基于低秩表征的人臉識(shí)別技術(shù)研究.pdf

1、人臉識(shí)別技術(shù)是生物特征識(shí)別領(lǐng)域中的一個(gè)重要研究課題，它蘊(yùn)含深厚的學(xué)術(shù)背景，涉及面非常廣，市場(chǎng)應(yīng)用豐富，贏得了國內(nèi)外頂級(jí)研究機(jī)構(gòu)和學(xué)者的青睞。但由于人臉圖像受外部環(huán)境、遮擋物、表情、以及不同視角拍攝等各類變化因素的影響，人臉識(shí)別技術(shù)還有許多的難題和關(guān)鍵技術(shù)有待進(jìn)一步的解決和完善。
　　在過去的幾十年里，大量關(guān)于人臉識(shí)別技術(shù)的算法被不斷地提出，也伴隨著對(duì)優(yōu)秀算法的深入研究和優(yōu)化。而稀疏表征(Spare Representation b

2、ased Classification，SRC)理論的提出和廣泛應(yīng)用，在人臉識(shí)別領(lǐng)域具有里程碑的意義。然而，該算法仍存在不足，稀疏表征通過用單位矩陣作誤差字典，使得計(jì)算成本過大，且不太符合對(duì)噪聲和誤差的描述;另外稀疏表征的假定先決條件是訓(xùn)練樣本過完備且姿態(tài)角度一致。但在現(xiàn)實(shí)條件下，即非實(shí)驗(yàn)室情況下，由于拍攝角度、光線明暗的不同，人臉圖像會(huì)產(chǎn)生扭曲、旋轉(zhuǎn)、被污損的情況，使得訓(xùn)練樣本不完備，甚至稀缺。因此，本文主要針對(duì)低秩表征的理論和算法進(jìn)

3、行研究，旨在得到有效可行的表征算法應(yīng)用于人臉識(shí)別領(lǐng)域，以提高人臉識(shí)別的效率和正確率。本文的主要研究工作如下:
　　(1)對(duì)目前人臉識(shí)別領(lǐng)域的研究背景及意義，人臉識(shí)別算法的國內(nèi)外研究現(xiàn)狀及其所面臨的挑戰(zhàn)等進(jìn)行綜合分析。
　　(2)通過引入稀疏表征和協(xié)同表征概念，并闡述其理論的算法思想。同時(shí)對(duì)兩種算法進(jìn)行計(jì)算成本和識(shí)別可靠性的對(duì)比。
　　(3)通過引入低秩矩陣恢復(fù)理論，本文提出了兩種基于低秩矩陣恢復(fù)的人臉識(shí)別算法。即基于低

4、秩矩陣恢復(fù)與稀疏表征的人臉識(shí)別算法(Robust Principal ComponentAnalysis with Spare Representation based Classification，RPCA_SRC)和基于低秩矩陣恢復(fù)與協(xié)同表征的人臉識(shí)別算法(Robust Principal Component Analysis withCollaborative Representation based Classification

5、，RPCA_CRC)。其中RPCA_SRC相對(duì)于傳統(tǒng)的稀疏表征人臉識(shí)別算法，獲得了更高的識(shí)別率;而RPCA_CRC相對(duì)于傳統(tǒng)的稀疏表征人臉識(shí)別算法，一方面減少了計(jì)算開銷，另一方面擯棄了訓(xùn)練樣本需過完備的人臉圖像集的先決條件，使得該算法在較少的人臉訓(xùn)練樣本的情況下，取得良好的識(shí)別率。
　　(4)不變性低秩紋理的定義和提取。關(guān)于提取圖像中的規(guī)則紋理已有大量研究，而它們定義規(guī)則紋理大致停留在圖像的邊，圖像的棱角、對(duì)稱圖案等。這種思路在某