate.Therefore,if cost- sensitive can been used in feature extraction step and get good discriminant features,there are not such an
11、swers.Therefore,the second work in this paper extent the cost- sensitive to feature extraction step and get a series of fine discriminant features on three database(ar_60 facial database,palmdata database, Concordia University CENPARMI database)for the first time, therefore,only if we have a good pr
12、oject,the cost- sensitive learning method will have a bright future in improving discriminant rate. Key words：Nearest Feature Classifier；Cost- Sensitive Learning；Feature Fusion； Color Face Recognition； 南京邮电大学学位论文原创性声明 本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得 的研究成果。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包 含其他人已经发表或撰写过的研
13、究成果，也不包含为获得南京邮电大学或其它 教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的 任何贡献均已在论文中作了明确的说明并表示了谢意。 南京邮电大学学位论文使用授权声明 南京邮电大学、中国科学技术信息研究所、国家图书馆有权保留本人所送 交学位论文的复印件和电子文档，可以采用影印、缩印或其它复制手段保存论 文。本文电子文档的内容和纸质论文的内容相一致。除在保密期内的保密论文 外，允许论文被查阅和借阅，可以公布（包括刊登）论文的全部或部分内容。 论文的公布（包括刊登）授权南京邮电大学研究生部办理。 研究生签名：_ 日期：_ 研究生签名：_ 导师签名：_ 日期：_ 南京邮电
14、大学硕士研究生学位论文 第一章 绪论 - 1 - 第一章第一章 绪论绪论 在高度信息化的现代社会，交通、通讯和网络技术都飞速发展，金融、安全、网络、电 子商务等全都依赖可靠的身份鉴别技术，且已渗透到日常生活的各个方面，有广泛前景和重 要的战略意义。模式识别技术在 20 世纪 60 年代初成为一门学科，其理论和方法在很多技术 领域中得到了广泛的重视，推动了人工智能学科的发展，人类因此进入准智能化时代。 基于生物特征的身份鉴别技术是利用人本身所拥有的“互异、持久、便捷”的生物特征 来判别人的身份，稳定、便捷、不易伪造，近年来已成为身份鉴别的热点。其中人脸识别是 人们最易接受的生物特征鉴别方式: (
15、1)人脸识别属于生物鉴别技术的一部分，后者是指通过对人体特征的数字化测量来进行 身份鉴别，我们将生理特征和行为特征统称生物特征。 (2)人脸识别是图像工程领域热点之一6，计算机根据一定算法，对新图像与计算机中 已有的图像库做匹配比较后，做出测试图像中身份判断的识别过程，即模式识别问题。 (3)人脸具有非侵犯性、直接、友好、方便的特点，也是一个人区别与他人的最自然、最 主要的特征，所以人脸识别是人们最易接受的鉴别方式。 (4)同时，人脸之间存在很大的相似性，其高度变形性使得这个课题极富挑战性：不同人 的脸部图像在图像空间中距离非常接近，这也正是人脸检测得以实施的主要原因。 (5)在人脸识别领域中
16、，利用计算机做人脸自动识别包括两个技术环节：先是人脸检测与 定位，将人脸从背景中分割出来，然后对分割出的人脸做标准化处理，再对标准化人脸图像 进行特征提取和识别。 1.1 人脸识别的发展现状人脸识别的发展现状 人脸识别的两个主要问题：特征提取和特征识别，针对这两个问题提出了许多人脸识别 算法：早期的基于几何特征的识别算法有效性很高，即使单样本问题也可以很好的解决，然 而待处理问题样本的大数量特性使得这种算法不再适用，特别是现代智能工具的出现，如计 算机视觉、模式识别、机器学习、神经网络等都促使研究者寻找基于统计特征和链接机制的 识别算法，借助这些技术大幅度提升模式分类效率和正确率，在低维空间做高正确率分类。 这些技术分为线性和非线性算法两大类，其中主元分析(Principal component
