Lp范數約束的廣義主成分分析在人臉識別中的應用.pdf

1、作為一項基于人的臉部特征的一種生物識別技術，人臉識別已經成為當前人工智能領域的一個主要研究熱點。特征提取研究如何有效地從人臉圖像中去除冗余信息并提取主要特征，是人臉識別過程中的關鍵。其中，主成分分析（PCA）是特征提取中最為經典的技術，但是并不能有效的克服人臉表情、光照變化、遮擋等因素的影響，目前PCA和已有的相關改進算法在上述因素影響下并不能取得有效的特征。本文對PCA、二維主成分分析以及雙向二維主成分分析等方法進行深入研究，并在此基

2、礎上提出幾個改進算法來提高特征提取的性能。
　　本研究主要內容包括：⑴針對目前基于PCA的特征提取算法容易受到樣本均值影響的問題，提出一種基于 Lp范數約束的新方法（Lp-RM-PCA）。該方法能避免樣本均值對優(yōu)化模型的影響。同時，一種迭代算法被用來求解該模型并且取得局部最優(yōu)解，當參數p接近1時，可以得到稀疏的向量。實驗證明了這種方法相比以前方法的性能改善1％-3%。⑵針對2DPCA方法對異常值敏感且得不到稀疏向量的問題，提出一種

3、基于L1范數且受Lp范數約束的(2D)2PCA方法((2D)2PCA-Lp)。當p接近1時，可以得到稀疏解。通過迭代算法可以求解該模型并且取得局部最優(yōu)解。通過在 Yale、NUYUMIST以及 ORL三個人臉數據庫上的實驗表明該方法相比以前方法在處理污染數據時十分有效。⑶針對基于L1范數的雙向二維主成分分析算法容易受到樣本均值影響，提出一種新的優(yōu)化模型（Lp-RM(2D)2PCA）并用迭代算法對其進行求解。該模型不僅能有效避免樣本均值的

4、影響，而且采用高斯函數對樣本對進行加權，通過控制模型的參數p求取稀疏的最優(yōu)投影向量，可以在一定程度上減弱部分遮擋對人臉識別的影響。在NYU_UMIST、Yale和ORL人臉數據庫上的實驗表明，與同類算法相比，性能提高1%-4%。⑷設計并實現了人臉識別原型系統。將改進后的算法嵌入到了人臉識別原型系統中，同時提供了良好的可視化效果以及可操作性?？梢院芎玫某尸F出人臉識別結果。通過實驗表明本文提出的Lp-RM-PCA，(2D)2PCA-Lp和L