文档介绍：华侨大学
硕士学位论文
基于SVM的人脸识别增量学习算法研究
姓名:宋剑
申请学位级别:硕士
专业:信号与信息处理
指导教师:方瑞明
20100501
华侨大学硕士学位论文基于 SVM 的人脸识别增量学习算法研究
摘要

传统的人脸识别系统可以在样本充足的数据库上取得良好的识
别性能,但使用样本稀疏或旧的数据库时识别率会大幅下降。这就需
要一种可以针对这种较差条件数据库进行良好识别的学习方法。而增
量学习充分利用历史训练结果的学习方式则正好可以有效地解决这
一困难,它能随着新增样本的增加逐渐提高学习精度。
本文在现有的人脸识别及其增量学习算法的基础上,提出了一种
基于球环向量的支持向量机增量学习算法,并基于该算法建立了一个
具有增量学习能力的人脸识别系统。其主要内容如下:
首先,比较了两种子空间维数确定准则下的增量主成分分析算
法,并证明基于特征值贡献率的增量主成分分析算法可以在保证系统
识别率的前提下,有效控制子空间的维数,提高系统学习效率。
其次,提出了基于球环向量的支持向量机增量学习算法。该算法
先抽取出可能成为支持向量的球环向量,减少了训练样本的数目,提
高了系统的训练速度,然后以 KKT(Karush-Kuhn-Tucker)条件为停
机准则实现支持向量机对新增样本的增量学习。
最后,在此基础上结合增量主成分分析和增量支持向量机算法实
现了一个人脸识别系统,将所提出的基于球环向量的支持向量机增量
学习算法在系统中实现。
通过对 ORL 和 JAN 数据库进行测试发现,在同等精度下,该系
统对于大样本数据具有更高的学习效率和处理速度,适合处理连续视
1
华侨大学硕士学位论文基于 SVM 的人脸识别增量学习算法研究
频在线文件。

关键词:人脸识别;增量学习;增量支持向量机;球环向量;增
量主成分分析

2
华侨大学硕士学位论文基于 SVM 的人脸识别增量学习算法研究
Abstract

Traditional face recognition systems can perform well with an
adequate sample database, but a database of sparse or old samples will
substantially reduce the recognition rate. So a learning method under poor
data conditions is required. The incremental learning, by making full use
of the historical training results, can effectively solve this problem, and it
can gradually improve learning accuracy with increasing new samples.
Based on the existing face recognition and incremental learning
algorithm, the incremental support vector machine (ISVM) learning
algorithm based on ball ring vector is proposed. On the basis of the
algorithm, a human face identification system with incremental learning
ability is established. The main contents are as follows:
First, two kinds of incremental ponent analysis (IPCA)
algorithm of two determining criteria with sub-space dimension is
compared, and the fact is proved that the IPCA algorithm based on the
eigenvalues contribution rate can effectively control the dimension
number of subspace, an