基于PCA与2DPCA的少数民族人脸识别比较
在信息技术飞速发展的大背景下,我们对于物质文化的需求日益增长,尤其是对于信息安全的需求.在社会生活的各方面急需有效的自动的身份认证技术,比如:新兴的电子行业、网络安全等方面.近年来,由于生物特征具有稳定性、唯一性和方便性等特点,因此,基于生物特征的这种身份识别技术有了快速的发展,并得到了很广泛的应用.生物特征识别技术主要是指通过人体本身所具有的物理特征(如人脸、虹膜等)来判断人的身份的一门识别技术.而正在兴起的人脸识别技术就是其中之一.人脸就好像指纹、虹膜等特征一样具有唯一性,因此,我们可以此来鉴别一个人的身份.人脸识别甚至比其他的生物识别技术更加友好,更加方便.因为人脸非常特殊,所以,人脸识别技术很快成为了最具潜力的身份识别方式之一,并且成为了模式识别领域的一个研究热点.本文在对基于PCA的少数民族人脸识别方法研究的基础上,进一步介绍了基于2DPCA的少数民族人脸识别方法.在训练阶段对人脸图像进行预处理,对训练样本集利用本文提出的方法计算主成分分量,定义特征空间,对每一个训练样本确定特征系数矩阵;在识别阶段对检测样本进行同样的预处理操作,并将其映射到由训练样本计算得来的特征空间之上,得到一组检测样本的特征系数矩阵;最后根据最小距离分类器进行识别验证.然后介绍了PCA结合支持向量机的算法,首先用主成分分析方法(PCA)对图像进行特征提取,然后用径向基、Sigmoid、多项式等核函数来创建支持向量机(SVM)算法,最后进行优劣比较.本文在自制的少数民族人脸数据库上,利用MATLAB仿真软件进行实验.通过PCA与2D-PCA方法进行对比,实验结果表明,2D-PCA方法在整个训练和识别过程中的速率及识别率要优于PCA;利用PCA提取图像特征后,使用SVM算法进行分类识别,比较不同核函数对分类结果的影响,实验结果采用径向基核函数(RBF)的SVM算法在识别率及识别时间上均要优于采用其它核函数的SVM算法.
- 作者：
- 黄慧
- 学位授予单位：
- 伊犁师范学院
- 专业名称：
- 无线电物理
- 授予学位：
- 硕士
- 学位年度：
- 2016年
- 导师姓名：
- 路翀
- 中图分类号：
- TP391.41
- 关键词：
- 人脸识别；PCA；2D-PCA；支持向量机；特征提取
- face recognition； PCA； 2D-PCA； support vector machine； feature extraction