基于虛擬樣本和稀疏表示的人臉識(shí)別算法研究.pdf

1、近年來，隨著計(jì)算機(jī)視覺技術(shù)以及模式識(shí)別的快速發(fā)展，人臉識(shí)別已經(jīng)成為了現(xiàn)代生物信息識(shí)別中一項(xiàng)十分重要的技術(shù)。迄今為止，人臉識(shí)別技術(shù)在理論研究和實(shí)際開發(fā)方面都取得了長(zhǎng)足的發(fā)展。但是，在人臉識(shí)別的過程中依然會(huì)受到光照、人臉姿態(tài)、遮擋物、樣本不足等因素的負(fù)面影響，導(dǎo)致人臉識(shí)別正確率下降。因此，如何提高人臉識(shí)別的正確率成為了科研學(xué)者在人臉識(shí)別領(lǐng)域的研究重點(diǎn)，也是本文展開研究的主要方向。
　　本文簡(jiǎn)要分析了稀疏表示方法和虛擬樣本方法的基本原理

2、以及在人臉識(shí)別中的應(yīng)用。并且在此基礎(chǔ)上，根據(jù)稀疏表示和虛擬樣本的特點(diǎn)，提出了一種新的基于虛擬測(cè)試樣本的稀疏表示方法。本文的主要工作和創(chuàng)新點(diǎn)如下：
　　1)本文針對(duì)因人臉表情豐富而導(dǎo)致的訓(xùn)練樣本不足的問題，提出了一種基于虛擬測(cè)試樣本的最近鄰算法。不同于其他增加訓(xùn)練樣本數(shù)量的虛擬樣本方法，該算法利用人臉的對(duì)稱性產(chǎn)生虛擬測(cè)試樣本，模擬人臉表情和姿態(tài)可能的細(xì)微變化，增加測(cè)試樣本數(shù)量。然后將每個(gè)訓(xùn)練樣本對(duì)原始測(cè)試樣本以及虛擬測(cè)試樣本的稀疏表

3、示結(jié)果進(jìn)行加權(quán)，進(jìn)行加權(quán)后的稀疏表示結(jié)果在一定程度上降低了因個(gè)別差異而產(chǎn)生的誤差。最后，將測(cè)試樣本歸類于最終做出最大貢獻(xiàn)的訓(xùn)練樣本所屬的類別當(dāng)中。通過實(shí)驗(yàn)結(jié)果表明，該方法相比其他虛擬樣本方法和最近鄰方法能得到更高的人臉識(shí)別正確率。
　　2)為了進(jìn)一步提高人臉識(shí)別的正確率，本文又提出了一種兩階段算法及其優(yōu)化后的算法。原始的兩階段算法是指，在第一階段時(shí)利用人臉對(duì)稱性產(chǎn)生虛擬測(cè)試樣本，并通過稀疏表示結(jié)果來選取最合適的訓(xùn)練樣本。第二階段是