鲁棒局部保持投影的表情识别
(完整版)人脸识别技术的弊端
三个方面的缺点： 1.识别精度低 2.自然性、不易察觉以及非接触性也致使人脸识别技术在一些特定领域面临环境复杂性。 便于收集的好处也带来了图像清晰度不高，角度不好等问题 3.人脸识别不只是隐私问题信息泄露面临更大安全隐患 人脸识别的一个缺点也在于信息的可靠性及稳定性较弱。 人脸所蕴含的信息量较指纹、虹膜等生物特征相比是比较少的，其变化的复杂性不够。例如，若要两个人的指纹或者虹膜基本相同，大概需要好几十乃至上百个比特(信息量的度量单位)达到完全重合才可以。但如果是人脸的话，十几个比特达到重合就可以了。在全世界，可以找到很多具有相似性的面孔。所以说，人脸的辨别性不是很高，它并没有那么独一无二。 另外，人自身内在的变化以及外在环境的变化都会影响采集时人脸的信息稳定度。相较于之前的人脸识别技术，目前的人脸识别技术有所提高，但是具体应用时还是不能达到完美状态，如今，保守估计，人脸识别技术准确率能达到99%，但没有达到100%。同时，对于双胞胎，由于相似特征太多，人脸识别基本不可能完成。比如在ATM机上使用人脸识别技术，是在使用密码信息的基础上辅助的认证功能。如果脱离了密码输入，完全使用人脸识别技术进行存取款操作，是不太可能的。 例如，2018年7月，美国公民自由联盟（ACLU）对美国国会议员的照片应用了亚马逊算法，该算法确定其中28人是因犯罪而被捕的人。 如果说双胞胎根本不应该用此技术来进行分辨的情况下，如何解决整容带来的无法辨别的问题？在如今整容手段如此先进的情况下？ 其一，应用“人脸识别”技术的视频采集机器设备愈来愈普及化，会否对大家的人身自由权与隐私权产生威协，这个问题如何解决？其二，人工智能的市场应用，会否产生新的岐视与不公平，并对人们具有的社会道德纪律产生挑战？ 例如：一些商业算法在识别肤色较深的人员和女性方面不如识别肤色较浅的男人准确。
地图投影的基本问题
3．地图投影的基本问题 3．1地图投影的概念 在数学中，投影（Project）的含义是指建立两个点集间一一对应的映射关系。同样，在地图学中，地图投影就是指建立地球表面上的点与投影平面上点之间的一一对应关系。地图投影的基本问题就是利用一定的数学法则把地球表面上的经纬线网表示到平面上。凡是地理信息系统就必然要考虑到地图投影，地图投影的使用保证了空间信息在地域上的联系和完整性，在各类地理信息系统的建立过程中，选择适当的地图投影系统是首先要考虑的问题。由于地球椭球体表面是曲面，而地图通常是要绘制在平面图纸上，因此制图时首先要把曲面展为平面，然而球面是个不可展的曲面，即把它直接展为平面时，不可能不发生破裂或褶皱。若用这种具有破裂或褶皱的平面绘制地图，显然是不实际的，所以必须采用特殊的方法将曲面展开，使其成为没有破裂或褶皱的平面。 3．2地图投影的变形 3．2．1变形的种类 地图投影的方法很多，用不同的投影方法得到的经纬线网形式不同。用地图投影的方法将球面展为平面，虽然可以保持图形的完整和连续，但它们与球面上的经纬线网形状并不完全相似。这表明投影之后，地图上的经纬线网发生了变形，因而根据地理坐标展绘在地图上的各种地面事物，也必然随之发生变形。这种变形使地面事物的几何特性（长度、方向、面积）受到破坏。把地图上的经纬线网与地球仪上的经纬线网进行比较，可以发现变形表现在长度、面积和角度三个方面，分别用长度比、面积比的变化显示投影中长度变形和面积变形。如果长度变形或面积变形为零，则没有长度变形或没有面积变形。角度变形即某一角度投影后角值与它在地球表面上固有角值之差。 1）长度变形 即地图上的经纬线长度与地球仪上的经纬线长度特点并不完全相同，地图上的经纬线长度并非都是按照同一比例缩小的，这表明地图上具有长度变形。 在地球仪上经纬线的长度具有下列特点：第一，纬线长度不等，其中赤道最长，纬度越高，纬线越短，极地的纬线长度为零；第二，在同一条纬线上，经差相同的纬线弧长相等；第三，所有的经线长度都相等。长度变形的情况因投影而异。在同一投影上，长度变形不仅随地点而改变，在同一点上还因方向不同而不同。 2）面积变形 即由于地图上经纬线网格面积与地球仪经纬线网格面积的特点不同，在地图上经纬线网格面积不是按照同一比例缩小的，这表明地图上具有面积变形。 在地球仪上经纬线网格的面积具有下列特点：第一，在同一纬度带内，经差相同的网络面积相等。第二，在同一经度带内，纬线越高，网络面积越小。然而地图上却并非完全如此。如在图4-9-a上，同一纬度带内，纬差相等的网格面积相等，这些面积不是按照同一比例缩
2.6地图投影的选择和变换
幻灯片1 地图投影的选择和变换幻灯片2 地图投影的选择和变换●本讲主要内容： ●一、地图投影的选择 二、地图投影的变换 幻灯片3 一、地图投影的选择 （一）投影选择的依据 1、制图区域的地理位置、形状和范围 制图区域的地理位置决定了所选择投影的种类 正轴方位投影 极地—— 赤道附近—— 横轴方位投影或正轴圆柱投影 正轴圆锥投影或斜轴方位投影 中纬地区—— 幻灯片4 制图区域形状直接制约地图投影的选择 中纬度地区： 沿纬线方向延伸的长形区域—— 单标准纬线正轴圆锥投影 沿经线方向略窄，沿纬线方向略宽的长形区域—— 双标准纬线正轴圆锥投影 沿经线方向南北延伸的长形区域—— 多圆锥投影 斜轴方位投影 南北、东西方向差别不大的圆形区域—— 低纬赤道附近： 沿赤道方向呈东西延伸的长条形区域—— 正轴圆柱投影 东西、南北方向长宽相差无几的圆形区域—— 横轴方位投影 幻灯片5 制图区域的范围大小也影响地图投影的选择 正轴圆柱、伪圆锥、广义多圆锥和某些派生的地图投影世界地图—— 东西半球：横轴等面积或等距离方位投影 水路半球：斜轴等距离或等面积方位投影 南北半球：正轴等角或等距离方位投影 半球地图—— 非洲：横轴等面积方位、横轴等角圆柱 其他洲：斜轴等面积方位投影
