欢迎来到天天文库
浏览记录
ID:35057650
大小:6.83 MB
页数:71页
时间:2019-03-17
《基于lda特征提取的人脸验证方法研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、学校编号10394團书分类号学号20130595密级巧走巧托大f全曰制学术学位研究生硕±学位论文基于LD乂特征提取的人脸验证方法研究Fea化reExtractio凸及asedonLDAforFace万欢-举科专,:垂識太腳研巧方向:数据挖掘与人工智能‘气巧.指导教师:郭躬德教授誤申请学健别:_逆魁_论文提交日期:年月日'论文评阅人:论文答辩日期:2016年5月25日答辩委员会主席:叶东巧教巧学位授予单位:福建师范大学学位授予日期>:年月曰,巧
2、杞‘...V望.2016年6月:;户/中文摘要中文摘要人脸验证是模式识别和计算机视觉领域最富挑战性的研究课题之一证件,它在验证、出入通行控制、个人设备自动登录等领域有着非常广阔的应用前景。其中,。特征提取是人脸验证中至关重要的环节,同时它也是当前该领域的研究热点在众F一(LD多特征提取方法中,基于i浊er准则的线性判别分析A)是种较为成功且被广泛应用的特征提取方法。但当LDA被直接应用于人脸验证时,它会出现特征提取不足的问题。围绕这个问题:,本文展开研究工作,论文的主要内容概括如下一(1)
3、本文首先提出了种基于LDA的特征提取方法—orLDA(LDAforove-rreducingroblem)。该方法通过定义新的类间散度矩阵使其可W获得更多的类p间分类信息,从而提取到充足的特征用于区分不同的人脸。ORL、LFW和CK+人脸库上的实验结果证明了orLDA的有效性。2o一一()在rLDA的基础上,本文进步提出了种新颖的特征提取方法SSDA(Sarab-巧ilityOrientedS加classDiscriminantAnalysis)来解决LDA特征提取不足的问题。SSDA特征提取方法采用
4、了子类的思想。首先,SSDA通过本文所提出的子类分离准则,并结合凝聚式层次聚类法为每个类寻找最优的子类数目。然后,使用子类信息重新定义了类间与类内散度矩阵。最后,SSDA通过利用新定义的类间与类内散度矩阵获取大量有利于分类的人脸特征。实验证明SSDA提取到的人脸特征能够有效地提高分类精度。关键词:人脸验证rLDASSDA;线性判别分析;o;IAbstractAbstradFaceverificationisoneofthemostchalle打gingproblemsin化efiel
5、dsofpatern*utcotervsonaneofromnalicatonuch般iecogniionandmii?化hsawideragisiissppgpp,credenttrtt-ialsverificationenandexicontrolauomaticloonforersonaldevicesand,y,gpsoon.Featureextractionisaveryimportantstepinfaceverification,also,iti
6、sahottopicinthefaceveri巧cationarea.Lineardiscriminantanalysis(LDA)basedontheFishercriterionisasuccessfulandwidelyusedmethodamongthevariousfeatureextractionmethods.打oweverLDAsufers泣roblemofextractininsuficientfeatureswhe打化is,pgdir
7、ec过aliedi打faceverification.Thereforewefbcusonthisro村emtoconductourypp,presearchwork.Themai打CO打tentscanbesummarizedasfollows:F-irstlywero〇£;ed江newLDAbasedfeatureextractio凸methodcalledorLDA,pp,-LDA-LDAobtabeforoverreducinroblem.orinsmore
8、classtweeninformation(gp)throuhdefin-in泣newclassbetweenscate
此文档下载收益归作者所有