基于樣本擴充的小樣本人臉識別研究.pdf

1、隨著計算機應(yīng)用技術(shù)的快速發(fā)展，作為生物特征識別的分支，人臉識別受到了越來越多的重視。這些年，人臉識別算法層出不窮，因此識別的正確率和效率都得到了很大的提高。在實際應(yīng)用中，由于受到存儲空間有限、獲取樣本時間受限等因素的影響，訓(xùn)練樣本往往存在著數(shù)目過少的問題。樣本不足問題嚴重影響了識別的準確率，本方法主要研究如何通過樣本擴充方法克服小樣本人臉識別問題。
　　小樣本人臉識別問題是指由于事先收集到的被測群體的人臉圖像過少，即：訓(xùn)練樣本數(shù)目

2、過少，使識別正確率降低或者無法識別的問題。同一個人的不同人臉圖像是不同的，通常表現(xiàn)在姿態(tài)的變化、表情的差異和光照的不均等多方面。如果訓(xùn)練樣本充足，經(jīng)過訓(xùn)練的人臉特征將包含了同一個人的多種變化，這使得測試階段的圖像有更多的參考信息，從而正確分類。如果樣本不足，那么訓(xùn)練階段的人臉特征不足以有效表示人臉特征變化，從而使人臉識別的難度加大，甚至出現(xiàn)無法識別的現(xiàn)象。通常來講，能夠擁有更多的有效的訓(xùn)練樣本，就意味著能夠取得更高的識別準確率。

3、　　針對小樣本人臉識別的問題，本方法采用樣本擴充的技術(shù)來克服樣本不足帶來的問題，對產(chǎn)生的兩種虛擬樣本與原始訓(xùn)練樣本進行融合。該融合方法將原始訓(xùn)練樣本做“鏡面”變換和“對稱臉”變換產(chǎn)生虛擬訓(xùn)練樣本，通過生成虛擬樣本使訓(xùn)練樣本的數(shù)目增加。再分別將原始訓(xùn)練樣本、虛擬訓(xùn)練樣本與測試樣本計算匹配得分。最后，利用加權(quán)融合將各部分的得分進行融合從而得到最終的匹配度得分，并利用得到的匹配度得分進行分類。通過大量實驗的驗證，該算法在小樣本訓(xùn)練集上識別效果