1、特征提取是模式識(shí)別研究的核心內(nèi)容之一;其基本過(guò)程是根據(jù)實(shí)際需要,定義一個(gè)函數(shù)映射,將數(shù)據(jù)從原始輸入空間投影到一個(gè)新的特征空間,從而提取出感興趣的信息.本文的主要研究對(duì)象為基于統(tǒng)計(jì)的主分量分析方法(PCA).在已有工作基礎(chǔ)上,本文提出了自適應(yīng)加權(quán)子模式主分量分析方法(Aw-SpPCA),成功地將此應(yīng)用于人臉識(shí)別,并最終構(gòu)建了一個(gè)基于.Net的人臉識(shí)別原型系統(tǒng).主分量分析是一種有效和流行的特征提取方法,在人臉識(shí)別領(lǐng)域也已成為人臉識(shí)別系統(tǒng)的工

2、業(yè)評(píng)估標(biāo)準(zhǔn)之一.由于基于整幅人臉的PCA方法僅能提取人臉的全局信息,難以顧及人臉的局部信息,故在復(fù)雜的人臉表情和光照條件下此方法并不十分有效.先前提出的子模式主分量分析(SpPCA)通過(guò)先劃分輸入模式為子模式,然后在各個(gè)子模式中分別提取局部信息的策略部分克服了傳統(tǒng)PCA的局限性,經(jīng)實(shí)驗(yàn)證實(shí)了該方法較PCA更為有效;但是它對(duì)每個(gè)子模式都賦予了同樣的分類重要性,從而易導(dǎo)致信息的冗余和后期分類性能的下降.本文提出了自適應(yīng)加權(quán)子模式主分量分析方

3、法.該方法試圖強(qiáng)化人臉局部信息對(duì)人臉識(shí)別的貢獻(xiàn);并且能自適應(yīng)地計(jì)算出人臉的不同部位對(duì)識(shí)別的不同預(yù)期貢獻(xiàn),并把此預(yù)期貢獻(xiàn)作為權(quán)值結(jié)合到分類器中,以提高人臉識(shí)別性能.最后,在三個(gè)國(guó)際標(biāo)準(zhǔn)數(shù)據(jù)集(AR、ORL和Yale)上的實(shí)驗(yàn)結(jié)果證明了所提方法的有效性與可行性.基于以上研究工作,我們采用Microsoft的.NET技術(shù)在微機(jī)平臺(tái)上構(gòu)建了一個(gè)人臉識(shí)別原型系統(tǒng).該系統(tǒng)集成了圖像采集、預(yù)處理、信息存儲(chǔ)、人臉識(shí)別等一系列過(guò)程,為今后開發(fā)產(chǎn)品級(jí)的人臉