資源描述：
《基于LLE算法的人臉識別系統(tǒng)的設(shè)計與實現(xiàn).pdf》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在工程資料-天天文庫。
1、f1ACERECoGNITIONSYSTEMDESIGNANDIMPLEMENTATIONBASEDONLOCALLYLINEAREMBEDDINGThesisSubmittedtoZhejiangNormalUniversityinpartialfulfillmentoftherequirementforthedegreeofMasterofScienceinEngineeringbyXuetangZhao(ComputerSoftware&Theory)ThesisSupervisor：ProfessorFanYangMay31，2012基于LLE算法的人臉識別系統(tǒng)的設(shè)計與
2、＼刪摘要人臉識別是生物特征識別技術(shù)的一個重要分支，被廣泛應(yīng)用于公共安全、身份認(rèn)證、機器視覺等領(lǐng)域。人臉圖像是典型的非線性高維數(shù)據(jù)，容易受到姿態(tài)、光照、年齡等因素的影響而變化，尋求高效魯棒的特征提取算法，至今仍然面臨著嚴(yán)峻的挑戰(zhàn)。本文在比較現(xiàn)有的人臉識別方法的基礎(chǔ)上，對流形學(xué)習(xí)算法在人臉圖像信息提取以及識別方面的應(yīng)用進(jìn)行了探討，重點研究了流形學(xué)習(xí)算法中的局部線性嵌入算法(LocallyLinearEmbedding，LLE)，開發(fā)出一種基于改進(jìn)的LLE算法的人臉識別系統(tǒng)．本文圍繞人臉識別系統(tǒng)的四個主要組成部分逐步展開學(xué)習(xí)與探討，所做的主要的工作如下：(1)在ORL和Yale人臉庫
3、上，對所選取的用于實驗的人臉圖像進(jìn)行預(yù)處理，使人臉圖像的特征信息更加清晰，更有利于特征提取，以達(dá)到提高識別率的目的。本文對人臉圖像的預(yù)處理包括圖像角度旋轉(zhuǎn)、姿態(tài)歸一化、灰度均衡化、尺度歸一化和去噪濾波等。(2)在認(rèn)真研究了局部線性嵌入、拉普拉斯特征映射(LaplacianEigenmap，LE)、等距映射(IsometricMapping，Isomap)三種流形學(xué)習(xí)算法的基礎(chǔ)上，通過實驗比較他們在特征提取時的降維性能。對LLE算法改進(jìn)歐氏距離后的降維性能和識別性能進(jìn)行實驗驗證，實驗表明LLE算法和改進(jìn)距離的LLE算法的降維效果優(yōu)于LE算法和ISOMAP算法。本文改進(jìn)距離的LLE
4、算法在識別性能方面也優(yōu)于傳統(tǒng)的LLE算法。(3)在對LLE算法深入研究的基j咄上，引入有監(jiān)督思想，并結(jié)合經(jīng)典的主成分分析(PrincipalComponentsAnalysis，PCA)法，提出一種融合主成分分析的有監(jiān)督LLE算法。通過大量的仿真實驗和比較，驗證了本文所提出的算法在識別率和性能上都優(yōu)于傳統(tǒng)的單純主成分分析和局部線性嵌入算法。(4)根據(jù)人臉識別系統(tǒng)的一般構(gòu)成，在VC++6．0的平臺上采用面向?qū)ο蟮乃枷?，借助于OpenSourceComputerVisionLibrary計算機視覺庫，開發(fā)出簡單的人臉識別系統(tǒng)，實現(xiàn)了視頻人臉檢測追蹤、人臉圖像的預(yù)處理、特征提取以及人
5、臉識別的功能，在該系統(tǒng)上進(jìn)行實驗，從系統(tǒng)的識別率和系統(tǒng)的執(zhí)行性能兩方面比較了PCA算法和本文改進(jìn)的LLE算法的各自特點，驗證了本文所提出算法的有效性。關(guān)鍵詞：人臉識別；人臉識別系統(tǒng)；人臉預(yù)處理：局部線性嵌入；主成分分析ⅡFACERECOG椰TIC)．NSYSTEMDESIGNANDIN口LENⅡNTp汀IONBASED0NLOCALLYLINEAREMBEDDINGABSTRACTFacerecognitionisallimportantbranchofbiometricidentificationtechnologythatiswidelyusedinthefieldofpu
6、blicsecurity,authentication，andmachinevision．Faceimagesareatypicalnonlinearhigh—dimensionalydata．Itisapttochangebypose，illumination，ageandotherfactors．Inordertoseekefficientandrobustfeatureextractionalgorithm，itisstillfacingseriouschallenges．ThispaperbasedontheexistingfiI．cerecognitionmethod
7、s；wediscussedthemanifoldlearningalgorithmonfeatureextractionandidentificationtechnologyinfaceimage．Focusedonthemanifoldlearningalgorithm(LocallyLinearEmbedding)LLE；developedafacerecognitionsystembasedonanimprovexlLLEalgorithm．Thispaperfocusonfourma
