pca.rar_人脸识别_pca_模式识别(视觉/语音等)_数值算法/人工智能下载-pudn.com

<html xmlns="http://www.w3.org/1999/xhtml"> <head> <meta charset="utf-8"> <meta name="generator" content="pdf2htmlEX"> <meta http-equiv="X-UA-Compatible" content="IE=edge,chrome=1"> <link rel="stylesheet" href="https://static.pudn.com/base/css/base.min.css"> <link rel="stylesheet" href="https://static.pudn.com/base/css/fancy.min.css"> <link rel="stylesheet" href="https://static.pudn.com/prod/directory_preview_static/622b3ec3ff7f9c46a628d575/raw.css"> <script src="https://static.pudn.com/base/js/compatibility.min.js"></script> <script src="https://static.pudn.com/base/js/pdf2htmlEX.min.js"></script> <script> try{ pdf2htmlEX.defaultViewer = new pdf2htmlEX.Viewer({}); }catch(e){} </script> <title></title> </head> <body> <div id="sidebar" style="display: none"> <div id="outline"> </div> </div> <div id="pf1" class="pf w0 h0" data-page-no="1"><div class="pc pc1 w0 h0"><img class="bi x0 y0 w1 h1" alt="" src="https://static.pudn.com/prod/directory_preview_static/622b3ec3ff7f9c46a628d575/bg1.jpg"><div class="t m0 x1 h2 y1 ff1 fs0 fc0 sc0 ls0 ws0">收稿日期 :2006204220</div><div class="t m0 x1 h3 y2 ff1 fs0 fc0 sc0 ls0 ws0">作者简介 :刘振</div><div class="t m0 x2 h4 y3 ff2 fs1 fc0 sc0 ls0 ws0">(</div><div class="t m0 x3 h4 y2 ff2 fs1 fc0 sc0 ls0 ws0">1977 -</div><div class="t m0 x4 h4 y3 ff2 fs1 fc0 sc0 ls0 ws0">)</div><div class="t m0 x5 h3 y2 ff2 fs1 fc0 sc0 ls0 ws0">,男 ,硕士研究生 ,讲师 ,研究方向为模式识别与智能系统。</div><div class="t m0 x1 h5 y4 ff1 fs2 fc0 sc0 ls0 ws0">文章编号 :100224026</div><div class="t m0 x4 h6 y5 ff2 fs3 fc0 sc0 ls0 ws0">(</div><div class="t m0 x6 h6 y4 ff2 fs3 fc0 sc0 ls0 ws0">2006</div><div class="t m0 x7 h6 y5 ff2 fs3 fc0 sc0 ls0 ws0">)</div><div class="t m0 x8 h5 y4 ff2 fs3 fc0 sc0 ls0 ws0">0420063205</div><div class="t m0 x9 h7 y6 ff4 fs4 fc0 sc0 ls0 ws0">基于 PCA 和神经网络的人脸识别</div><div class="t m0 xa h8 y7 ff4 fs6 fc0 sc0 ls0 ws0">刘 　振 ,吴 　鹏 ,陈月辉</div><div class="t m0 xb h6 y8 ff2 fs3 fc0 sc0 ls0 ws0">(</div><div class="t m0 xc h9 y9 ff4 fs2 fc0 sc0 ls0 ws0">济南大学信息科学与工程学院 ,山东 济南 250022</div><div class="t m0 xd h6 y8 ff2 fs3 fc0 sc0 ls0 ws0">)</div><div class="t m0 xe h9 ya ff1 fs2 fc0 sc0 ls0 ws0">摘要 :介绍一种基于 PCA 和神经网络结合的人脸识别方法。该方法首先利用主成分分析方法对整幅图像进</div><div class="t m0 xe h9 yb ff4 fs2 fc0 sc0 ls0 ws0">行特征提取 ,获得最佳描述特征 ,从而减小神经网络的输入。然后将降维之后的图像数据输入到一个前向传</div><div class="t m0 xe h9 yc ff4 fs2 fc0 sc0 ls0 ws0">播神经网络中训练。神经网络的权值采用粒子群算法进行优化 ,用标准人脸数据库中的样本进行测试 ,最后</div><div class="t m0 xe h9 yd ff4 fs2 fc0 sc0 ls0 ws0">将该方法与其他方法作了比较。实验结果表明 ,该方法能够取得更好的效果。