基于局部特征的人脸识别研究

《基于局部特征的人脸识别研究》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、摘要摘要局部特征源自生物学的启发。生物视觉系统是天然的基于局部特征的，视觉感受野就是天然的局部特征处理器。神经科学和认知科学的相关研究结果也表明，利用对象的局部稳定性对识别对象是非常有利的。著名的Marr要素图理论就是把图像的底层处理归结为对局部特征的提取。非负矩阵分解(Non-NegativeMatrixFactorization，NMF)是一种新的基于部分学习的矩阵分解方法，反映了人类思维中“局部构成整体”的概念。将非负矩阵分解(NⅧ)应用于基于统计学习的人脸图像识别可以得到更好的效果。最近出现了具有尺度不变、旋转不变和仿射不变特性的局部特征描述子—

2、—尺度不变变换描述子(SIFT)。将尺度不变变换(SIFT)算法应用到人脸图像识别中能得到更加稳定、局部的特征描述，有利于提高在单样本情况下的识别率。本文提出了基于非负矩阵稀疏分解(NMFs)、小波变换(wT)和支持向量机(SⅥⅥ)的人脸识别方法，以及基于SIFT的重点区域特征匹配的人脸识别方法。基于NMF，wT和SVM的人脸识别方法，首先通过二维小波处理图像去除高频部分从而降低计算复杂度，并滤掉人脸的情感变化因素及眼镜等不必要的细节的影响。然后，运用非负矩阵稀疏分解方法对这些预处理过的图像进行特征提取，得到图像特征库。结合支持向量机(svM)训练图像特

3、征构建分类器，从而组建完整的人脸识别系统。基于SIFT的重点区域特征匹配的人脸识别方法，先定位人眼和嘴部，然后从这些重点区域提取SIFT特征点进行特征匹配，进而完成人脸识别任务。为了验证本文所提出的WT+NMF+SVM算法的性能，将经典的基于PCA的人脸识别方法等用于和本文所提出的人脸识别方法进行比较。实验在ORL人脸数据库上进行，通过识别正常情况下的人脸样本，来考察这三类方法在局部特征提取或全局特征提取上的表现。实验结果不仅证实了本文所提出的观点，也表明与基于局部特征提取的人脸识别方法的鲁棒性。在ORL人脸数据库上对SIFT全局特征匹配方法、K均值聚类

4、匹配方法和重点区域特征匹配方法三种人脸识别方法作了分析和比较，最终验证了基于SIFT重点区域特征匹配方法的高效性和稳定性。关键词：人脸识别，小波变换，非负矩阵分解，尺度不变变换，支持向量机ABSTRACTLocalfeaturesareinspiredfrombiology．Biologicalvisualsystemisnaturallybasedonlocalfeatures，andthevisualreceptivefieldisaprocessorofnaturallocalfeature．Thewell—knownMarr’Sgraphtheo

5、ryistothebottomoftheimagecomingdowntodealingwiththeextractionoflocalfeatures．Non-negativematrixfactorization唧)isanewmatrixdecompositionmethodbasedonthepartofthestudy,whichhasareflectionofhumanthinking‘partialconstitutetheoverall’concept．Non—negativemarxfactorizationtNMF)basedonst

6、atisticallearningappliedtoimagerecognitioncanbemoreeffective．Forsingle-samplecase)withtherecentemergenceofscale--invariant,rotation．-invariantandaffinefeaturesofthesamecharacteristicsofthelocaldescriptors-SIFT．SIFTalgorithmtobeappliedtohumanfaceimagerecognitionCanbemorestableandp

7、artialcharacterizationandwillbehelpfultoimproverecognitionrate．Inthispaper,basedonthenon-negativematrixfactorization(NMF)，wavelettransform(WT)andsupportvectormachine(SVM)forfacerecognition,aswellaskeyareasoftheSIFFbaSedfeaturematchingmethodforfacerecognitionareproposed．BasedonNMF

8、,WTandSVMfacerecognitionmethod，firstofal