论文研究-基于核主元分析方法的KFDA人脸识别研究 .pdf

所需积分/C币:10 2019-08-15 13:48:24 354KB .PDF
收藏 收藏
举报

基于核主元分析方法的KFDA人脸识别研究,李璇,杨杰,传统的人脸识别方法比如PCA、ICA、LDA等都是线性的判别方法,但是在实际情况中,很多问题都不是线性可分的,因此,受到在支持向量机
国武技论文在线 )感知器核函数,又叫做 核函数 融合 的 人脸识别 核 判别方法 等人利用核技术将经典的主分量分析推广到核主分量分析 实验 结果衣明 不仪能够抽取非线性特征,而且具有更优的识别结果。 和 等利 用核技术将经典的线性鉴别分析进行非线性推,提出了基于核的线性鉴别分 析方法,其实验结果表明在原始输入空间中抽取的非线性最佳鉴别特征有效于线性最佳鉴别 特征。 对于一个数据集x和一个特征映射函数,在空间类间散布矩阵“和类内散布矩阵 可以被定义为 ∑ 和 =∑∑φ 这里 ∑是中z的中值,°=/∑∑是总平 均数, 在输入空间里进行操作相似,可以在特征空间中利用最大化线性准则 函数获取最优投影方向: () 就像 由于特征空间是高维甚至是无穷维数,所以我们不能育接解决最优化问 题,我们知道得到的任何结果∈都必须在由空间的}所伸展的空间中,因此它 可以表示为 ∑∑ 将式()代入式()的分子分母中去,得到 和 这里的 和可以被看作是基于格拉姻矩阵K 控制的变量散布矩阵。因此,式()的结果可以通过求得下式的极值来获得: 国武技论文在线 求出矩阵 的个最人的特向量 作为结果。 对于任何一个输入矢量x,它的低维特征 可以表小为: 我们需要注意的是,上式的结果是在假设炎内散布矩阵是可逆的基础上得到的。然 而,对于在人脸识别的应用中,由于存在样本不足问题,使得这种假设几乎是不可能的。 个解决这个问题的简单的方法就是使用虚拟反矩阵去代替。另一个简单的方法就是将 加上个小的多维的单位矩阵(£对于任意小的E>),使它非奇异。 基于 的 的人脸识别 主成分分析方法()、线性判别分析方法()、独立成分分析方法()等, 都属于线性判别方法,尽管计算起来较为简单,但是在类间的确定边界非线性的情况下,使 用线性判仍然有着局限性。比如说,在人捡识别应用中,当人脸特征因为光照、脸部表情 和姿态等原因产生明显变化的时候,就会出现很多的非线性因素。这就要求对传统的线性方 法进行非线性扩展来解决这些情况。 可以获取特征空间里的二阶数据,这些数据可以 依靠特征映射(即核方法)反映输入空间里的高阶数据。因此, 在提取更有用的特征 时要优于 在硏究的过程中不难发现,特征值大的特征向量,即特征脸中使用的特征向量,不一定 是分类性能最好的方向。核主元分析方法就是选取一部分较大特征值所对应的特征向量组成 特征子空间,这样提取的特征并不是最优的,所以不能很好的表征原始图像,基于 Fisher 准则的线性鉴别方法被认为是特征提取的最优方法之一,其基本思想是选择使得 Fisher准 则函数达到极佰的矢量作为最佳投影方向,从而使得样本在该方向上投影后,达到最大的关 间离散度和最小的类内离散度。 所以木文在原有的KPCA识别方法中加入 Fisher线性鉴别方法,其目的就是要从高维的 特征空间里提取出最具有判别能力的低维特征,这些特征能够很好的将同一个类别的所有样 本聚集在起,而不同类别的样本尽量的分开 实验结果 识别结果 本文的实验采用人脸数据库,个人每人有幅图像,将每人的前五幅图像作 为训练集,后五幅图像作为测试集。通过上述的识别过程以及相关特征值和距离函数的选取, 可以达到识别目的。输入个人中任何一个人的测试图像,可以识别出是个人中的哪 位,即显示该人的第一幅图像。