流形学习算法的改进及在人脸识别中的应用.pdfVIP

南京邮电大 硕士研究生 位论文 第一章 绪论 第一章 绪论 1.1 研究背景和意义 模式识别与智能系统是20 世纪60 年代以来在信号处理、人工智能、控制论、计算机 技术等学科基础上发展起来的新型学科。该学科以各种传感器为信息源，以信息处理与模 式识别的理论技术为核心，以数学方法与计算机为主要工具，探索对各种媒体信息进行处 理、分类、理解并在此基础上构造具有某些智能特性的系统或装置的方法、途径与实现， 以提高系统性能。模式识别与智能系统是一门理论与实际紧密结合，具有广泛应用价值的 控制科 与工程的重要 科分支[1]。在计算机技术发展起来以后，模式识别是指用计算 机实现对各种事物或现象的分析、描述、判断和识别，它是信息科 和人工智能重要组成 部分。 在当今信息化时代，如何准确鉴定一个人的身份、保护信息安全，已成为一个必须解 的关键社会热点问题。传统的身份认证由于极易伪造和丢失，越来越难以满足社会的需 求，目前最为便捷与安全的解 方案无疑就是生物识别技术。它不但简洁快速，而且利用 它进行身份的认定，安全、可靠、准确。同时更易于配合电脑和安全、监控、管理系统整 合，实现自动化管理。生物特征识别技术是利用人体特征进行身份验证的技术。包 人脸， 指纹，虹膜，掌纹等在内的人体特征具有 “人人拥有、人各不同、长期不变”的特点，与 个体的身份一一对应，可以随时用来区别不同个体，从而可以辅助甚至完全替代传统的身 份识别方式。其中人脸识别因其在公安(罪犯识别等)、安全验证系统、信用卡验证、医 、 档案管理、视频会议、人机交互系统等方面的巨大应用前景而越来越成为当前模式识别和 人工智能领域的一个研究热点。 1.2 人脸识别 人脸识别特指利用分析比较人脸视觉特征信息进行身份鉴别的计算机技术。人脸识别 是一项热门的计算机技术研究领域，它属于生物特征识别技术，是对生物体 （一般特指人） 本身的生物特征来区分生物体个体。 广义的人脸识别实际包 构建人脸识别系统的一系列相关技术，包 人脸图像采集、 人脸定位、人脸识别预处理、身份确认以及身份查找等；而狭义的人脸识别特指通过人脸 进行身份确认或者身份查找的技术或系统。 1 南京邮电大 硕士研究生 位论文 第一章 绪论 生物特征识别技术所研究的生物特征包 脸、指纹、手掌纹、虹膜、视网膜、声音 （语音）、体形、个人习惯 （例如敲击键盘的力度和频率、签字）等，相应的识别技术就 有人脸识别、指纹识别、掌纹识别、虹膜识别、视网膜识别、语音识别 （用语音识别可以 进行身份识别，也可以进行语音内容的识别，只有前者属于生物特征识别技术）、体形识 别、键盘敲击识别、签字识别等。 由于视频监控正在快速普及，众多的视频监控应用迫切需要一种远距离、用户 配合 状态下的快速身份识别技术，以求远距离快速确认人员身份，实现智能预警。人脸识别技 术无疑是最佳的选择，采用快速人脸检测技术可以从监控视频图象中实时查找人脸，并与 人脸数据库进行实时比对，从而实现快速身份识别。 人脸识别的基本方法有如下几种： 几何特征的人脸识别方法：几何特征可以是眼、鼻、嘴等的形状和它们之间的几何关 系 （如相互之间的距离）。这些算法识别速度几何特征的人脸识别快，需要的内存小，但 识别率较低。 基于特征脸 （PCA）的人脸识别方法：特征脸方法是基于KL 变换的人脸识别方法，KL 变换是图像压缩的一种最优正交变换。高维的图像空间经过 KL 变换后得到一组新的正交 基，保留其中重要的正交基，由这些基可以张成低维线性空间。如果假设人脸在这些低维 线性空间的投影具有可分性，就可以将这些投影用作识别的特征矢量，这就是特征脸方法 的基本思想。这些方法需要较多的训练样本，而且完全是基于图像灰度的统计特性的。目 前有一些改进型的特征脸方法。 神经网络的人脸识别方法：神经网络的输入可以是降低分辨率的人脸图像、局部区域 的自相关函数、局部纹理的二阶矩等。这类方法同样需要较多的样本进行训练，而在许多 应用中，样本数量是很有限的。 弹性图匹配的人脸识别方法：弹性图匹配法在二维的空间中定义 一种对于通常的人 脸变形具有一定的不变性的距离，并采用属性拓扑图