復(fù)雜環(huán)境下的單樣本人臉識(shí)別算法研究.pdf

1、人臉識(shí)別是根據(jù)人體面部圖像進(jìn)行身份識(shí)別的一項(xiàng)技術(shù)，是生物特征識(shí)別領(lǐng)域重要組成部分，具有重要的研究?jī)r(jià)值和廣泛的應(yīng)用前景。近年來(lái)，涌現(xiàn)出許多高性能人臉識(shí)別算法，人臉識(shí)別技術(shù)在環(huán)境可控、目標(biāo)配合的理想條件下已經(jīng)比較成熟。不幸的是，這些算法非常依賴訓(xùn)練樣本集的規(guī)模和典型性。它們所關(guān)注的核心問(wèn)題是如何基于足夠大的數(shù)據(jù)集取得更高的識(shí)別準(zhǔn)確率，而忽視了由訓(xùn)練數(shù)據(jù)樣本缺乏帶來(lái)的識(shí)別困難。在實(shí)際場(chǎng)景下的人臉識(shí)別系統(tǒng)中，由于數(shù)據(jù)采集困難或系統(tǒng)數(shù)據(jù)存儲(chǔ)規(guī)模制

2、約，容易導(dǎo)致每類訓(xùn)練樣本數(shù)目不足，甚至每類只有單個(gè)訓(xùn)練樣本的情況，稱為單樣本人臉識(shí)別問(wèn)題。另一方面，數(shù)據(jù)集中存儲(chǔ)每類單個(gè)訓(xùn)練樣本具有許多優(yōu)勢(shì)：如容易獲取數(shù)據(jù)，節(jié)約存儲(chǔ)空間、降低計(jì)算花費(fèi)等。因此，研究單樣本人臉識(shí)別算法具有重要意義。
　　本論文主要研究問(wèn)題是復(fù)雜環(huán)境下的單樣本人臉識(shí)別問(wèn)題。實(shí)際人臉識(shí)別系統(tǒng)數(shù)據(jù)獲取環(huán)境復(fù)雜，人臉識(shí)別系統(tǒng)往往受到偽裝、遮擋、光照、表情等環(huán)境變化制約和樣本數(shù)目等數(shù)據(jù)制約。為了解決這一問(wèn)題，提出了一種基于稀

3、疏判別式多流形分析的單樣本人臉識(shí)別算法。算法主要分為兩部分：數(shù)據(jù)表示和流形匹配。數(shù)據(jù)表示指針對(duì)人臉高維數(shù)據(jù)，學(xué)習(xí)一個(gè)低維特征空間，得到數(shù)據(jù)對(duì)應(yīng)的低維表示。對(duì)數(shù)據(jù)表示部分，我們提出了稀疏判別式多流行嵌入算法(Sparse Discriminative Multi-Manifold Embedding,SDMME)。通過(guò)構(gòu)造兩種類別結(jié)構(gòu)字典，我們學(xué)習(xí)了流形內(nèi)稀疏圖和流形間稀疏圖。進(jìn)而通過(guò)保持流形內(nèi)圖結(jié)構(gòu)，并抑制流形間圖特性，學(xué)習(xí)得到了最優(yōu)嵌