摘 要：人脸识别是当前模式识别领域中的一个极具挑战性的研究课题，因为其广泛的应用而受到各国政府以及科研单位的广泛关注，其应用性主要体现在法律、商业、军事等重要的安全领域。如何能有效地从人脸图像中进行人脸特征的识别是一个关键课题。59251

局部敏感鉴别分析是一种基于向量学习的提取特征的算法。在实际应用中，由于小样本问题，通常先利用PCA算法对原始数据进行降维处理，然后再使用LSDA算法提取特征。然而，这种方法会丢掉一些重要的鉴别信息。本文主要基于最大边距局部敏感鉴别分析的方法来进行探讨研究，直接从原始数据中提取特征，避免了鉴别信息的损失，同时使得同类中的近邻数据尽量靠近，而不同类之间的样本远离。在ORL和Yale人脸库上的仿真实验表明此算法更有效。

毕业论文关键词：人脸识别，最大边距准则，局部敏感鉴别分析

Abstract: Face recognition is the current field of pattern recognition in a challenging research topic because of its wide application and attention by governments and research institutions, and its application is mainly reflected in the legal, commercial, military and other important security. How to effectively carry out facial features from human face image recognition is a key issue.

Local sensitive discriminant analysis is based on extracting feature vector learning algorithm. In practice, due to the small sample size problem, usually the first use of PCA algorithm to reduce the dimension of the original data processing, and then use LSDA algorithms to extract features. However, this method will lose some important authentication information. This paper is mainly based on the largest margin of local sensitive discriminant analysis approach to explore research, extract features directly from the raw data, avoiding the loss of authentication information, while making the same kind of data as close neighbors, but not the same between the sample away. On ORL and Yale face database simulation results show that this algorithm is more effective.

Key words: Analysis of Face Recognition, The Maximum Margin Criterion, Locality Sensitive Discriminant

1 引言 5

1.1研究背景 5

1.2研究意义 6

1.3人脸检测算法 7

2.相关算法简介 9

2.1主成分分析PCA 9

2.2线性鉴别分析LDA 9

2.3局部敏感鉴别分析 10

2.4最大边距准则MMC 11

2.5类间近邻关系矩阵 12

3 最大边距局部敏感鉴别分析 12

4 实验结果及分析 13

4.1 在ORL人脸库上的实验 13

4.2 在Yale人脸库上的实验 15

结 论 17

参考文献 18

致 谢 19

附录 20

1 引言

1.1研究背景

生物特征识别技术诞生于20世纪20年代，因计算机的发展和互联网的普及，已应用到越来越多的领域。

身份识别和验证是保证国家公共安全的重要前提。在国家安全、司法、公安、电子政务、电子商务、保安监控、安全检查等应用领域都需要准确的身份识别及鉴定。目前，个人身份鉴定主要依靠ID卡和密码等手段，然而这些手段存在携带不便，易丢失,易破解之类的漏洞。生物特征识别技术可适应现代科技和社会进步的需要。