大洲地图—— 不同变形性质的正轴圆锥投影 大国地图—— 幻灯片6 2、比例尺 不同比例尺地图，对精度要求不同，投影选择不同。 大比例尺地形图，对精度要求高，宜采用变形小的投影，如分带投影。 中、小比例尺地图范围大，概括程度高，定位精度低，可有等角、等积、任意投影的多种选择。 幻灯片7 幻灯片8
幻灯片9
实验地图投影的判别
实验一地图投影的判别 说明 ⒈地图几大投影系统的经纬网的基本形状 （1）方位投影 正轴方位投影：纬线是以极点为圆心的同心圆，经线是以极点为中心的放射状直线。 横轴方位投影：赤道是直线，其他纬线为对称于赤道的曲线；中央经线是直线，其他经线为对 称于中央经线的曲线。 斜轴方位投影：中央经线为直线，其他经线为对称与中央经线的曲线；纬线为任意曲线。 （2）圆柱投影 正轴圆柱投影：纬线为平行于赤道的直线，经线为垂直于迟到的平行直线。 横轴圆柱投影（高斯投影或UTM投影）：中央经线为直线，其他经线为对称于中央经线的曲线；赤道为直线，其他纬线为对称于赤道的曲线。 （3）圆锥投影通常均指正轴圆锥投影。 正轴圆锥投影：纬线为同心圆弧，经线为交于一点的放射状直线束。 （4）伪圆投影和伪圆锥投影 伪圆柱投影：纬线是同心圆弧；中央经线是直线，其他经线为对称于中央经线的曲线。 伪圆锥投影：纬线是平行于赤道的直线；中央经线为直线，其他经线为对称于中央经线的曲线。 ⒉一些常用地图投影的经纬线形状特征，如表 1 ⒊地图上经纬线形状的判别地图上的经纬线一般有直线、曲线、同心圆、同心圆弧、同轴圆 弧几种形式，其判断方法如下： （1）直线和曲线的判断：取一直尺，将经线或纬线线段的两个端点置于直线的直线边上，如果 线段上的各点均位于直尺的直线边上，则说明这条线段是直线，否则是曲线。 （2）曲线与圆弧的判别：用一块透明纸蒙在曲线上，在曲线上按一定间隔绘出3-5个点，然后移动透明纸至曲线的另外位置，若透明纸上的点仍在这条曲线上，则说明此曲线为圆弧，否则为其 他曲线。 表1 一些常用地图投影的经纬线形状特征 投影名称 经纬线形状 中经线上纬线间隔的变 化 主要制图区 域 经线纬线 等差分纬线多圆锥投影中央经线为直线，其余经线 为对称于中央经线的曲线 赤道为直线，其余纬 线为对称于赤道的 同轴圆弧 从赤道向两极稍有增大世界图 摩尔魏特投 影中央经线是直线，其他经线 为椭圆弧 纬线是平行直线由赤道向两极逐渐变小 世界图、半 球图 古德投影有几条中央经线是直线，其 余经线是曲线 纬线是平行直线 纬度40°以下相等，纬 度40°以上逐渐减小 世界图 墨卡托投影间隔相等的平行直线与经线垂直的平行 直线 由低纬向高纬急剧增大 世界图、东 南亚地区图 1 / 6
第六节航用海图的投影方法
第六节航用海图的投影方法 0393.下列__________不是等角投影的特性。 A．图上无限小的局部图像与地面上相应的地形保持相似 B．图上任意点的各个方向上的局部比例尺相等 C．不同点的局部比例尺随经、纬度的变化而变化 D．地面上和图上相应处的面积成恒定比例 0394.下列__________不是等角投影的特性。 A．图上各点局部比例尺相等 B．地面上一个微分圆，投影到地图上仍能保持是一个圆 C．地面上某地的一个角度，投影到地图上后仍能保持其角度大小不变 D．地面上不同地点两个相等的微分圆，投影到地图上可能成为不同大小的两个圆 0395.在地图投影中，等积投影的特性之一是__________。 A．图上无限小的局部图像与地面上相应的地形保持相似 B．图上任意点的各个方向上的局部比例尺相等 C．地面上不同地点两个相等的微分圆，投影到地图上可能成为不同大小的两个圆 D．地面上和图上相应处的面积成恒定比例 0396.在地图投影中，等积投影的特性之一是__________。 A．地面上一个微分圆，投影到地图上仍能保持是一个圆 B．地面上不同地点两个相等的微分圆，投影到地图上
可能成为不同大小的两个圆 C．地面上和图上相应处的面积成恒定比例 D．B和C 0397.将地面上的经线和纬线直接投射到与地球面相切或相割的平面上去的投影方法 称为__________。 A．平面投影B．方位投影C．圆锥投影D．A 和B 0398.方位投影大都是透视投影，视点在球外的方位投影称为__________。 A．心射投影B．极射投影C．外射投影D．日晷投影 0399.方位投影大都是透视投影，视点在球面的方位投影称为__________。 A．心射投影B．极射投影C．外射投影D．日晷投影 0400.方位投影大都是透视投影，视点在球心的方位投影称为__________。 A．心射投影B．极射投影C．日晷投影D．A 和C 0401.平面投影又称方位投影，其中透视点在球面的等角方位投影在航海上常被用来绘制__________。 A．半球星图B．大圆海图 C．墨卡托航用海图D．大比例尺港泊图
地图投影的选择、设计和变换
一、地图的用途和性质 这是最重要的因素。一旦确定，便可确定投影的性质。 等积投影：适用于经济、政治和自然地图 等角投影：适用于航行、军事和地形图 等距离投影：普通地图等各种变形具有同等重要意义的地图 任意投影：教学地图和各种科学一览图。 特种地图对投影有特殊的要求，如球心投影，等距离方位投影，时区图等等。 二、制图区域的形状和地理位置 可以确定投影的类型 圆形地区：方位投影 中纬度东西延伸地区：圆锥投影 赤道附近或沿赤道两侧东西延伸地区：正轴圆柱投影 南北延伸地区：横轴圆柱投影或多圆锥投影 斜向延伸地区：斜轴圆柱或圆锥投影 在小区域内，各种投影的影响均不大，此时可考虑用计算方便，格网简单的投影。 三、制图区域的大小 其影响表现在由于面积的增大，使投影的选择更为复杂化，要考虑的因素更多。 如大比例尺地图就不需要更多考虑区域的形状和地理位置。 实际工作中，凡面积不超过5-6百平方公里的区域，选择投影的变形为0.5%即可；面积在3.5-4.0千平方公里的区域，长度变形在2-3%即可；若是更大的区域，其长度变形往往超过3%。对于中等或不大的区域，投影选择一般只考虑几何因素，不必考虑地图的用途和性质。 ? 1.