</div><div class="t m0 xe h9 ye ff1 fs2 fc0 sc0 ls0 ws0">关键词 :主成分分析 ;神经网络 ;粒子群算法 ;人脸识别</div><div class="t m0 xe h9 yf ff1 fs2 fc0 sc0 ls0 ws0">中图分类号 :TP391. 41 　　　　　文献标识码 :A</div><div class="t m0 x1 ha y10 ff5 fs8 fc0 sc0 ls0 ws0">1 　引言</div><div class="t m0 xf hb y11 ff4 fsa fc0 sc0 ls0 ws0">人脸识别技术</div><div class="t m0 x5 hc y12 ff2 fsb fc0 sc0 ls0 ws0">[1～3]</div><div class="t m0 x10 hb y11 ff4 fsa fc0 sc0 ls0 ws0">就是通过计算机提取人脸的特征 ,并根据这些特征进行身份验证的一种技术。人脸</div><div class="t m0 x1 hb y13 ff4 fsa fc0 sc0 ls0 ws0">与人体的其他生物特征</div><div class="t m0 x11 hd y14 ff2 fsd fc0 sc0 ls0 ws0">(</div><div class="t m0 x12 hb y13 ff4 fsa fc0 sc0 ls0 ws0">指纹、虹膜等</div><div class="t m0 x13 hd y14 ff2 fsd fc0 sc0 ls0 ws0">)</div><div class="t m0 x14 hb y13 ff4 fsa fc0 sc0 ls0 ws0">一样与生俱来 ,它们所具有的唯一性和不易被复制的良好特性为身份</div><div class="t m0 x1 hb y15 ff4 fsa fc0 sc0 ls0 ws0">鉴别提供了必要的前提。同其他生物特征识别技术相比 ,人脸识别技术具有操作简单、结果直观、隐蔽性好</div><div class="t m0 x1 hb y16 ff4 fsa fc0 sc0 ls0 ws0">等优点。因此 ,人脸识别在信息安全、刑事侦破、出入口控制等领域具有广泛的应用前景。</div><div class="t m0 xf hb y17 ff4 fsa fc0 sc0 ls0 ws0">人脸图像的特征提取是人脸识别过程中至关重要的一个环节 , 该环节又是进行识别的前提环节 ,如何</div><div class="t m0 x1 hb y18 ff4 fsa fc0 sc0 ls0 ws0">做好人脸图像的特征提取显得尤为重要。人脸图像是一个高维向量 ,如果不进行适当处理则计算量很大 ,</div><div class="t m0 x1 hb y19 ff4 fsa fc0 sc0 ls0 ws0">因此必须对其进行降维处理 ,降维过程中要保留其主要的特征 ,也就是说希望用图像的少量特征来近似表示</div><div class="t m0 x1 hb y1a ff4 fsa fc0 sc0 ls0 ws0">整个图像 ,以达到降维并保留图像主要特征的效果 ,国内外的学者已经研究出了很多关于特征提取的方法 ,</div><div class="t m0 x1 hb y1b ff4 fsa fc0 sc0 ls0 ws0">大致分为两类 ,一类是基于代数特征的特征提取方法 ,如主成分分析</div><div class="t m0 x15 hd y1c ff2 fsd fc0 sc0 ls0 ws0">(</div><div class="t m0 x16 hd y1b ff2 fsd fc0 sc0 ls0 ws0">PCA</div><div class="t m0 x17 hd y1c ff2 fsd fc0 sc0 ls0 ws0">)</div><div class="t m0 x18 hc y1d ff2 fsb fc0 sc0 ls0 ws0">[4～6]</div><div class="t m0 x19 hb y1b ff4 fsa fc0 sc0 ls0 ws0">、离散余弦变换</div><div class="t m0 x1a hd y1c ff2 fsd fc0 sc0 ls0 ws0">(</div><div class="t m0 x1b hd y1b ff2 fsd fc0 sc0 ls0 ws0">DCT</div><div class="t m0 x1c hd y1c ff2 fsd fc0 sc0 ls0 ws0">)</div><div class="t m0 x1d he y1d ff2 fsb fc0 sc0 ls0 ws0">[7 ]</div><div class="t m0 x1e hb y1b ff4 fsa fc0 sc0 ls0 ws0">、独</div><div class="t m0 x1 hb y1e ff4 fsa fc0 sc0 ls0 ws0">立成分分析</div><div class="t m0 x1f hd y1f ff2 fsd fc0 sc0 ls0 ws0">(</div><div class="t m0 x20 hd y1e ff2 fsd fc0 sc0 ls0 ws0">ICA</div><div class="t m0 x21 hd y1f ff2 fsd fc0 sc0 ls0 ws0">)</div><div class="t m0 x22 he y20 ff2 fsb fc0 sc0 ls0 ws0">[8 ]</div><div class="t m0 x23 hb y1e ff4 fsa fc0 sc0 ls0 ws0">、线性判别式分析</div><div