基于特征學習的人臉識別方法研究.pdf

1、人臉識別一直是模式識別和計算機視覺領域的研究熱點。人臉識別作為一種特殊的生物特征識別技術，其在社會公共安全和日常生活中具有廣泛的應用價值和前景。目前，人臉識別領域還有很多關鍵問題有待解決，比如如何提取最為有效的特征，使其不受采集過程中光照、姿態(tài)、表情、遮擋和噪聲等變化的影響。
　　本文研究了人臉識別的幾種經(jīng)典方法，并在這些經(jīng)典方法的引導下，提出了兩個新穎基于特征學習的人臉識別方法。本文的主要工作如下:
　　(1)本文基于常用

2、的人臉識別技術進行了簡要的介紹和總結。同時詳細介紹了針對光照變化的人臉預處理方法，即Gamma灰度校正、對數(shù)變換、直方圖均衡化和多尺度的Retinex方法，并在Yale B&Extended Yale B人臉數(shù)據(jù)庫上進行對比驗證實驗。
　　(2)本文提出了一種基于Gabor張量的MPCA人臉識別方法。該方法的基本思想是利用Gabor小波與原始圖像進行卷積，得到八個方向、五個尺度的40幅卷積圖，然后將一幅圖片通過Gabor小波變換得

3、到的40幅幅值特征圖像看作一個三階張量，再采用MPCA的方法將原始高維特征空間映射到低維子空間進行判別分類。該方法較傳統(tǒng)的PCA和GPCA能更好的保留圖像的張量空間結構特征，而且該方法對光照、姿態(tài)和表情有較好的魯棒性，但是由于計算復雜，會消耗計算機更多的內(nèi)存容量和計算時間。
　　(3)本文提出了一種結構化低秩表示投影的人臉識別方法。該方法的基本思想是:利用訓練樣本的標簽信息求解出結構化低秩表示系數(shù)，然后利用此系數(shù)建立圖嵌入模型，通