基于局部保留投影的人臉特征提取研究

基于局部保留投影的人臉特征提取研究

ID:33301053

大?。?27.66 KB

頁(yè)數(shù):65頁(yè)

時(shí)間:2019-02-23

基于局部保留投影的人臉特征提取研究_第1頁(yè)
基于局部保留投影的人臉特征提取研究_第2頁(yè)
基于局部保留投影的人臉特征提取研究_第3頁(yè)
基于局部保留投影的人臉特征提取研究_第4頁(yè)
基于局部保留投影的人臉特征提取研究_第5頁(yè)
資源描述:

《基于局部保留投影的人臉特征提取研究》由會(huì)員上傳分享,免費(fèi)在線閱讀,更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。

1、工學(xué)碩士學(xué)位論文基于局部保留投影的人臉特征提取研究馮歌哈爾濱工業(yè)大學(xué)2008年12月圖內(nèi)圖書(shū)分類(lèi)號(hào):TP391.4國(guó)際圖書(shū)分類(lèi)號(hào):004.9工學(xué)碩士學(xué)位論文基于局部保留投影的人臉特征提取研究碩士研究生:馮歌導(dǎo)師:徐勇副教授申請(qǐng)學(xué)位:工學(xué)碩士學(xué)科、專(zhuān)業(yè):計(jì)算機(jī)科學(xué)與技術(shù)所在單位:深圳研究生院答辯日期:2008年12月授予學(xué)位單位:哈爾濱工業(yè)大學(xué)ClassifiedIndex:TP391.4U.D.C:004.9DissertationfortheMasterDegreeinEngineeringResearchonFaceFeatureExtractionsBa

2、sedonLocalityPreservingProjectionsCandidate:GeFengSupervisor:AssociateProf.YongXuAcademicDegreeAppliedfor:MasterofEngineeringSpeciality:ComputerScienceandTechnologyAffiliation:ShenzhenGraduateSchoolDateofDefence:December,2008Degree-Conferring-Institution:HarbinInstituteofTechnology哈

3、爾濱工業(yè)大學(xué)工學(xué)碩士學(xué)位論文摘要人臉識(shí)別技術(shù)是當(dāng)前模式識(shí)別的主要分支之一。人臉是典型的高維數(shù)據(jù),如何從這些高維數(shù)據(jù)中找出事物的本質(zhì)規(guī)律成為迫切需要解決的問(wèn)題。通常的辦法在高維數(shù)據(jù)中盡可能多的提取有用的特征,然后根據(jù)需要對(duì)特征進(jìn)行降維。局部保留投影是一種基于數(shù)據(jù)局部結(jié)構(gòu)的降維方法,它能夠保留數(shù)據(jù)之間的幾何結(jié)構(gòu)和相關(guān)性。由于局部保留投影是基于向量表示的降維方法,應(yīng)用在高維數(shù)據(jù)集上容易產(chǎn)生“小樣本問(wèn)題”。而人臉數(shù)據(jù)是典型的高維小樣本數(shù)據(jù)。目前解決該問(wèn)題的方法是采用Laplacianface方法,即先用傳統(tǒng)的主成份分析方法降維,之后再使用局部保留投影降維。但是主成分分

4、析破壞了數(shù)據(jù)集的幾何特征和數(shù)據(jù)之間的相關(guān)性,影響局部保留投影算法的實(shí)現(xiàn)。本文分析了局部保留投影算法特征,提出了三個(gè)改進(jìn)方法。并在ORL和AR人臉庫(kù)上與Laplacianface方法做比較,實(shí)驗(yàn)結(jié)果證明了改進(jìn)方法的有效性。本文同時(shí)對(duì)二維局部保留投影算法(2DLPP)進(jìn)行研究。2DLPP是局部保留投影的矩陣擴(kuò)展方法,它不改變局部保留投影的局部保留特性。2DLPP和LPP均是非監(jiān)督學(xué)習(xí)方法,他們只考慮到數(shù)據(jù)局部結(jié)構(gòu)關(guān)系而沒(méi)有利用類(lèi)的標(biāo)簽信息。本文在2DLPP基礎(chǔ)上提出的兩個(gè)新的方法,分別是2D監(jiān)督局部保留投影(2DSLPP)和判別的2D監(jiān)督局部保留投影(2DDSLP

5、P)。2DSLPP可以聚集同類(lèi)樣本。2DDSLPP則最小化類(lèi)內(nèi)間距同時(shí)最大化類(lèi)間間距的形式,找出最能區(qū)分類(lèi)的子空間。在論文的實(shí)驗(yàn)章節(jié)部分,我們給出2DSLPP、2DDSLPP與2D線性判別分析方法(2DLDA)、2D判別局部保留投影(2DDLPP)的比較,AR人臉庫(kù)和ORL人臉庫(kù)的實(shí)驗(yàn)結(jié)果表明,2DSLPP和2DDSLPP的準(zhǔn)確率要明顯高于2DSLPP,在這6個(gè)方法中,2DDSLPP表現(xiàn)最好。實(shí)驗(yàn)證明了我們提出的方法的有效性。關(guān)鍵詞:降維;局部保留投影;2D局部保留投影算法;2D監(jiān)督局部保留投影I哈爾濱工業(yè)大學(xué)工學(xué)碩士學(xué)位論文AbstractHumanface

6、recognitionisoneofthemostimportantfieldsofpatternrecognition.Humanfaceimageistheclassichigh-dimensionalitydata.Howtofindtheintrinsiccharactersfromsomanyfeaturesisanurgentissue.Thecommonmethodisthatfirstcollectingasmanyusefulfeaturesaspossibleandthenreducingthedata’sdimensionality.Lo

7、calitypreservingprojections(LPP)isadimensionalityreductionmethod.Itpreservesthelocalandthegeometrystructureofthedatasetandisusedinmanyfields.ButLPPcancausethesmallsizeproblemwhenusedonhigh-dimensionalitydataset.Laplacianfacemethodwasproposedtosolvethisproblem.Laplacianfaceconductsth

8、ePCAdimensionalityr

當(dāng)前文檔最多預(yù)覽五頁(yè),下載文檔查看全文

此文檔下載收益歸作者所有

當(dāng)前文檔最多預(yù)覽五頁(yè),下載文檔查看全文
溫馨提示:
1. 部分包含數(shù)學(xué)公式或PPT動(dòng)畫(huà)的文件,查看預(yù)覽時(shí)可能會(huì)顯示錯(cuò)亂或異常,文件下載后無(wú)此問(wèn)題,請(qǐng)放心下載。
2. 本文檔由用戶上傳,版權(quán)歸屬用戶,天天文庫(kù)負(fù)責(zé)整理代發(fā)布。如果您對(duì)本文檔版權(quán)有爭(zhēng)議請(qǐng)及時(shí)聯(lián)系客服。
3. 下載前請(qǐng)仔細(xì)閱讀文檔內(nèi)容,確認(rèn)文檔內(nèi)容符合您的需求后進(jìn)行下載,若出現(xiàn)內(nèi)容與標(biāo)題不符可向本站投訴處理。
4. 下載文檔時(shí)可能由于網(wǎng)絡(luò)波動(dòng)等原因無(wú)法下載或下載錯(cuò)誤,付費(fèi)完成后未能成功下載的用戶請(qǐng)聯(lián)系客服處理。