世界地图的投影 世界地图的投影主要考虑要保证全球整体变形不大，根据不同的要求，需要具有等角或等积性质，主要包括：等差分纬线多圆锥投影、正切差分纬线多圆锥投影（1976年方案）、任意伪圆柱投影、正轴等角割圆柱投影。 2.半球地图的投影 东、西半球有横轴等面积方位投影、横轴等角方位投影；南、北半球有正轴等面积方位投影、正轴等角方位投影、正轴等距离方位投影。 3.各大洲地图投影 1）亚洲地图的投影：斜轴等面积方位投影、彭纳投影。 2）欧洲地图的投影：斜轴等面积方位投影、正轴等角圆锥投影。 3）北美洲地图的投影：斜轴等面积方位投影、彭纳投影。 4）南美洲地图的投影：斜轴等面积方位投影、桑逊投影。 5）澳洲地图的投影：斜轴等面积方位投影、正轴等角圆锥投影。 6）拉丁美洲地图的投影：斜轴等面积方位投影。 4.中国各种地图投影 1）中国全国地图投影：斜轴等面积方位投影、斜轴等角方位投影、彭纳投影、伪方位投影、正轴等面积割圆锥投影、正轴等角割圆锥投影。 2）中国分省（区）地图的投影：正轴等角割圆锥投影、正轴等面积割圆锥投影、正轴等角圆柱投影、高斯-克吕格投影（宽带）。 3）中国大比例尺地图的投影：多面体投影（北洋军阀时期）、等角割圆锥投影（兰勃特投影）（解放前）、高斯-克吕格投影（解放以后）。
邻域自适应选取的局部投影非线性降噪方法
振 动 与 冲 击 第25卷第4期 JOURNAL OF V I B RATI O N AND SHOCK Vol .25No .42006 邻域自适应选取的局部投影非线性降噪方法 教育部博士点基金资助项目(No .20020008019) 收稿日期:2005-05-25 修改稿收到日期:2005-08-01第一作者阳建宏男,博士生,1978年11月生通讯作者徐金梧 阳建宏 徐金梧 杨德斌 黎 敏 (北京科技大学机械工程学院,北京 100083) 摘 要 局部投影降噪算法已广泛应用于非线性时间序列的分析中,但受邻域选取的影响较大。提出了一种按照自适应方式选取邻域大小的局部投影降噪算法。首先用时间延迟方法将一维时间序列重构到高维相空间。然后逐步增 大每个待分析相点的领域大小,根据领域最大主方向变化过程中首次出现平稳阶段时,自适应地确定该相点的最优领域,最后再用局部几何投影的方法去除噪声成分。对洛伦兹信号和杜芬信号分别添加不同噪声水平的高斯白噪声,对领域自适应选取的局部投影算法与标准局部投影算法的降噪效果进行了比较。实验结果表明,自适应邻域选取方法,提高了局部投影算法的降噪能力和对领域参数的鲁棒性。 关键词:降噪,自适应领域选取,非线时间序列,局部投影中图分类号:T N911.7 文献标识码:A 0 引 言 在科学研究的过程中,消除噪声是数据处理的一 个重要环节。非线性动力学系统在一定参数下呈现出 的分岔、混沌等复杂动力学特性[1,2] 给降噪处理带来了很大的困难。这是因为混沌信号本身就具有与随机噪声相同的宽频带特征,所以基于频谱分析的传统降噪方法并不适用。 相空间理论是非线性动力学分析的重要工具。系统的动力学行为在相空间中表现为吸引子的形式,如规则运动表现为简单吸引子,混沌运动表现为奇异吸 引子,而噪声则在相空间中随机分布[3] 。在基于相空 间理论的非线性时间序列降噪方法[3-6] 中局部投影算法[3,4]是最重要的方法之一,并成功地应用于语音信 号、医学信号、机械振动信号处理[7] 等领域。 领域大小是局部投影算法中一个非常重要的参数,但对邻域的选取通常只能借助视觉的方法或根据 经验公式[4] 来确定。由于在高维相空间中缺少可视化的工具,靠视觉判断的方法并不可行。而经验公式只是一个参考值,在很多情况下,尤其是在噪声程度未知的情况下并不适用。在L Matassini 等提出的邻域确定 方法[8] 中,相空间中所有待分析相点的邻域大小都是一个固定值,没有考虑到因系统吸引子流形的曲率变 化而引起的误差。A Kern [9] 等提出的邻域选取方法受噪声程度的影响较大,有很大的局限性。 本文考虑了采样频率、信噪比和系统吸引子流形曲率等多方面因素,根据邻域搜索过程中邻域最大主方向的变化,给出了一种自适应的邻域选取方法,用于改进局 部投影降噪算法。对Lorenz 系统和Duffing 系统的数值 仿真实验结果表明,邻域的自适应选取方法提高了局部投影算法的降噪性能和对邻域参数的鲁棒性。 1 局部投影算法 从确定性非线性动力学系统中观测到的一维时间序列{s 1,s 2,…,s N },选择合适的嵌入维m 和时间延迟τ可以将其拓扑重构到m 维的相空间中。相空间中的每个相点为 X n =(s n ,s n -τ,…,s n -(m -1)τ)(1)已有文献证明[3,10] ,如果选择合适的嵌入维数,即m > 2D F (D F 是系统吸引子的分形维数),重构的相空间与原动力学系统是微分同胚的。在相空间中,动力学系统的确定性以某种吸引子的形式得以展现。系统吸引子分形维数通常是低维的,只局限在相空间的一个m 0维子空间(D F 东辰人脸识别方案 东辰人脸识别门禁系统方案 方案介绍 城市发展意味着生产和消费的更集中、更大规模、更社会化和更高的生产效率；同时也给城市社区生活带来诸多问题，如健康医疗、邻里关系、社区安全、社会服务质量等问题。 智慧社区解决方案充分借助云计算、物联网等先进的信息化技术手段，整合智能楼宇、智能家居、能源管理、家庭健康、数字生活与智慧政务等诸多领域，通过建设社区自有的ICT基础设施、认证、安全等平台，打造覆盖全社区，延伸到广域网的智慧节点，形成基于海量信息和智能过滤处理的新的生活、产业发展、社会管理等模式，更加便捷居民的生活和物业的服务以及政务便民服务。 1.设计规划的总体原则 系统建设以先进性和合理性为前提，充分考虑经济实用性、开放性、灵活性、可扩充性、安全性、可靠性、易管理性和易维护性。 实用性和经济性 系统建设应始终贯彻面向应用，注重实效的方针，坚持实用、经济的原则。 先进性和成熟性 系统设计既采用先进的概念、技术和方法，又要注意结构、设备、产品的相对成熟。不但能反映当今的先进水平，而且具有发展潜力，保证在未来若干年内不落后。 