非理想狀態(tài)的單樣本人臉識別方法.pdf

1、隨著科學(xué)技術(shù)的不斷發(fā)展和實際應(yīng)用需求的增加，人臉識別技術(shù)在越來越多的領(lǐng)域得到了廣泛應(yīng)用.例如在信息安全、行政執(zhí)法監(jiān)督、智能卡以及門禁系統(tǒng)等領(lǐng)域，均可以看到人臉識別技術(shù)的實際應(yīng)用成果.越來越多的學(xué)者致力于人臉識別方向的研究并提出了許多有效的人臉識別方法.然而，由于現(xiàn)實環(huán)境的復(fù)雜性，人臉識別領(lǐng)域仍面臨著許多嚴(yán)峻的挑戰(zhàn).
　　在人臉識別領(lǐng)域中最具挑戰(zhàn)性的課題之一就是單樣本人臉識別問題，尤其是非理想狀態(tài)下的單樣本問題.人臉識別技術(shù)在很多領(lǐng)

2、域（如執(zhí)法監(jiān)督，護照信息管理，身份證信息管理等系統(tǒng)）的應(yīng)用都是單樣本問題.與此同時，檢測樣本通常都會含有大量的非理想信息，例如由不同的光照、表情、年齡、姿態(tài)等所引起的變化信息.這些非理想狀態(tài)信息，在人臉圖像信息采集過程中是無法完全避免的.因此，對非理想狀態(tài)下的單樣本人臉識別問題的研究具有很強的現(xiàn)實意義.
　　本文所做的主要工作如下：
　　針對非理想狀態(tài)下的單樣本人臉識別問題，本文提出了一個基于變化特征表示的單樣本識別方法(V

3、FRC，Variational Feature Representation-based Classification). VFRC利用通用學(xué)習(xí)方法以及協(xié)同表示模型提取檢測樣本相對于訓(xùn)練樣本集的變化特征.利用這一變化特征信息與待檢測樣本信息，獲得檢測樣本的標(biāo)準(zhǔn)特征.由于變化特征是基于訓(xùn)練集樣本信息獲得的，因此降低了標(biāo)準(zhǔn)特征含有身份信息識別干擾因素的可能性.在識別模型中利用非理想狀態(tài)的檢測樣本和其標(biāo)準(zhǔn)特征的凸組合作為待檢測目標(biāo)進行識別.標(biāo)

4、準(zhǔn)特征的使用在很大程度上加強了識別結(jié)果的有效性和魯棒性.
　　為了驗證VFRC的有效性，本文在三個常用的標(biāo)準(zhǔn)數(shù)據(jù)庫（AR、Extended Yale B和CMU-PIE數(shù)據(jù)庫）以及最具挑戰(zhàn)的LFW數(shù)據(jù)庫上，對VFRC和幾個有效的可用于單樣本問題的人臉識別方法以及幾個有效的針對單樣本問題提出的人臉識別方法進行了大量的多角度的對比實驗.實驗結(jié)果均表明：對于非理想狀態(tài)的單樣本人臉識別問題，VFRC能夠達到很好的識別結(jié)果并具有很強的魯棒性