本项目拟解决人脸识别技术中的瓶颈问题,即姿势和光照问题。经验结果表明核判别分析(KDA)是解决此问题行之有效的方法,其关键在于对核函数和核参数的选取。目前对核函数和核参数的选取均为人为的,为避免普遍采用的人工选取的方法,我们拟研究人像识别KDA算法的泛化能力,对算法误差的离差-方差分解和稳定性进行理论分析,建立离差、方差、稳定性、核函数和核参数之间相互关系的理论框架,并用来指导构造和选取最佳核函数、确定最佳核参数,从而增强KDA方法非线性分类特征的提取能力,使人像识别KDA算法对户内外环境下人像姿势和光照的变化均是稳定的。通过在公开的人脸数据库上进行实验来评估和验证所得KDA方法最佳核函数的效果。本课题所得结果将更深入地刻划出KDA学习效果与核函数及其参数变化的特性,这对将来的基于KDA算法的实际应用提供重要理论依据,也为人脸识别技术在商业和法律上的应用开辟新途径。
英文主题词Face Recognition;Pose and Illumination Problems;Kernel Method;Non-linear Feature Extraction