基于支持向量机理论的人脸识别方法开题报告

全文总字数：1042字

1. 研究目的与意义

人脸识别在监控、罪犯识别、人机交互等方面有着潜在而广发的应用，已成为图像处理、模式识别和计算机视觉等学科的主要研究领域。人脸识别技术是计算机识别和比模式识别的一个重要应用。近几年，人脸识别技术已经成为了国内外学者研究的热点。总是，人脸识别有着非常广阔的研究前景，自动人脸识别系统在不同领域的应用将对人们生活产生深刻的影响。

2. 国内外研究现状分析

国内外的研究工作主要是集中在三大类方法的研究：基于几何特征的人脸正面自动识别方法、基于代数特征的人脸正面自动识别方法和基于连接机制的人脸正面自动识别方法。

比如南京理工大学杨静宇等主要是采用奇异值分解方法进行人脸识别研究，如用daubechies正交小波变换对人脸图像作预处理，等到不同频带上的4个子图像，对它们分别提取奇异值，然后用最近邻方法进行分类，同时设计一种适用于多分类结果融合的群体决策算法，并且对分类结果有选择的进行融合。程永清，庄永明等对同类图像的平均灰度图进行svd分解得到特征脸空间，每一幅图像在特征脸空间上的投影作为其代数特征，然后利用层次判别进行分类。

国外的研究方向主要为：基于几何特征的人脸识别方法、基于模板匹配的人脸识别方法、基于k-l变换的特征脸的方法、基于隐马尔可夫模型的方法等

3. 研究的基本内容与计划

本文主要研究在于基于支持向量机的人脸识别方法的实现上，并且在核fisher技术所主张的非线性鉴别分析在算法上的表现。利用核技术把广义最佳鉴别矢量集进行非线性推广，将非线性奇异性问题，投射到高维空间，并在这个空间求最优分类面，建立广义最佳核鉴别矢量集的求解模型，根据泛函的有关理论，只要一种核函数满足Mercer条件，它就可以作为某一变换空间中的内积，由此可以视为低维线性空间的内积计算，从而得到问题的解。探究在非线性鉴别分析上，用广义最佳核鉴别矢量集所抽取的特征不仅在整体上具有最佳的可分性，而且具有非线性特性，这样就解决了非线性奇异性的问题。最后利用已知的算法，matlab等工具编写并实现具体的算法程序，对几个人脸识别库进行鉴别分析，再与其他几种人脸识别方法进行结果比较分析，得出本文的结论。

4. 研究创新点

本文主要阐述对核fisher技术的理论支持，并据此对非线性问题进行处理，并在此基础上，利用marlab工具进行编程，然后利用几个人脸样本库进行分析比较，得出核fisher计算以及该算法的优劣性，再和另几种非核fisher技术人脸识别的方法进行比较分析。