可靠性和稳定性 从系统结构、技术措施、设备性能、系统管理、厂商技术及维修能力等方面着手，确保系统运行的可靠性和稳定性，达到最大的平均无故障时间。 开放性与标准性 无论是系统设备还是网络拓扑结构，都应具有良好的开放性的标准性，用户可以根据实际使用需求的变化，可以非常方便的对系统进行扩展或升级； 安全性和保密性 在系统设计中，既考虑信息资源的充分共享，又注意信息的保护和隔离，因此系统针对不同的网络通信环境，采取不同的措施，包括系统安全机制、数据存取的权限控制。 集成性 系统设计中的各个子系统通过中心机房统一管理，系统集成度的水平代表着智能化建设的等级。 外部网络接入的多样性 规划建设应充分考虑对多种接入方式的适应性，住户、商家及物管部门可以根据各自的不同喜好自由地选择任何一家信息服务公司所提供的服务。 系统运行的实时性 无论是网络操作系统还是应用软件都应具有良好的实时性，在信息共享及数据处理上具备较快的响应能力。通过对接入技术、业主使用要求以及集成方式的综合考虑选择具有最佳性能价格比的设备配置。 2.系统概述 结合东辰小区的特点，智慧社区建设秉承着新技术、新观念、新标准的标准，确定系统功能，设计系统结构，简单介绍如下： 2.1人脸识别门禁系统 淮海工学院 现代地图学A 实验报告 实验名称：专题地图制作 班级：测绘122 姓名：苏红飞 实验地点：测绘楼307 实验时间： 2013-12-02 实验成绩： 测绘工程学院测绘工程系 实验一地图投影 一、实验目的与要求 1.学会MapInfo的最基本操作，如表、工作空间、图层等的操作。 2.掌握有关高斯－克吕格投影的知识。 3.学会根据地图上不同经纬网形态识别不同的投影类型。 二、实验步骤 （一）掌握MapInfo中地图投影的操作过程。 （二）绘制武汉市所在地区的高斯—克吕格投影6度带经纬网和方里网，绘图范围：东西范围由武汉市所在投影带决定，南北范围：北纬25o—35o。经线线距1，纬线线距1o。 1、打开MapInfo，出现如图1所示的对话框，点击ok键。 图 1 2、如图2-1所示，在File选项中选中open点击，打开“实验素材”（图2-2）。 图2-1 图2-2 3、再依次打开CHINA.TAB、CHINCAP.TAB、PROVINCE.TAB，打开后如图3所示。 图3 4、点击Layer Control，如图4-1所示。在Tools选项中单击Tool Manger...出现下图4-3中所示的对话框，选中Coordinate Extractor，将它后面的两个 小框打钩。 图4-1 图4-2 图4-3 5、在Tools菜单中单击Coordinate Extractor中的Extract Coordinates...选项出现如图5-2所示的对话框，在table name一栏中选择CHINCAPS，然后点击ok出现如图5-3所示的对话框，选择continue，即可看见如图5-4所示的窗口，在上面找到并记下武汉的地理坐标。 图5-1 图5-2 图5-3 龙源期刊网 https://www.360docs.net/doc/eb5012676.html, 一种改进的局部保持投影方法 作者：王路情樊勇高苗粉刘思思 来源：《电脑知识与技术》2013年第33期 摘要：针对局部保持投影方法易受小样本问题影响和没有考虑可用的监督信息，提出一种的改进的LPP方法。该方法首先在原始数据集的PCA子空间下，利用正约束信息重构相似矩阵，然后在原始数据集下的特征选择空间上进行局部保持投影，最后在标准人脸数据库上测试，验证该方法在一定程度上可以提升人脸识别率。 关键词：局部保持投影；PCA；正约束；人脸识别 中图分类号：TP391.41 文献标识码：A 文章编号：1009-3044（2013）33-7613-03 面对数据的海量、复杂、高维等特性，数据降维已成为机器学习、模式识别等领域的研究热点。数据降维可以分为线性降维与非线性降维，线性降维主要包括主成分分析（PCA）、线性鉴别分析（LDA）、独立成分分析（ICA）等方法。但是，在实际数据中，大部分都表现出非线性特性，因此，基于非线性的降维方法的研究与应用越来越受到重视。 目前的非线性降维方法研究主要分为基于核的研究方法和基于流形结构的研究方法。核研究方法的典型算法包括KPCA、KLDA等，实质上就是选择合适的核函数把非线性高维数据抬升至到更高维空间，然后再线性降维。而基于流形结构的研究方法，这些年引起了许多科研工作者的关注与重视，陆续涌现出许多经典的算法。例如：等距映射（ISOMAP）、局部线性嵌入（LLE）、拉普拉斯特征映射（LE）、局部保持投影（LPP）[1]等，实质上都是基于流形假设的前提下，构造邻接矩阵，获得内在低维的表示。 本文是在研究LPP方法的基础上，考虑特征的选择与提取，引入半监督学习的思想，提 出一种改进的LPP方法。该方法首先对原始数据集进行PCA预处理，在PCA子空间下，采用[k]近邻法构造相似矩阵[Wij]，其次对原始数据集采用特征选取获取富含信息的特征选取子空间，第三在特征选取后的空间上采用半监督的LPP方法，最后在标准人脸数据库上测试与验证，实现了在一定程度上发掘出具有类区分度大的特征，从而提升了人脸的识别率。 1 局部保持投影（LPP） 流形学习方法可以较好地发掘嵌入在高维数据中的低维流形结构，但没有明晰的投影矩阵，很难直接提取新样本的特征。何晓飞教授等人于2003年提出的局部保持投影（LPP）方法，有效地解决了该问题。LPP方法本质是对拉普拉斯特征映射方法的线性逼近，并具有一般线性降维方法的流形学习能力，从而能够很好地保持高维数据间的局部结构。 1.1 人脸识别的主要方法 目前，国内外人脸识别的方法很多，并且不断有新的研究成果出现。人脸识别的方法根据研究角度的不同，有不同的分类方法。根据输入图像中人脸的角度不同，可以分为正面，侧面，倾斜的人脸图像的识别；根据图像来源的不同，可分为静态和动态的人脸识别；根据输入图像的特点，又可分为灰度图像和彩色图像的人脸识别等等。