基于PCA针对表情变化的人脸识别技术研究

西安电子科技大学硕士学位论文基于PCA针对表情变化的人脸识别技术研究姓名：赵宏伟申请学位级别：硕士专业：测试计量技术与仪器指导教师：任获荣20090101基于PCA针对表情变化的人脸识别技术研究作者：赵宏伟学位授予单位：西安电子科技大学相似文献(10条)1.学位论文邓楠基于主成分分析的人脸识别研究2006人脸识别技术就是利用计算机分析人脸图像，提取有效的识别信息来辨认身份或者判别待定状态的一门技术。它涉及模式识别、图像处理、计算机视觉、生理学、心理学等诸多学科的知识，是当前研究的热点之一。然而，由于识别结果往往容易受到表情，姿态和光照变化的影响，同时还要保证识别系统的实时性，极大地影响了人脸识别走向实用化。人脸识别主要包括图像预处理，特征提取和识别三个环节。在图象预处理阶段，采用了基于一维预处理的图象锐化方法，即运用一维的高斯平滑滤波器和一维的高斯微分算子来分别提取图象的水平和垂直锐化成分，最后合成总体锐化图象。与二维锐化方法相比，其运算时间更短，锐化成分的拖尾效应更少。在特征提取阶段，研究了PCA，2DPCA，(2D)2PCA，DiagPCA，DiagPCA+2DPCA等多种方法。不同于基于图象向量的PCA特征提取，由于2DPCA，(2D)2PCA，DiagPCA和DiagPCA+2DPCA的特征提取都直接基于图象矩阵，计算量小，所以特征的提取速度明显高于PCA方法。最后，将一维图象预处理和PCA，2DPCA，(2D)2PCA，DiagPCA等特征提取方法结合起来进行识别工作。大量的实验结果表明，结合图象一维锐化和基于图象矩阵的2DPCA，(2D)2PCA，DiagPCA等特征提取不仅能大幅度减少特征的提取时间，而且可以充分利用锐化图象的特点来克服光照的影响，有效提高人脸识别系统的光照鲁棒性。2.期刊论文丁明勇.DINGMing-yong基于对称的二维主成分分析及其在人脸识别中的应用-计算机应用2008,28(1)在二维主成分分析算法中引入了对称性思想,提出了基于对称的二维主成分分析算法(STDPCA).在该算法中,首先把人脸图像分解成奇对称图像和偶对称图像,然后分别在这两类图像中进行二维主成分分析,提取所需要的特征.该算法不仅有效利用了二维主成分分析算法的优点,而且也考虑了人脸对称性的特点,因此在人脸识别中有较高的识别率.在著名人脸库ORL、YALE中的实验证明了该算法的有效性.3.学位论文王汇源基于线性子空间及环形对称GABOR变换的人脸识别算法研究2007本文所开展的基于线性特征子空间和环形对称Gabor变换的人脸识别方法的研究，主要从两个方面进行，一方面是对主成分分析和线性判别分析等基于线性特征子空间的人脸识别方法的研究，另一方面是对基于环形对称Gabor变换特征的人脸识别方法的研究。研究的主要目的，是提高算法对于人脸成像过程中存在的诸多变化因素的鲁棒性，这些因素包括成像环境的光照和成像角度的变化、识别对象的表情和姿态的变化，以及人脸图像的旋转和平移等。本文中所做的主要工作包括：对基于线性特征子空间的人脸识别方法进行了深入的理论和方法研究，其中包括主成分分析方法和线性判别分析方法，在此基础上，分别提出了基于加权主成分分析的方法、基于图像校正和位平面融合的广义主成分分析方法、特征块方法以及结合主成分分析与分步线性判别分析的方法等四种人脸识别的新方法；在对基于Gabor变换特征的人脸识别方法的研究基础上，从理论和实验方面对环形对称Gabor变换进行了详细的研究，分析了其用于人脸识别的可能性，提出了采用环形对称Gabor变换的人脸识别方法。通过在ORL、AR、Yale和UMIST等人脸数据库上的实验，验证了本文所提出的改进方法或新方法相对于现有方法的优越性。本文的创新之处在于：1)提出了基于加权主成分分析的人脸识别方法通过深入研究主成分分析方法，我们从理论和实验出发，观察分析了特征脸空间中不同的特征分量，即特征脸对于人脸图像的重建和分类的作用的不同，提出了在加权的主成分空间中进行人脸识别的改进方法。