1、本論文主要研究了線(xiàn)性特征提取在人臉識(shí)別中的應(yīng)用,論文首先概述了人臉識(shí)別的研究背景和常見(jiàn)的人臉識(shí)別技術(shù),給出了人臉識(shí)別系統(tǒng)模塊的設(shè)計(jì)框架,并介紹了各種特征提取的方法及應(yīng)用特點(diǎn)。
　　 本文重點(diǎn)研究了近年來(lái)人臉識(shí)別領(lǐng)域中有關(guān)線(xiàn)性特征提取的主要方法,即PCA和LDA方法。首先對(duì)它們所基于的K-L變換原理及Fisher判別準(zhǔn)則做了詳細(xì)的介紹。其次研究了主成分分析(PCA)與線(xiàn)性判別分析(LDA)的線(xiàn)性特征提取方法,及它們?cè)谌四樧R(shí)別中的應(yīng)

2、用情況。最后對(duì)文中討論的上述方法的有效性,用ORL人臉數(shù)據(jù)進(jìn)行了實(shí)驗(yàn)驗(yàn)證,結(jié)果表明,PCA和LDA方法是基本可行的,文中完成的系統(tǒng)也具有較好的實(shí)驗(yàn)結(jié)果。
　　 論文還對(duì)PCA和LDA方法的實(shí)驗(yàn)結(jié)果做了比較分析,結(jié)果表明在系統(tǒng)訓(xùn)練樣本數(shù)相等的情況下,基于LDA算法的人臉識(shí)別系統(tǒng)的正確識(shí)別率要比基于PCA算法的人臉識(shí)別系統(tǒng)的正確識(shí)別率要高。因?yàn)殡m然使用PCA方法和LDA方法都能大大降低原始特征空間的維數(shù),然而,PCA方法得到的特征是