本文重点研究基于正面的、静态的灰度图像的识别方法。 对于静态的人脸识别方法从总体上看可以分为三大类：一是基于统计的识别方法，主要包括特征脸(Eigenface)方法和隐马尔科夫模型(Hidden Markov Model 简称HMM)方法等；二是基于连接机制的识别方法，包括人工神经网路(Artifical Neural Network 简称ANN)方法和弹性图匹配(Elastic Bunch Graph Matching 简称EBGM)方法等；三是一些其他的综合方法及处理非二维灰度图像的方法。下面分别进行介绍。 1.1.1 基于特征脸的方法 特征脸方法[5]，又称为主成份分析法(Principal Component Analysis 简称PCA)，它是20 世纪90 年代初期由Turk 和Pentland 提出的，是一种经典的算法。它根据图像的统计特征进行正交变换(即K-L 变换)，以消除原有向量各个分量之间的相关性。变换得到对应特征值依次递减的特征向量，即特征脸。 特征脸方法的基本思想是将图像经过K-L 变换后由高维向量转换为低维向量，并形成低维线性向量空间，利用人脸投影到这个低维空间所得到的投影系数作为识别的特征矢量。这样，就产生了一个由“特征脸”矢量张成的子空间，称为“人脸子空间”或“特征子空间”，每一幅人脸图像向其投影都可以获得一组坐标系数，这组坐标系数表明了人脸在子空间中的位置，因此利用特征脸方法可以重建和识别人脸。 通过人脸向量向特征子空间作投影得到的向量称之为主分量或特征主分量。主分量特征 Hans Journal of Data Mining 数据挖掘, 2019, 9(2), 42-51 Published Online April 2019 in Hans. https://www.360docs.net/doc/eb5012676.html,/journal/hjdm https://https://www.360docs.net/doc/eb5012676.html,/10.12677/hjdm.2019.92006 Enhanced Linear Discriminant Projections with Global plus Local Information Weiqi Mai School of Mathematics, South China University of Technology, Guangzhou Guangdong Received: Apr. 4th, 2019; accepted: Apr. 17th, 2019; published: Apr. 24th, 2019 Abstract Linear Discriminant Projection (LDP) is a supervised feature extraction method, which makes good results in image processing and other areas. However, the LDP only considers global infor-mation, ignoring information contained in local neighboring points. The problem of ignoring local information also exists in Linear Discriminant Analysis (LDA). At present, in the research of LDA, some scholars have sorted out a complete algorithm framework combining global and local as-pects to solve this problem. Since the structure of the objective function of LDP and LDA is similar, this paper considers to apply the algorithm framework of LDA’s global and local combination to LDP on the basis of LDP algorithm, so as to realize the complete combination of global and local information of LDP, and obtain the new algorithm: Enhanced Within-class Linear Discriminant Projection (EWLDP) and Complete Global-local Linear Discriminant Projection (CGLDP). Finally, this paper uses Iris data set to prove that the dimensionality reduction effect of CGLDP and EWLDP algorithm is better than LDP, and CGLDP integrates local information more completely, and the performance is also better than EWLDP. Keywords LDP, Global Information, Local Information, LDA 全局加局部的线性判别投影 麦炜琪 华南理工大学数学学院，广东广州 收稿日期：2019年4月4日；录用日期：2019年4月17日；发布日期：2019年4月24日 人脸识别几种解决方案的对比_人脸识别技术原理介绍 人脸识别概要人脸识别，是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部的一系列相关技术，通常也叫做人像识别、面部识别。