基于局部特征的協(xié)同稀疏表示人臉識別算法研究.pdf

1、人臉識別（Face recognition，F(xiàn)R）一直是模式識別、計算機(jī)視覺領(lǐng)域的熱點(diǎn)問題。在公共安全、家居監(jiān)控安全、日常生活等安全防護(hù)方面應(yīng)用十分廣泛。長時間研究以來，已經(jīng)形成不少具有標(biāo)志性的人臉識別方法，例如基于幾何特征模型、彈性圖匹配模型、特征臉子空間、以及支持向量機(jī)和自適應(yīng)組合分離器方法等。現(xiàn)有人臉識別方法通常存在計算復(fù)雜度較高、特征提取不全面、對光照姿態(tài)等影響魯棒性較差等方面的不足。通過了解近年來壓縮感知理論和稀疏表示相關(guān)理論

2、，進(jìn)而利用相關(guān)理論來改進(jìn)傳統(tǒng)識別算法的不足。并且總結(jié)和分析了稀疏表示方法利用整體特征進(jìn)行分類識別時對于光照變化、局部變化、姿態(tài)變化等因素敏感的缺點(diǎn)，針對其另一種形式協(xié)同稀疏表示分類方法進(jìn)行了討論和研究。
　　在總結(jié)和分析基于稀疏表示和協(xié)同稀疏表示人臉方法的基礎(chǔ)上，文章以人臉識別系統(tǒng)流程為順序，展開工作，論文的主要內(nèi)容、工作如下：
　　（1）介紹了國內(nèi)外人臉識別技術(shù)的研究現(xiàn)狀，簡要介紹了常見人臉庫以及評價指標(biāo)。根據(jù)系統(tǒng)總框圖介

3、紹人臉識別過程。
　?。?）介紹了人臉預(yù)處理階段以及幾何歸一化的過程，提出結(jié)合Sobel算子以及Susan算子和灰度梯子分布的雙眼和嘴部定位方法，并根據(jù)定位的位置，通過歸一化尺度圖進(jìn)行縮放、裁剪、旋轉(zhuǎn)等工作。
　?。?）文章介紹兩種能夠較好表征局部特征紋理的方法，Gabor小波和局部二值模式，提出了對 LBP算子的改進(jìn)，利用一致性算子來減少提取特征總維數(shù)，改進(jìn)原始 LBP算子忽略中心點(diǎn)像素容易忽略局部特征的不足，通過合理分類

4、，進(jìn)一步增加提取后的特征信息以及減少提取的特征復(fù)雜度。提取后的特征跟Gabor小波特征以及原始LBP特征在人臉庫中進(jìn)行對比。實驗結(jié)果分析ULBP算子與傳統(tǒng)的Gabor小波及原始LBP算子相比，其描述特征能力更強(qiáng)，更適合應(yīng)用于人臉識別工作。
　　（4）對于稀疏表示分類方法，將稀疏約束條件由L1范數(shù)轉(zhuǎn)換為最小二乘計算，即協(xié)同稀疏表示方法，并利用Gabor小波和一致性LBP方法提取特征后，再通過相應(yīng)的字典稀疏表示以求得所屬類別，局部紋理