基于直方图交核的人脸识别.pdf

【人脸识别技术】人脸识别是一种利用计算机视觉和模式识别理论，自动识别出人脸的存在、身份、运动情况和情感的技术。为了提高识别率，研究者们尝试了多种方法，其中包括核方法。 【直方图交核（Histogram Intersection，HI）】直方图交核是一种统计理论基础上的识别方法。它的最初目的是通过“winner takes all”方法进行一般对象的分类。直方图表示了数据频率，显示每个区间内元素的比例，常用于图像对比。 【支持向量机（Support Vector Machines，SVM）】SVM是一种机器学习算法，旨在找到一个超平面，这个超平面可以将具有相同类别标签的样本与其他类别分开。SVM具有优秀的泛化能力，尤其适用于分类任务，包括人脸识别。 【SVM的训练与测试过程】训练过程包括带标签的正例集和负例集，用于学习SVM参数。测试过程则是对未知标签的图像进行分类判断。SVM训练转化为二次规划问题，最小化包含参数的函数值。 【局部直方图交核（Local Histogram Intersection，DHI）】在文中，作者提出了使用局部直方图交核的方法，相对于传统的直方图交核，DHI在SVM中表现更优，识别率更高，同时时间复杂度较低。 【核函数】核函数在SVM中起到关键作用，它可以将数据映射到高维空间，处理非线性问题。核函数必须是正定的，以确保SVM问题的凸性，从而保证唯一解。 【论文贡献】该论文通过实验证明，提出的局部直方图交核方法在ORL和YALE人脸库的识别任务中，相比传统直方图交核方法，能获得更高的识别率。 总结来说，本文主要探讨了基于直方图交核的人脸识别技术，特别是在支持向量机框架下的局部直方图交核方法，这种方法在实际应用中表现出更好的性能和效率。通过这种方法，可以有效地提高人脸识别系统的准确性和鲁棒性，为实际的人脸识别应用提供了新的思路和参考。