人脸识别特点非强制性：用户不需要专门配合人脸采集设备，几乎可以在无意识的状态下就可获取人脸图像，这样的取样方式没有强制性； 非接触性：用户不需要和设备直接接触就能获取人脸图像； 并发性：在实际应用场景下可以进行多个人脸的分拣、判断及识别； 除此之外，还符合视觉特性：以貌识人的特性，以及操作简单、结果直观、隐蔽性好等特点。 人脸识别技术原理分析人脸识别主要分为人脸检测（face detecTIon）、特征提取（feature extracTIon）和人脸识别（face recogniTIon）三个过程。 人脸检测：人脸检测是指从输入图像中检测并提取人脸图像，通常采用haar特征和Adaboost算法训练级联分类器对图像中的每一块进行分类。如果某一矩形区域通过了级联分类器，则被判别为人脸图像。 特征提取：特征提取是指通过一些数字来表征人脸信息，这些数字就是我们要提取的特征。常见的人脸特征分为两类，一类是几何特征，另一类是表征特征。几何特征是指眼睛、鼻子和嘴等面部特征之间的几何关系，如距离、面积和角度等。由于算法利用了一些直观的特征，计算量小。 不过，由于其所需的特征点不能精确选择，限制了它的应用范围。另外，当光照变化、人脸有外物遮挡、面部表情变化时，特征变化较大。所以说，这类算法只适合于人脸图像的粗略识别，无法在实际中应用。 表征特征利用人脸图像的灰度信息，通过一些算法提取全局或局部特征。其中比较常用的特征提取算法是LBP算法。LBP方法首先将图像分成若干区域，在每个区域的像素640x960邻域中用中心值作阈值化，将结果看成是二进制数。 小型微型计算机系统Journal of Chinese Computer Systems 2018年4月第4期Vol.39No.42018 收稿日期:2017-09-05 收修改稿日期:2018-01-22 作者简介:李 姝,女,1985年生,硕士,助理研究员,CCF 会员,研究方向为模式识别二 数字图像处理;于金刚,男,1979年生,硕士,研究员,CCF 会员,研究方向为人工智能二模式识别技术. 具有最大散度无关性的局部保持投影算法 李 姝1,于金刚2 1(沈阳理工大学装备工程学院,沈阳110159) 2 (中国科学院沈阳计算技术研究所,沈阳110168) E-mail :lishucx @https://www.360docs.net/doc/eb5012676.html, 摘 要:为解决传统流形学习方法不能有效利用人脸类间信息的问题,提出具有最大散度无关性的局部保持投影算法(Maxi-mum-Scatter-Difference-Uncorrelated Locality Preserving Projections ,MULPP ).该算法是最大类间无关性的局部保持映射算法,通过求取一组最优的无关鉴别矢量集,既达到特征映射后的类间散度保持最大二类内散度保持最小,同时又满足最佳鉴别矢量之间具有最大统计不相关性,从而提高算法的识别性能.在AT&T 和YALE 标准人脸图像库上的实验结果表明,MULPP 算法具有较高的识别率. 关键词:人脸识别;特征提取;统计不相关;鉴别局部保持投影;最大散列度 中图分类号:TP 391 文献标识码:A 文章编号:1000-1220(2018)04-0672-04 Maximum Scatter Difference Uncorrelated Based on Locality Preserving Projections LI Shu 1,YU Jin-gang 2 1(School of Institute of Equipment Engineering ,Shenyang Ligong University ,Shenyang 110159,China )2 (Shenyang Institute of Computing Technology ,Chinese Academy of Sciences ,Shenyang 110168,China ) Abstract :With the purpose of solving the problem that the traditional manifold learning method cannot effectively using the face be-tween-class information ,Multiple Locality Preserving Projections (MULPP )based on Locality Preserving Projections is proposed in this article.The algorithm is a kind of vector discriminant calculation method which has the best between-class independency ,and its purpose is to look for the optimal identification vector set which cannot only achieve the result that the feature space has the largest be-tween-class divergence and the smallest intra-class divergence but also satisfy the maximal statistical uncorrelation between the optimal identification vectors after the projection ,so as to improve the recognition performance of the algorithm.The results of the experiments on Standard face image database YALE and AT&T indicate that MULPP has high recognition rate.Key words :internet face recognition ;feature extraction ;statistically uncorrelat ;locality preserving projections ;maximum-scatter-differ- ence 1 引 言 在复杂环境下的人脸识别中,由于受到人脸本身表情二年龄以及外部的光照等方面的影响,导致人脸图像存在许多的非线性结构.