基于單樣本訓練集的人臉識別研究.pdf

1、眾所周知，人臉識別在執(zhí)法、銀行和海關的安全監(jiān)控等方面具有廣闊的應用前景。經(jīng)過幾十年的發(fā)展，現(xiàn)在已經(jīng)出現(xiàn)了很多經(jīng)典有效的人臉識別方法。但是在很多應用場景下，數(shù)據(jù)庫對每個人只能采集到一幅人臉圖像作訓練，例如法律執(zhí)行，駕駛證、護照的身份鑒定。這就導致了單樣本人臉識別問題的提出。面對單樣本問題，許多現(xiàn)有的人臉識別方法的識別效果大打折扣，有些算法甚至不能使用。因此，解決單樣本人臉識別問題不僅是人臉識別領域?qū)W術(shù)研究的一大探索，還具有更廣闊的市場價值

2、。本文針對單樣本人臉識別進行了有益的探索和研究。
　　 本文主要工作內(nèi)容如下：
　　 ①研究了現(xiàn)有單樣本人臉識別領域的主流算法。首先對二維主成分分析(2DPCA)算法原理進行了深入研究，并且將其與經(jīng)典PCA算法做了對比分析，然后，介紹了在2DPCA基礎上改進后的兩個方向上的2DPCA((2D)2PCA)，最后實現(xiàn)了這些算法，在ORL人臉數(shù)據(jù)庫上以實驗說明了這些算法在單樣本人臉識別中的效果。
　　 ②針對現(xiàn)有算法不

3、足，引入LBP算子做單樣本的人臉識別。首先闡述了原始LBP算子的基本原理，接著介紹了擴展后的統(tǒng)一模式LBP、旋轉(zhuǎn)不變的LBP等算子模式，然后重點研究了發(fā)展出的適合人臉識別的SELBP(空間增強LBP)方法，最后在ORL人臉數(shù)據(jù)庫上的單樣本人臉識別實驗證明，SELBP提取的從局部紋理到整體結(jié)構(gòu)的特征確實很有利于單樣本人臉識別。
　　 ③針對SELBP的先驗固定加權(quán)融合這一不足，提出了適合單樣本條件的自適應加權(quán)LBP(AWLBP)人

4、臉識別方法。首先對人臉局部特征的分類性能差異作了分析，接著提出了一種便于區(qū)分這些特征的人臉劃分方法，然后，以子圖像序列發(fā)散程度描述其分類能力大小，進而提出了基于LBP的自適應加權(quán)融合思想，在相似度量上做自適應的加權(quán)融合，以期達到最優(yōu)的融合效果，進一步用融合后的強分類器做單樣本人臉識別。最后對本文方法AWLBP和上述所有算法(PCA、2DPCA、(2D)2PCA、LBP、SELBP)加以實現(xiàn)，選取ORL人臉數(shù)據(jù)庫作為實驗數(shù)據(jù)庫，在完全一致