基于偏最小二乘的人臉識別算法研究.pdf

1、隨著科技的不斷發(fā)展，人臉識別已經(jīng)成為一種重要的生物識別手段。在人臉識別領(lǐng)域，由于人臉圖像的維數(shù)相當(dāng)高，直接在原圖上進(jìn)行處理，將加大算法的復(fù)雜度，并且對計(jì)算機(jī)的硬件性能也是一個挑戰(zhàn)，因此如何抽取有效的鑒別特征是解決該類問題的關(guān)鍵。本文所研究內(nèi)容就是特征提取算法中的子空間統(tǒng)計(jì)算法。子空間統(tǒng)計(jì)算法因?qū)?yōu)秀的統(tǒng)計(jì)降維算法應(yīng)用到人臉識別領(lǐng)域得到良好的效果而表現(xiàn)出旺盛的生命力。
　　偏最小二乘作為一種多元統(tǒng)計(jì)算法近年來在人臉識別中得到了廣泛應(yīng)

2、用，但是相比其他算法仍有不足之處，如所得投影方向的非負(fù)性和稀疏性都不高。本文就偏最小二乘算法的理論進(jìn)行了研究，針對偏最小二乘算法的不足，從非負(fù)性和稀疏性兩個方面對其二維算法二維偏最小二乘進(jìn)行改進(jìn)。主要研究工作如下：
　　1、傳統(tǒng)的基于統(tǒng)計(jì)的子空間統(tǒng)計(jì)的人臉識別算法如主成分分析，通過學(xué)習(xí)只能得到一系列特征臉，忽略了人臉識別中重要的局部信息（如眼睛、鼻子）。而利用到類別信息的算法如線性判別分析，也會因?yàn)樾颖締栴}而有所影響。為了解決小

3、樣本問題，本文結(jié)合二維偏最小二乘與非負(fù)矩陣分解的非負(fù)性思想提出二維非負(fù)偏最小二乘（Two-dimensional Nonnegative Partial Least Squares，2DNPLS）算法。其核心思想是在提取人臉特征時加入了非負(fù)性約束，使得2DNPLS不僅擁有偏最小二乘算法加入類別信息帶來的分類效果，還保留了圖像矩陣的內(nèi)部結(jié)構(gòu)信息，而且還使得到的基矩陣具有非負(fù)的局部的可解釋性。在ORL，Yale人臉庫中的實(shí)驗(yàn)表明，該算法從時

4、間上和識別率上均優(yōu)于人臉識別的主流算法。
　　2、偏最小二乘PLS算法在處理有噪聲及圖片遮擋等問題時效果不佳。研究表明：噪聲項(xiàng)等通過對投影方向的迭代進(jìn)入了算法中，可以通過控制投影方向的稀疏性有效地解決這個問題。因此為了改進(jìn)本文所提出的2DNPLS算法提高其魯棒性，通過對2DNPLS中的投影方向增加稀疏性約束，提出二維非負(fù)稀疏偏最小二乘（Two-dimensional Nonnegative Sparse Partial Least