通过对传统的主成分空间进行与本征值矩阵有关的加权，使各分量具有相等的方差，从而归一化的加权主成分空间，从而使判别性能得以改善。我们证明了加权主成分空间中的一些有用性质，指出，在加权的主成分分析中，采用欧氏距离测度进行分类，等价于在传统主成分分析空间中采用马氏距离测度进行分类，这就从理论上给出了所提出的方法能够提高识别性能的原因，此外，用于重建目的时，采用较大的本征值所对应的本征向量构成变换矩阵，其重建与传统的主成分分析相同。通过实验，我们还分析了不同特征分量分别在传统的主成分分析和加权的主成分分析中的分布情况，并指出，在传统的主成分分析中，某些对分类意义不大但取值很大的分量，主导了特征距离的计算，使其它取值较小但对分类重要的分量的作用被淹没。另外，实验结果也说明，即使在加权的主成分分析中，特征的选取也要按照本征值由大到小的顺序进行。在AR和ORL两个数据库上的实验结果说明，本文所提出的方法在识别率方面明显超过传统方法；2)提出了基于图像校正和位平面融合的广义主成分分析人脸识别方法根据人脸的左右对称特性，提出了对图像中光照方向的变化进行校正和补偿的方法，从图像预处理的角度对人脸图像在成像过程中存在的光源向左或右偏移引起光照左右强弱变化的问题进行初步校正和补偿。同时，通过对人脸图像的位平面分解，分析了各个位平面不同的特性，及其对于图像结构和纹理的不同贡献，并将其与类间和类内差异相联系。我们指出，经过了直方图均衡处理的图像，其0、1、5、6、7位平面主要表现结构特征，而2、3、4位平面主要表现纹理特征。结构特征代表了同一个体所有不同图像的共性，即类间差异，而纹理特征则代表了同一个体不同图像间的差异，即类内差异。以此为基础，本文提出了一种基于图像校正和位平面融合的广义主成分分析方法。我们在训练阶段构造出主要由样本的结构信息形成的只与类别有关的类标志，并结合纹理信息将样本投影到复数空间，并在此空间中形成虚拟人脸样本，最终通过在该复数空间上的广义主成分分析实现有效的特征提取，从而提高了算法对于光照和表情等的不变性；3)提出了人脸识别的特征块方法由于需要将人脸图像表示为向量形式，传统的主成分分析方法会遇到大规模的矩阵和向量相乘等复杂的计算问题，同时，作为一种基于整幅人脸图像的方法，传统的主成分分析方法对于遮挡和表情变化等局部变形非常敏感。为此，我们研究了基于图像分块的主成分分析方法，仿照特征脸方法的概念，提出了人脸识别的特征块方法。通过实验验证，在适当尺寸的图像分块下，算法的速度得到了显著的提高，同时，结合我们提出的与此配合的基于块匹配的分类规则，在一定程度上提高了算法对于遮挡和表情等局部变形的鲁棒性；4)提出了结合主成分分析与分步线性判别分析的人脸识别方法通过对线性判别分析方法的深入研究，分析了其存在的两个主要问题，首先是小样本问题，即在训练样本的数目小于图像的像素数目时，类内散布矩阵为奇异矩阵，因此，线性判别分析中的广义本征方程无法求解的问题，其次是由于类间散布矩阵的经典定义中不区分不同类的贡献大小，从而导致通常的线性判别分析准则函数的最优化与识别率的最大化不直接相关的问题。解决上述两个问题的有效方法之一就是采用基于加权类间散布矩阵的变形的准则函数。但是，研究中发现，系统的识别性能在很大程度上依赖与加权函数的选择，为此，我们借助于近来提出的解决加权Fisher准则函数权函数选择问题的分步线性判别分析方法，结合主成分分析降维方法，提出了结合主成分分析与分步线性判别分析的人脸识别方法，解决了F-LDA方法由于计算复杂性问题不能直接用于人脸识别的问题，在实验中取得了优于现有方法的识别结果；5)提出了采用环形对称Gabor变换的人脸识别方法由于其良好的空域和频域局部分析特性，以及与哺乳动物视觉响应特性的一致性，Gabor变换在人脸识别中受到了人们的广泛关注。我们深入研究了现有的基于Gabor变换特征的人脸识别方法，分析了其中两种主要的特征提取方法，即首先进行亚取样，然后形成增广矩阵的方法和提取关键点或基准点的方法。