基于局部线性嵌入的人脸识别方法研究的中期报告.docx

基于局部线性嵌入的人脸识别方法研究的中期报告
本研究旨在探索一种基于局部线性嵌入（LocallyLinearEmbedding,LLE）的人脸识别方法。LLE是一种非线性降维方法，它可以通过保留高维空间中的局部线性结构来在低维空间中表示数据。本研究将LLE与人脸识别相结合，提出了一种局部线性嵌入人脸识别（LocallyLinearEmbeddingFaceRecognition,LLE-FR）方法。
研究方法如下：
第一步：数据预处理
本研究使用AT&T库和Yale库中的人脸图像进行实验。将预处理后的人脸图像转化为向量，并将它们存储在矩阵X中。
第二步：LLE降维
使用LLE方法将高维向量降至低维。在本研究中，使用LLE算法将人脸图像降至10维。
第三步：特征提取
在LLE降维后，每个人脸图像都可以表示为低维空间中的向量。使用主成分分析（PrincipalComponentAnalysis,PCA）对这些向量进行特征提取，并得到每个人脸图像的特征值。
第四步：分类器训练
使用训练集中的特征值训练分类器，本研究使用支持向量机（SupportVectorMachine,SVM）作为分类器。
第五步：人脸识别
使用测试集中的人脸图像进行人脸识别。通过将测试集中的人脸图像降至10维，并使用PCA提取特征值，得到测试集中每个人脸图像的特征值。将这些特征值输入到训练好的SVM分类器中，得到每个测试图像的分类结果。根据分类结果判断测试图像的人脸识别准确率。
初步实验结果表明，本研究提出的LLE-FR方法在AT&T库和Yale库中都表现出了较好的识别率。未来将进一步探索如何进一步提高识别率，并对LLE-FR方法进行改进和优化。