class="t m0 x24 hd y1f ff2 fsd fc0 sc0 ls0 ws0">(</div><div class="t m0 x25 hd y1e ff2 fsd fc0 sc0 ls0 ws0">LDA</div><div class="t m0 x26 hd y1f ff2 fsd fc0 sc0 ls0 ws0">)</div><div class="t m0 x27 he y20 ff2 fsb fc0 sc0 ls0 ws0">[9 ]</div><div class="t m0 x28 hb y1e ff4 fsa fc0 sc0 ls0 ws0">等 ;二是基于几何特征的特征提取方法 ,如模版匹配方法</div><div class="t m0 x29 he y20 ff2 fsb fc0 sc0 ls0 ws0">[10]</div><div class="t m0 x2a hd y1e ff2 fsd fc0 sc0 ls0 ws0">,</div><div class="t m0 x1 hb y21 ff4 fsa fc0 sc0 ls0 ws0">此外还有人工神经网络</div><div class="t m0 x2b he y22 ff2 fsb fc0 sc0 ls0 ws0">[11]</div><div class="t m0 x2c hb y21 ff4 fsa fc0 sc0 ls0 ws0">的方法等 ,其中 PCA 方法是应用最广泛的一种方法。</div><div class="t m0 x1 ha y23 ff5 fs8 fc0 sc0 ls0 ws0">2 　主成分分析</div><div class="t m0 xf hb y24 ff4 fsa fc0 sc0 ls0 ws0">主成分分析方法</div><div class="t m0 x2d hd y25 ff2 fsd fc0 sc0 ls0 ws0">(</div><div class="t m0 x2e hd y26 ff2 fsd fc0 sc0 ls0 ws0">Principal Component Analysis ,PCA</div><div class="t m0 x2f hd y25 ff2 fsd fc0 sc0 ls0 ws0">)</div><div class="t m0 x30 hb y26 ff4 fsa fc0 sc0 ls0 ws0">也称为主元法 ,主分量分析法 ,是一种常用、简单有效</div><div class="t m0 x1 hb y27 ff4 fsa fc0 sc0 ls0 ws0">的方法。它是 20 世纪 90 年代初期由 Turk 和 Pentland</div><div class="t m0 x31 he y28 ff2 fsb fc0 sc0 ls0 ws0">[4 ]</div><div class="t m0 x32 hb y27 ff4 fsa fc0 sc0 ls0 ws0">提出的。它根据图像的统计特性进行正交变换</div><div class="t m0 x33 hd y29 ff2 fsd fc0 sc0 ls0 ws0">(</div><div class="t m0 x1e hf y27 ff2 fsd fc0 sc0 ls0 ws0">K2L</div><div class="t m0 x1 hb y2a ff4 fsa fc0 sc0 ls0 ws0">变换</div><div class="t m0 xf hd y2b ff2 fsd fc0 sc0 ls0 ws0">)</div><div class="t m0 x34 hf y2a ff2 fsd fc0 sc0 ls0 ws0">,以消除原有向量各个分量间的相关性。变换得到对应特征值依次递减的特征向量。通过 K2L 变换 ,</div><div class="t m0 x1 hb y2c ff4 fsa fc0 sc0 ls0 ws0">可以把图像在高维空间表示转换到低维空间表示 ,而由低维空间恢复的图像和原图像具有最小的均方误差。</div><div class="t m0 x1 hf y2d ff4 fsa fc0 sc0 ls0 ws0">从而可以以图像在低维空间的变换系数作为人脸图像的描述特征。K2L 变换用于人脸识别的前提是人脸图</div><div class="t m0 x1 hb y2e ff4 fsa fc0 sc0 ls0 ws0">像处于低维空间 ,并且不同人脸是线性可分的。</div><div class="t m0 x1 h9 y2f ff4 fs2 fc0 sc0 ls0 ws0">第 19 卷 　第 4 期</div><div class="t m0 x1 h9 y30 ff2 fs3 fc0 sc0 ls0 ws0">2006 年 8 月</div><div class="t m0 x35 h9 y31 ff4 fs2 fc0 sc0 ls0 ws0">山 东 科 学</div><div class="t m0 x35 h6 y32 ff2 fs3 fc0 sc0 ls0 ws0">SHANDONG SCIENCE</div><div class="t m0 x36 h9 y2f ff2 fs3 fc0 sc0 ls0 ws0">Vol. 19 　No. 4</div><div class="t m0 x37 h6 y30 ff2 fs3 fc0 sc0 ls0 ws0">Aug. 2006</div></div><div class="pi" data-data='{"ctm":[1.646845,0.000000,0.000000,1.646845,0.000000,0.000000]}'></div></div> </body> </html>