作为一种有意义的探讨，我们在本文中首次提出了采用环形对称Gabor变换的人脸识别方法。在对环形对称Gabor变换的定义、概念和性质进行全面分析和讨论的基础上，我们对人脸图像在环形对称Gabor变换域中的表现性质进行了比较全面的理论和实验分析与观察，并与传统的Gabor变换进行了对比分析，通过采用环形对称Gabor。变换进行简单的眼睛定位等实验，发现环形对称Gabor变换比传统的Gabor变换在变换的旋转不变性和数据的冗余性方面都具有明显的优势。在此基础上，我们对采用环形对称Gabor变换的人脸识别方法进行了全面深入的研究，提出了按照变换域中的局部极点的大小或高度确定人脸模型图基准点或节点的研究思路，并给出了基于对称Gabor变换的人脸识别系统的概念框图，进一步地，本文提出了基于环形对称Gabor变换的三种具体的人脸识别实现方案，分别是按图像分块局部极值排序的单通道识别算法、按图像分块局部极值排序的多通道特征融合识别算法和按图像分块局部极值排序的多通道分类器融合识别算法，在ORL人脸库上的识别实验中，最高识别率高达98.5﹪，比采用传统Gabor变换的算法有显著的提高。4.期刊论文赵丽红.张西礼.徐心和.ZhaoLihong.ZhangXili.XuXinhe基于二维对称主成分分析的人脸识别-仪器仪表学报2008,29(6)由于人脸姿态、光照和表情等各方面的显著差别,使人脸识别成为非常具有挑战性的模式识别问题.主成分分析是模式识别技术中经典的特征抽取和降维技术之一.本文把其改进算法二维对称主成分分析应用到人脸识别中.二维对称主成分分析与传统主成分分析和对称主成分分析相比,可以得到更好的适合分类的特征.实验结果表明,二维对称主成分分析不仅实现了降维,而且能取得比传统主成分分析和对称主成分分析更好的识别性能,对ORL标准人脸数据库的正确识别率达到94%以上.5.学位论文刘振基于主成分分析和神经树的人脸识别方法研究2007人脸识别技术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。它融合了数字图像处理、计算机图形学、模式识别、计算机视觉、人工神经网络和生物特征技术等多个学科的理论和方法，需要研究人员具有完善的知识体系和丰富的经验。人脸识别技术主要通过三个步骤完成，即人脸检测定位、面部特征提取和人脸对比确认识别。其中最重要的两个过程就是特征提取和识别。特征提取就是将图像的高维向量进行降维处理，降维过程中保留其主要的特征，也就是说希望用图像的少量特征来近似表示整个图像。主成分分析方法在各个变量之间相关关系研究的基础上，用较少的新变量代替原来较多的变量，而且使这些较少的新变量尽可能多地保留原来较多的变量所反映的信息一种方法。它广泛应用在许多科学和工程领域中。识别方法的选择对于最终的识别效果影响很大。目前的分类识别方法也比较多，如人工神经网络(ANN)方法、灵活神经树(FNT)方法、支持向量机(SVM)方法、模糊系统(FS)方法，Bayesian方法等，它们有着各自的优点和缺点。在神经网络的研究课题中，最重要的一个问题是怎样选择合适的神经网络结构以及相关参数。神经网络的权值和阈值等参数可以用许多方法学习得到，如误差反向传播算法，遗传算法，进化编程和随机搜索算法等。本文研究的神经树就是一种网络结构和相关参数自动优化的神经网络系统，这是由于它是采用树结构编码的，一些基于树结构编码的优化算法，如遗传编程、蚂蚁编程和概率递增编程等，可被用来优化神经树的结构，而再结合一些参数优化算法就可以实现结构和参数的自动优化。本文系统地介绍了主成分分析及相关改进算法、神经网络和神经树的基本理论、构成和实现方法，总结了主成分分析方法和神经网络结构的发展。在前人研究的基础上，提出了基于主成分分析与神经树结合识别人脸的实现方法。具体内容如下:(1)对主成分分析的基本理论进行了详细地论述。首先概述了主成分分析的特点和发展历史，着重介绍了主成分分