單樣本條件下基于代數(shù)特征的人臉識(shí)別研究.pdf

1、人臉識(shí)別是生物特征識(shí)別的一個(gè)主要分支。與指紋識(shí)別、虹膜識(shí)別等其它生物特征識(shí)別技術(shù)相比，它不接觸、無侵犯，擁有更為明顯的優(yōu)勢(shì)。目前，由于國(guó)內(nèi)外安全形勢(shì)的迫切需要，人臉識(shí)別日益受到包括公共安全、訪問控制在內(nèi)的廣泛應(yīng)用領(lǐng)域的青睞。應(yīng)用的升溫推動(dòng)了相關(guān)研究的開展，人臉識(shí)別技術(shù)的研究呈現(xiàn)出一派蓬勃發(fā)展的態(tài)勢(shì)。然而，人臉識(shí)別技術(shù)面臨的一些難題尚未被完全解決。 本文主要研究了單樣本條件下的人臉識(shí)別問題。單樣本即單訓(xùn)練樣本，是指：在已知的人臉圖

2、像數(shù)據(jù)庫(kù)(如護(hù)照人臉圖像數(shù)據(jù)庫(kù))中，其中的每一個(gè)人都僅有一幅人臉圖像。這是小樣本問題的特例，同時(shí)也是整個(gè)人臉識(shí)別領(lǐng)域最為極端的一種情形。在單樣本情況下，許多傳統(tǒng)的基于多訓(xùn)練樣本的人臉識(shí)別算法效果均不太理想，一些算法甚至根本不再適用。 本文以基于代數(shù)特征的方法為著眼點(diǎn)，對(duì)單樣本人臉識(shí)別問題進(jìn)行了一定的研究。主要工作和貢獻(xiàn)如下： (1)在分析灰度圖像存儲(chǔ)格式的基礎(chǔ)上，提出了一種新的樣本擴(kuò)充方法：位平面圖像樣本擴(kuò)充法。按照這種

3、方法，1幅原始圖像可以被切片為8幅位平面圖像。其中，低位切片圖像存在明顯噪聲，直接舍棄：而高位切片圖像則包含較為豐富的鑒別信息，保留下來，作為獲取到的新樣本圖像。然后，把每個(gè)類別的單幅原始訓(xùn)練樣本圖像和由它擴(kuò)充得到的若干幅高位切片圖像一起作為該類別新的訓(xùn)練樣本圖像。經(jīng)過樣本擴(kuò)充，鑒別信息得到了一定的強(qiáng)化，更利于特征抽取和分類識(shí)別。最后，實(shí)驗(yàn)證實(shí)了所提方法的有效性。 (2)遵循把單樣本問題轉(zhuǎn)化為多樣本問題的研究思路，分析了傳統(tǒng)的一

4、些單樣本人臉識(shí)別算法。發(fā)現(xiàn)：導(dǎo)致識(shí)別性能不能很好發(fā)揮的一個(gè)主要原因是擴(kuò)充得到的樣本中包含太多的噪聲。于是，圍繞如何消除這些噪聲，提出了一種新的基于線性鑒別分析的樣本擴(kuò)充方法——泛滑動(dòng)窗樣本擴(kuò)充法。該方法在進(jìn)行樣本擴(kuò)充時(shí)不會(huì)引入任何外來干擾信息，從而最大限度地提高了新樣本鑒別信息的保真度，理論上更加有利于后續(xù)的特征抽取與分類識(shí)別。不僅如此，該樣本擴(kuò)充方法比傳統(tǒng)的樣本擴(kuò)充方法更加簡(jiǎn)捷。用擴(kuò)充得到的新樣本，結(jié)合二維線性鑒別分析算法進(jìn)行實(shí)驗(yàn)，實(shí)

5、驗(yàn)結(jié)果證實(shí)了新方法的上述性能與優(yōu)勢(shì)。 (3)針對(duì)單樣本人臉圖像可能存在的所謂邊緣化模式問題，把線性加權(quán)的思想引入到了先前提出的單樣本人臉識(shí)別框架中，從而改進(jìn)了原來的識(shí)別框架。新的單樣本人臉識(shí)別框架具有兩大優(yōu)勢(shì)：第一，在樣本擴(kuò)充環(huán)節(jié)，有效地避免了噪聲的引入，能夠獲取到更高質(zhì)量的新樣本。第二，在特征抽取環(huán)節(jié)，很好地解決了邊緣化模式問題，使抽取到的特征更具鑒別力。前者使基于線性鑒別分析思想的單樣本人臉識(shí)別成為現(xiàn)實(shí)。而后者有助于優(yōu)化其識(shí)