基于遷移學(xué)習(xí)的單樣本人臉識(shí)別.pdf

1、單樣本人臉識(shí)別具有一定的難度和挑戰(zhàn)性。目前單樣本人臉識(shí)別方法普遍存在以下兩個(gè)問題:(1)識(shí)別率偏低。(2)計(jì)算量，數(shù)據(jù)量大，模型建立復(fù)雜。因此單樣本識(shí)別性能無法做到最好。
　　針對以上問題，本文基于稀疏表示分類框架，把遷移學(xué)習(xí)思想引入到單樣本人臉識(shí)別研究中并進(jìn)行了大量實(shí)驗(yàn)，為其他研究人員使用遷移學(xué)習(xí)和稀疏表示分類框架解決單樣本問題提供參考。主要研究內(nèi)容如下:
　　(1)從課題的研究背景和意義出發(fā)綜述了國內(nèi)外的研究歷史和現(xiàn)狀，

2、對比較經(jīng)典的幾類算法進(jìn)行了綜述并指出了現(xiàn)有算法存在的不足。
　　(2)對遷移學(xué)習(xí)理論進(jìn)行了相對詳盡的介紹，包括基本概念，以及生活中的遷移學(xué)習(xí)實(shí)例的闡述。介紹了遷移學(xué)習(xí)的研究歷史，并對現(xiàn)有的算法進(jìn)行了簡單綜述。對遷移學(xué)習(xí)的應(yīng)用以及未來的發(fā)展方向進(jìn)行了展望。為文章后面將遷移學(xué)習(xí)理論引入單樣本人臉識(shí)別中做了鋪墊。研究了最能體現(xiàn)遷移學(xué)習(xí)思想的將遷移學(xué)習(xí)和adaboost算法相結(jié)合的基于實(shí)例的遷移學(xué)習(xí)算法，對算法原理和步驟進(jìn)行了相對詳盡的闡

3、述。為研究人員理解遷移學(xué)習(xí)概念和tradaboost算法有指導(dǎo)意義，為后文遷移學(xué)習(xí)的引入做了鋪墊。
　　(3)通過對樣本擴(kuò)充方法的研究把單樣本人臉識(shí)別問題轉(zhuǎn)化為多樣本人臉識(shí)別問題并結(jié)合稀疏表示分類識(shí)別方法進(jìn)行識(shí)別，最終提高了單樣本條件下的識(shí)別正確率。在對樣本擴(kuò)充方法研究時(shí)，本文闡述并對比了幾種基本的樣本擴(kuò)充方法，如鏡像變換、滑動(dòng)窗口等擴(kuò)充方法。為第五章與引入遷移學(xué)習(xí)后的對比實(shí)驗(yàn)做了鋪墊。
　　(4)研究了稀疏表示分類(SRC

4、)算法和擴(kuò)充稀疏表示分類(ESRC)算法在人臉識(shí)別之中的應(yīng)用，介紹了經(jīng)典的稀疏表示分類框架，以及和本文算法十分相近的擴(kuò)充稀疏表示分類算法。對比評估了經(jīng)典SRC、ESRC算法用于人臉識(shí)別的準(zhǔn)確性以及算法特點(diǎn)。對后續(xù)的對比實(shí)驗(yàn)研究具有一定的指導(dǎo)意義。
　　(5)把遷移學(xué)習(xí)理論與稀疏表示分類方法結(jié)合運(yùn)用到單樣本人臉識(shí)別問題中，從輔助樣本類獲得對分類有幫助的稀疏遷移字典，將它運(yùn)用到單樣本人臉識(shí)別問題之中，為了豐富文章內(nèi)容，由于整個(gè)算法是基