人脸识别技术中半监督降维方法的分析与改进+源代码
毕业论文关键字：图像处理；人脸识别；半监督降文
引言：人脸识别由于其具有的特点，使得其相对与其他识别技术更容易被推广.但是一般人脸图像数据的文数很高，容易出现“文数灾难”[1]并且提高数据的计算复杂性和冗余性，如何降低人脸图像的文数成为了一个研究热点[2].这几年，半监督降文方法吸引了很多人，半监督降文将传统的降文算法有效结合，不只利用数据的类标号信息还保持数据的整体结构信息并且不需要很多的人工参与就会有更精确的精度.综上所述，作者从半监督降文方法的分析出发，提出自己的看法与改进建议.
一、 人脸识别
（一）人脸识别概述
人脸识别广义上包含了识别的整个过程及其对应的技术，而我们所说的人脸识别则特指通过人脸进行身份识别.
人脸识别也是采用自身特性来判别身份的技术之一.
（二）人脸识别的优势
人脸识别具有真实性和很难被被观察本人发觉的特点.
真实性，说的是人脸识别同大家所使用的识别方法原理是相同的.实际生活中，人们大都也是先发现然后再比较人脸的不同来区别不同个体的身份的.
很难被发觉的特点也是至关重要的，这将会使得该方法容易被人接受而很难会被使用者厌烦.人脸识别具备以上优点，它使用可见光获取图像数据，不需要使用特殊的仪器采集所需数据.而指纹识别或者虹膜识别则不一样，后两者需要借助专业仪器来收集数据信息，由于太容易被察觉，从而更容易被人利用来欺骗.
各种生物识别技术对比表：
表1. 各种生物识别技术对比
各种生物识别技术的表现：
图1. 各种生物识别技术的表现
（三）人脸识别的困难
以上数据都说明人脸识别的种种优势，但是该识别方式也存在诸多的技术难题.此技术被看作是特征识别乃至AI界最难的研究之一，该方法所遇到的难题主要是由人脸所具有的特性所造成的.人脸具有以下的特性：
1、不同人之间的脸图像相差不多，所有的脸图总体看来都相差无几，而人脸的器官等的造型也都雷同.这可以用于定位人脸，但不适合进行身份识别.
2、人脸稳定性较差，脸部的细微变化可以轻易改变将被采集的图像数据，而角度、光照条件（强光和弱光等）、遮盖物（例如眼罩、眼镜等）、年龄增长等因素也将关系到数据的采集.
在人脸识别技术中，第1点是由于其可区分不同人脸而理应被作为判别标准，而第2点的变化由于其可以表示同同一张人脸应该被降为0（理想条件下）.通常将第1点的变化叫做类间变化（inter-class difference），第2点的变化叫做类内变化（intra-class difference）.在人脸数据中，第2点变化往往远大于第1点的变化，从而使得在第2点的干扰下使用第1点区分个体变得非常困难.
（四）人脸识别的应用
人脸识别被广泛应用于军事系统、企业管理、社会保障、电商、安保等领域.
防盗方面人脸识别技术也得到了认同，但其门槛仍然很高：1、技术门槛高；2、经济门槛高.