同时可求出识别率 下面列举几个实验结果: 例如输入第个人的第八幅图,识别结果如图和图所小 国武技论文在线 FlFUrC gure 回囟 Fil Edi li I 2301 Deskt, Minde Hel: Eil Edi Yie: Inser Iool Desht, hinds Hel: u 图4-1测试图像 图4-2识別图像 由上述实验发现,用提取主元的方式进行人脸识别不受待识别对像的性别、人脸姿态以 及是否戴有眼镜等因素的影响,主元分析方法以样本的最优化表示为准则,舍弃部分携带 图像信息较少的特征向量,而使用被保留的特征向量能够很好的重建原图像,使重建误差最 小,从而达到特征降维或特征提取的目的,获得原样本的最优判别特征矩阵,在利用距离函 数对其进行比,得到识别结果。以上任意抽取的三组图像都能正确的识别。但实验中同样发 现,并不是所有的人脸图像都能正确识别,比如下面的第四组图,识别出现了偏差,不能得 到正确的识别结果。 例如输入第个人的第七幅图,识别结果如图和图所示。 工Eue gure 2 Edit vie Inser tool 口舀多份(戏画 图4-3测试图像 图4-4识别图像 采用 进行人脸识别的实验表明,多项式核函数的幂的改变会影响识别结果, 将设置不同的值和时,会得到不同的识别率。参数的值与识别率的关 系如下表所示 表参数与识别率的关系 识别率() 通过分析发现,侍征选取的多样性和稳定性对识别结果都有影响,将核判别方法 组合进行特征提取,发现识别率有所提高。 此时令d-2,识别率为97.5%,在幅图像中有幅可以正确识别,有幅图像不 能正确识别。通过建立一个行列的矩阵,将不能正确识别的人捡序号(第几个人的第几 国武技论文在线 幅图)存入矩阵,这样就可以知道有哪幅人脸图像不能正确识别,通过比较发现,出现错 误识别的人脸图像之间存在很大程度的相似因素,从而导致识别失败。实验得岀的不能正确 识别的人脸图像序号如表所示。 表不能正确识别的人脸图像 第六幅图 第七幅图 第八幅图 第九幅图第十幅图 第个人 第 人 笫个人 第个人 第个人 利用实现用户交互界面 图形用户界面 是采用图形方式显示的计算机操作用户界面。 通过使用使得实验结果能够有更直观和更清晰的演示效果 本文利用 中的 功能,设置来表明 和 实验中所进行 的图像识别和识别率计算过程 界面设賀如下图所示。打开按钮用于选择待测的人脸图像,识别结果按钮用来进行 图像识别显示,点击计算识别率按钮将会对幅人脸测试图像进行识别得出相应的识别 率,并在对应的文本框中显小, 是重置按钮,用来进行下一次实验。 合KPCA的KFDA人脸识别方沄 应囡條的识率为 图 操作界面设置 在界面中输入数据,例如选取第个人的第幅图,得到的结果如下图所示。 untitled 赴合KFC八的KFDA人脸炽别方 计算识別 最近邻法计 脸厨像的识别率为 图 人脸识别结果演示 国武技论文在线 结论 本文采用核主成分分析方法和融合核 线性判别的方法,通过构建特征子空间、图 像集投影、特征提取以及图像识屴等步骤进行人脸识别,对典型的人脸数据库进行人 脸图像的识别实验,使用核主成分分析方法可以发现,多项式函数幂的值会影响识别结果。 融合核 线性判别方法的 算法有机的组合两种特征提取方法,使得提取的特征 能够更好的表征原始图像的信息,从而可以获得更髙的识别率。本文采用 坎件对 人脸识别过程进行了仿真实验,对人脸数据库中的人脸图像进行识别,得到了较高的识别率, 并使用实现交互界面,直观的演示识别结果 参考文献

...展开详情
试读 7P 论文研究-基于核主元分析方法的KFDA人脸识别研究 .pdf
立即下载 低至0.43元/次 身份认证VIP会员低至7折
    抢沙发
    一个资源只可评论一次,评论内容不能少于5个字
    • 至尊王者

      成功上传501个资源即可获取
    关注 私信 TA的资源
    上传资源赚积分,得勋章
    最新推荐
    论文研究-基于核主元分析方法的KFDA人脸识别研究 .pdf 10积分/C币 立即下载
    1/7
    论文研究-基于核主元分析方法的KFDA人脸识别研究 .pdf第1页
    论文研究-基于核主元分析方法的KFDA人脸识别研究 .pdf第2页
    论文研究-基于核主元分析方法的KFDA人脸识别研究 .pdf第3页

    试读已结束,剩余4页未读...

    10积分/C币 立即下载 >