虽然经典的基于流形学习的人脸识别算法,如保持局部非线性结构不变的局部保持投影(Locality Preserving Projections ,LPP )[1,2]算法,对于解决现实中的非线性问题有一定的贡献,但其忽略了人脸类间信息的价值.在实际应用中,高分辨率的人脸识别系统需要满足对于同一张人脸提取的特征具有稳定性,对于不同人脸提取的特征有差异性,因此要想达到高效的特征提取,引用类间信息是十分重要的.本文基于LPP 算法和最大散度准则(Maximum Scatter Difference Criterion ,MSDC )[3,4],提出了一种具有最大散度无关性的局部保持投影算法MULPP.该算法通过将最大散度差准则引入到LPP 算法之中,即将最佳的类间信息引入到目标函数之中,使算法具有最大的类间散度和最小的类内散度,提高分类性能;并且将统计不相关的约束条件引入到算法中,通 过求取最优的统计无关鉴别矢量集,能够有效地消除特征投影变换后各个特征分量之间的相关性,与此同时具有共轭正交性的鉴别矢量集,消除了特征间的冗余,更利于数据重构.此算法提高了人脸识别系统的识别性能,不需要复杂的分类器就能达到较高的识别率. 2 MSDC 准则 MSDC 准则是一种线性鉴别准则,其通过寻找到一个最优的变换矩阵,利用线性变换的方法,将高维空间数据集投影到低维空间,使得样本的类间散度与类内散度差最大,即不同类的样本在投影后有最大的类间距离,同类样本有最小的类内距离.另外,MSDC 准则不同于Fisher 鉴别准则[5],其采用广义最大散度差作为数据集投影后类间二类内的度量标准,而不再沿用广义的Rayleigh 商. 设有样本空间向量集X ={x 1,x 2, ,x l }?R d ,共l 个类. 第i 类的训练样本数为N i 个,则第i 类样本平均值为m i ,总 万方数据 地理信息系统常用的地图投影 1、高斯－克吕格投影--------实质上是横轴切圆柱正形投影 该投影是等角横切椭圆柱投影。想象有一椭圆柱面横套在地球椭球体外面，并与某一条子午线（称中央子午线或轴子午线）相切，椭圆柱的中心轴通过椭球体中心，然后用一定的投影方法将中央子午线两侧各一定经差范围内的地区投影到椭圆柱面上，再将此柱面展开即成为投影面。 高斯平面直角坐标系以中央经线和赤道投影后为坐标轴，中央经线和赤道交点为坐标原点，纵坐标由坐标原点向北为正，向南为负，规定为 X轴，横坐标从中央经线起算，向东为正，向西为负，规定为Y轴。所以，高斯-克吕格坐标系的X、Y轴正好对应一般GIS 软件坐标系中的Y和X。 高斯投影的条件和特点 ★中央经线和赤道投影后为互相垂直的直线，且为投影的对称轴 高斯投影的条件★投影具有等角性质 ★中央经线投影后保持长度不变 ★中央子午线长度变形比为1，其他任何点长度比均大于1 ★在同一条经线上，长度变形随纬度的降低而增大，在赤道处为最大 高斯投影的特点★在同一条纬线上，离中央经线越远，变形越大，最大值位于投影带边缘★投影属于等角性质，没有角度变形，面积比为长度比的平方 ★长度比的变形线平行于中央子午线 高斯投影6°和3 为了控制变形，我国地图采用分带方法。我国1：1.25万—1：50万地形图均采用6度分带，1：1万及更大比例尺地形图采用3度分带，以保证必要的精度。 6度分带从格林威治零度经线起，每6度分为一个投影带，该投影将地区划分为60个投影带，已被许多国家作为地形图的数字基础。一般从南纬度80到北纬度84度的范围内使用该投影。 3度分带法从东经1度30分算起，每3度为一带。这样分带的方法在于使6度带的中央经线均为3度带的中央经线；在高斯克吕格6度分带中中国处于第13 带到23带共12个带之间；在3度分带中，中国处于24带到45带共22带之间。 高斯--克吕格投影的优点：★等角性别适合系列比例尺地图的使用与编制; ★径纬网和直角坐标的偏差小，便于阅读使用; ★计算工作量小，直角坐标和子午收敛角值只需计算一个带。 ★由于高斯-克吕格投影采用分带投影，各带的投影完全相同，所以各投影带的直角坐标值也完全一样，所不同的仅是中央经线或投影带号不同。为了确切表示某点的位置，需要在Y坐标值前面冠以带号。如表示某点的横坐标为米，前面两位数字“20”即表示该点所处的投影带号。 2、墨卡托投影---------- 等角正切圆柱投影 定义：假设地球被围在一中空的圆柱里，其标准纬线与圆柱相切接触，然后再假想地球中心有一盏灯，把球面上的图形投影到圆柱体上，再把圆柱体展开，这就是一幅选定标准纬线上的“墨卡托投影”绘制出的地图。 特性：墨卡托投影没有角度变形，由每一点向各方向的长度比相等，它的经纬线都是平行直线，且相交成直角，经线间隔相等，纬线间隔从标准纬线向两极逐渐增大。 墨卡托投影的用途 在地图上保持方向和角度的正确是墨卡托投影的优点，墨卡托投影地图常用作航海图和 第３４卷 第１１期２０１１年１１月 计 算 机 学 报 ＣＨＩＮＥＳＥ ＪＯＵＲＮＡＬ ＯＦ ＣＯＭＰＵＴＥＲＳＶｏｌ．３４Ｎｏ．１１ Ｎｏｖ．２０１１ 收稿日期：２０１１－０８－２９；最终修改稿收到日期：２０１１－０９－１６．本课题得到国家自然科学基金（６１１０１２０２）资助．