基于稀疏表達(dá)的人臉識(shí)別研究.pdf

1、人臉識(shí)別作為一種友好的生物特征識(shí)別技術(shù)廣泛應(yīng)用于人機(jī)交互、公共安全、國(guó)家安全等領(lǐng)域，是模式識(shí)別和機(jī)器視覺(jué)領(lǐng)域的研究熱點(diǎn)，由于其易受到光照、表情、遮擋、姿態(tài)等因素的影響，高精度的人臉識(shí)別依然是具有挑戰(zhàn)性的一個(gè)課題。
　　稀疏表達(dá)是壓縮感知中的關(guān)鍵理論，數(shù)據(jù)的稀疏表示，可以從本質(zhì)上降低數(shù)據(jù)處理成本，提高壓縮效率。將稀疏表達(dá)理論運(yùn)用于圖像處理是一種有效的方法。本文將稀疏表達(dá)理論運(yùn)用于人臉識(shí)別并進(jìn)行改進(jìn)，提高了識(shí)別精度。主要工作內(nèi)容如下：

2、
　　（1）分析兩種常用人臉識(shí)別算法：主成分分析方法(Principle Component Analysis,PCA)和Fisherface方法。相關(guān)實(shí)驗(yàn)證明，兩種算法在小樣本庫(kù)上有良好的識(shí)別效果，但是在大樣本庫(kù)上識(shí)別效果不佳。
　　（2）基于經(jīng)典稀疏表達(dá)的人臉識(shí)別框架，分析了字典學(xué)習(xí)和稀疏分解兩個(gè)關(guān)鍵環(huán)節(jié)。為了有效的進(jìn)行稀疏表達(dá)，基于隨機(jī)投影的思想，將隨機(jī)臉與KSVD算法相結(jié)合展開(kāi)字典學(xué)習(xí)并進(jìn)行識(shí)別，相關(guān)實(shí)驗(yàn)證明，相對(duì)于

3、傳統(tǒng)的人臉識(shí)別方法，本章方法在大樣本庫(kù)和小樣本庫(kù)上都能取得更好的識(shí)別效果。
　　（3）由于KSVD算法訓(xùn)練字典不具備判別性，通過(guò)在目標(biāo)函數(shù)中加入分類(lèi)誤差的方法，研究了D-KSVD算法，為進(jìn)一步提高D-KSVD算法分類(lèi)精度，增加類(lèi)間約束，研究了LC-KSVD算法即在目標(biāo)函數(shù)中加入判別稀疏編碼誤差限制。
　?。?）為了優(yōu)化字典學(xué)習(xí)過(guò)程中的迭代效果，對(duì)判別型字典訓(xùn)練方法進(jìn)行改進(jìn)，即先在類(lèi)內(nèi)訓(xùn)練字典，再將類(lèi)內(nèi)字典級(jí)聯(lián)構(gòu)成初始化字典，