資源描述：
《基于流形學(xué)習(xí)的人臉識(shí)別方法研究》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、碩士學(xué)位論文抽檢封面（2014~2015學(xué)年）題目：基于流形學(xué)習(xí)的人臉識(shí)別方法研究英文并列題目：FaceRecognitionAlgorithmsResearchBasedonManifoldLearning盲審論文編號(hào)：[由學(xué)位辦填寫]專業(yè)：計(jì)算機(jī)科學(xué)與技術(shù)計(jì)算機(jī)應(yīng)用技術(shù)研究方向：江南大學(xué)地址：無(wú)錫市蠡湖大道1800號(hào)二O一五年四月
摘要摘要當(dāng)前，人臉識(shí)別是模式識(shí)別和人工智能領(lǐng)域中一項(xiàng)最為重要和活躍的研究課題。相較于其他生物特征，例如指紋、虹膜和聲音等，人臉具有直接、安全、不可復(fù)制、方便、非接觸等特點(diǎn)。正因?yàn)槿绱?，人臉識(shí)別技術(shù)已成為眾多生物識(shí)別技術(shù)中發(fā)展最快、潛力最大的技術(shù)之
2、一，并且被廣泛應(yīng)用于安檢、刑偵、信息安全等多種領(lǐng)域。但是，人臉識(shí)別仍舊面臨非常多的難題和挑戰(zhàn)。一是人臉圖像易受光照、表情、姿態(tài)、成像角度等外在因素的影響；二是高維的人臉數(shù)據(jù)制約著人臉識(shí)別的速度和精度。本文的研究是基于流形學(xué)習(xí)展開(kāi)的，圍繞人臉識(shí)別的特征提取、特征降維等關(guān)鍵性環(huán)節(jié)進(jìn)行探討，主要包括以下幾個(gè)方面的內(nèi)容：1、基于小波分解和流形學(xué)習(xí)的人臉姿態(tài)表情分析。眾所周知，分散在高維空間中的人臉樣本通常會(huì)產(chǎn)生比較復(fù)雜的計(jì)算難題。為攻克這一難關(guān)，在特征層次上應(yīng)用粒計(jì)算的思想，提出基于小波分解的流形算法，對(duì)高維數(shù)據(jù)進(jìn)行降維，從而達(dá)到降低計(jì)算復(fù)雜度的目的。研究高維人臉數(shù)據(jù)在此方法下的姿態(tài)和表
3、情分布變化規(guī)律，同時(shí)分析運(yùn)行時(shí)間和經(jīng)小波分解得到的低頻子圖像的能量損失情況。2、基于Gabor小波的特征降維方法研究。針對(duì)人臉圖像識(shí)別容易受光照、表情等外部因素影響這一問(wèn)題，該部分重點(diǎn)介紹了本文提出的兩種改進(jìn)方法：一是基于Gabor小波的有監(jiān)督2DNPE的人臉識(shí)別方法；二是基于Gabor小波的有監(jiān)督B2DLPP的人臉識(shí)別算法。這兩個(gè)方法均是原始算法的有監(jiān)督擴(kuò)展，引入類成員之間的關(guān)系來(lái)提高算法的鑒別能力。此外，由于經(jīng)過(guò)Gabor濾波得到的圖像能夠克服光照、尺度、姿態(tài)等因素產(chǎn)生的影響，因此在特征提取階段采用Gabor小波對(duì)人臉圖像進(jìn)行特征提取，從而使得本文算法對(duì)這些變化因素具備更好的
4、魯棒性。通過(guò)實(shí)驗(yàn)對(duì)比了本文方法與其他現(xiàn)有的人臉識(shí)別算法的分類性能，證明了本文方法具有更好的識(shí)別效果。3、雙向二維近鄰保持判別嵌入(B2DNPDE)算法研究。雙向二維近鄰保持嵌入(B2DNPE)算法是一種經(jīng)典的二維流形學(xué)習(xí)算法，通過(guò)保持鄰域內(nèi)近鄰點(diǎn)的重構(gòu)權(quán)值不變，從行和列兩個(gè)方向?qū)Ω呔S數(shù)據(jù)進(jìn)行維數(shù)壓縮處理。然而，B2DNPE算法確是一種無(wú)監(jiān)督的方法，因此本文提出一種名叫雙向二維近鄰保持判別嵌入(B2DNPDE)的新方法來(lái)提高B2DNPE算法的分類能力，充分考慮鄰域內(nèi)與鄰域間的信息，應(yīng)用Fisher準(zhǔn)則的思想最小化類內(nèi)散射矩陣和最大化類間散射矩陣來(lái)計(jì)算得到最佳的投影矩陣。同時(shí)在Yal
5、e、PICS和AR三個(gè)公開(kāi)人臉庫(kù)上得到的測(cè)試結(jié)果也論證了B2DNPDE方法的有效性。關(guān)鍵詞：人臉識(shí)別；流形學(xué)習(xí)；有監(jiān)督學(xué)習(xí)；Gabor小波；特征降維I
AbstractAbstractAtpresent,facerecognitionisoneofthemostimportantandactiveresearchtopicsinthepatternrecognitionandartificialintelligencefields.Comparewithotherbiologicalfeatures,forexample,fingerprint,irisandvoice,face
6、hassomeadvantagessuchasdirect,security,impossibletocopy,convenienceandnon-contact.Becauseofthis,facerecognitiontechnologyhasbecomeoneofthefastestdevelopandthemostpotentialtechniquesinmanybiologicalrecognitiontechnologiesanditiswidelyusedinsecuritycheckcriminalinvestigation,informationsecurity
7、andotherfields.However,facerecognitionisstillfacingmanydifficultiesandchallenges.Firstly,faceimagesaresusceptibletotheexternalfactorssuchasillumination,expression,postureandimagingangle.Secondly,highdimensionalfacedatarestrictsthespeedandaccu