谢 钧，男，１９７３年生，博士，副教授，主要研究方向为智能信息处理、网络管理．Ｅ－ｍａｉｌ：ｘｉｅｊｕｎ７３＠１８９．ｃｎ．刘 剑，女，１９７６年生，讲师，主要研究方向为智能信息处理、模式识别． 一种新的局部判别投影方法 谢 钧１） 刘 剑 ２） １）（解放军理工大学指挥自动化学院 南京 ２ １０００７）２）（解放军理工大学通信工程学院 南京 ２ １０００７）摘 要 为解决多模数据的分类问题，局部化思想被引入到判别分析中，称为局部判别分析．该文以人工数据为例深入分析了近年来提出的较为成功的两种局部线性判别分析方法：ＬＦＤＡ（Ｌｏｃａｌ Ｆｉｓｈｅｒ Ｄｉｓｃｒｉｍｉｎａｎｔ Ａｎａｌｙｓｉｓ）和ＭＦＡ（Ｍａｒｇｉｎａｌ Ｆｉｓｈｅｒ Ａｎａｌｙｓｉｓ）的不足．为克服这两种方法中没有充分考虑异类样本近邻关系的缺点，文中提出了一种新的局部判别投影方法．该方法采用与ＬＦＤＡ和ＭＦＡ不同的局部化方法，其基本思想是寻找投影方向使同类近邻样本在投影后尽量紧凑，而异类近邻样本在投影后尽量分开．针对该思想，文中提出了两种优化目标（一种用样本间距离平方和来表示，另一种用样本类内与类间散度来表示）并做了分析和比较．实验结果表明，该文方法有效地克服了ＬＦＤＡ和ＭＦＡ存在的固有问题，在人工数据集、ＵＣＩ、ＵＳＰＳ手写数字标准数据集和ＩＤＡ标准数据集上均取得较好效果． 关键词 分类；降维；线性判别分析；局部保持；多模 中图法分类号ＴＰ３９１ ＤＯＩ号：１０．３７２４／ＳＰ．Ｊ．１０１６．２０１１．０２２４３ Ａ Ｎｅｗ Ｌｏｃａｌ Ｄｉｓｃｒｉｍｉｎａｎｔ Ｐｒｏｊ ｅｃｔｉｏｎ ＭｅｔｈｏｄＸＩＥ Ｊｕｎ１） ＬＩＵ Ｊｉａｎ２ ） １）（Ｉｎｓｔｉｔｕｔｅ ｏｆ Ｃｏｍｍａｎｄ Ａｕｔｏｍａｔｉｏｎ，ＰＬＡ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｓｃｉｅｎｃｅ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ，Ｎａｎｊｉｎｇ ２１０００７）２）（ Ｉｎｓｔｉｔｕｔｅ ｏｆ Ｃｏｍｍｕｎｉｃａｔｉｏｎ Ｅｎｇｉｎｅｅｒｉｎｇ，ＰＬＡ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｓｃｉｅｎｃｅ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ，Ｎａｎｊｉｎｇ ２１０００７）Ａｂｓｔｒａｃｔ Ｔｏ ｓｏｌｖｅ ｔｈｅ ｐ ｒｏｂｌｅｍ ｏｆ ｍｕｌｔｉｍｏｄａｌ ｄａｔａ ｃｌａｓｓｉｆｉｃａｔｉｏｎ，ｔｈｅ ｉｄｅａ ｏｆ ｌｏｃａｌｉｚａｔｉｏｎ ｉｓ ｉｎｔｒｏ－ｄｕｃｅｄ ｉｎｔｏ ｄｉｓｃｒｉｍｉｎａｎｔ ａｎａｌｙｓｉｓ，ｋｎｏｗｎ ａｓ ｌｏｃａｌ ｄｉｓｃｒｉｍｉｎａｎｔ ａｎａｌｙｓｉｓ．Ｉｎ ｔｈｉｓ ｐａｐｅｒ，ｗｅ ｆｉｒｓｔ ｉｌ－ｌｕｓｔｒａｔｅｄ，ｂｙ ｓｏｍｅ ｓｙｎｔｈｅｔｉｃ ｄａｔａ ａｓ ｅｘａｍｐｌｅｓ，ｔｈｅ ｄｒａｗｂａｃｋｓ ｏｆ ＬＦＤＡ ａｎｄ ＭＦＡ，ｔｗｏ ｒｅｃｅｎｔｌｙｐｒｏｐｏｓｅｄ ａｎｄ ｓｕｃｃｅｓｓｆｕｌｌｙ ｕｓｅｄ ｌｏｃａｌ ｌｉｎｅａｒ ｄｉｓｃｒｉｍｉｎａｎｔ ａｎａｌｙｓｉｓ ｍｅｔｈｏｄｓ．Ｗｅ ｔｈｅｎ ｐｒｏｐｏｓｅｄ ａｎｅｗ ｌｏｃａｌ ｄｉｓｃｒｉｍｉｎａｎｔ ｐｒｏｊｅｃｔｉｏｎ ｍｅｔｈｏｄ ｔｏ ｏｖｅｒｃｏｍｅ ｔｈｅ ｄｒａｗｂａｃｋ ｏｆ ＬＦＤＡ ａｎｄ ＭＦＡ ｔｈａｔｎｅｉｇｈｂｏｒ ｒｅｌａｔｉｏｎｓｈｉｐｓ ｂｅｔｗｅｅｎ ｓａｍｐｌｅｓ ｏｆ ｄｉｆｆｅｒｅｎｔ ｃｌａｓｓｅｓ ａｒｅ ｎｏｔ ｆｕｌｌｙ ｔａｋｅｎ ｉｎｔｏ ｃｏｎｓｉｄｅｒａｔｉｏｎ．Ｔｈｅ ｕｎｄｅｒｌｙｉｎｇ ｉｄｅａ ｏｆ ｔｈｅ ｎｅｗ ｍｅｔｈｏｄ，ｄｉｆｆｅｒｅｎｔ ｆｒｏｍ ＬＦＤＡ ａｎｄ ＭＦＡ，ｉｓ ｔｈａｔ ｔｈｅ ｄｅｓｉｒｅｄ ｐｒｏ－ｊｅｃｔｉｏｎ ｓｈｏｕｌｄ ｍａｋｅ ｎｅｉｇｈｂｏｒｓ ｏｆ ｔｈｅ ｓａｍｅ ｃｌａｓｓ ｃｌｏｓｅ ａｎｄ ｎｅｉｇｈｂｏｒｓ ｏｆ ｄｉｆｆｅｒｅｎｔ ｃｌａｓｓｅｓ ａｐ ａｒｔ．Ｂａｓｅｄ ｏｎ ｔｈｉｓ ｉｄｅａ，ｗｅ ｐｒｏｐｏｓｅｄ ｔｗｏ ｏｐｔｉｍａｌ ｆｕｎｃｔｉｏｎｓ，ｏｎｅ ｉｓ ｒｅｐｒｅｓｅｎｔｅｄ ｂｙ ｔｈｅ ｓｕｍ ｏｆ ｓｑｕａｒｅｄｄｉｓｔａｎｃｅ ｂｅｔｗｅｅｎ ｓａｍｐｌｅｓ，ｔｈｅ ｏｔｈｅｒ ｉｓ ｒｅｐｒｅｓｅｎｔｅｄ ｂｙ ｗｉｔｈｉｎ ｃｌａｓｓ ｓｃａｔｔｅｒ ａｎｄ ｂｅｔｗｅｅｎ ｃｌａｓｓ ｓｃａｔ－ｔｅｒ．Ａｎａｌｙｓｅｓ ａｎｄ ｃｏｍｐａｒｉｓｏｎｓ ｏｎ ｔｈｅ ｔｗｏ ｏｐｔｉｍａｌ ｆｕｎｃｔｉｏｎｓ ａｒｅ ａｌｓｏ ｉｎｃｌｕｄｅｄ ｉｎ ｔｈｉｓ ｐａｐ ｅｒ．Ｅｘ－ｐ ｅｒｉｍｅｎｔ ｒｅｓｕｌｔｓ ｓｈｏｗ ｔｈａｔ ｔｈｅ ｎｅｗ ｍｅｔｈｏｄ ｏｖｅｒｃｏｍｅｓ ｔｈｅ ｓｈｏｒｔｃｏｍｉｎｇｓ ｏｆ ＬＦＤＡ ａｎｄ ＭＦＡ，ａｎｄａｃｈｉｅｖｅｓ ｇｏｏｄ ｐｅｒｆｏｒｍａｎｃｅ ｏｎ ｔｈｅ ｓｙｎｔｈｅｔｉｃ ｄａｔａ，ＵＳＰＳ，ＵＣＩ ｓｔａｎｄａｒｄ ｈａｎｄｗｒｉｔｉｎｇ ｄｉｇｉｔａｌ ｄａｔａｓｅｔｓ ａｎｄ ＩＤＡ ｓｔａｎｄａｒｄ ｄａｔａ ｓｅｔｓ．Ｋｅｙｗｏｒｄｓ ｃｌａｓｓｉｆｉｃａｔｉｏｎ；ｄｉｍｅｎｓｉｏｎａｌｉｔｙ ｒｅｄｕｃｔｉｏｎ；ｌｉｎｅａｒ ｄｉｓｃｒｉｍｉｎａｎｔ ａｎａｌｙｓｉｓ；ｌｏｃａｌｉｔｙ ｐｒｅｓｅｒ－ｖｉｎｇ ；ｍｕｌｔｉｍｏｄａｌ人脸识别方案
地图投影实验报告
一种改进的局部保持投影方法
人脸识别的主要方法
全局加局部的线性判别投影
人脸识别几种解决方案的对比_人脸识别技术原理介绍
具有最大散度无关性的局部保持投影算法
地理信息系统常用的地图投影
一种新的局部判别投影方法_谢钧