面向交通監(jiān)控的人臉識別技術(shù)研究.pdf

1、人臉識別是生物特征識別領(lǐng)域的一個研究熱點，在安全應(yīng)用中有著重要作用。而駕駛員人臉圖像作為一個重要的車輛特征，能夠?qū)`法違規(guī)車輛的偵查提供較大幫助。因此，對駕駛員人臉圖像的識別具有廣闊的應(yīng)用前景和研究價值。交通監(jiān)控系統(tǒng)抓拍到的駕駛員人臉圖像往往受到車窗玻璃反光、太陽光、路燈等光照影響，而且系統(tǒng)一般對每個駕駛員只存儲一幅人臉圖像，屬于單訓練樣本人臉識別問題。因此，本文針對駕駛員人臉圖像的識別，主要從光照處理和單訓練樣本人臉識別這兩個方面展開

2、研究。本文的主要研究內(nèi)容如下:
　　(1)人臉圖像的光照不變特征提取算法研究。研究了基于梯度臉的光照不變特征提取算法。該算法把人臉圖像和高斯函數(shù)的一階導(dǎo)數(shù)進行卷積來求取人臉圖像的梯度，進而在梯度域提取人臉圖像的光照不變特征。并對梯度臉算法進行了改進，進一步研究了離散梯度臉算法。該算法通過提取更加稀疏的離散梯度臉特征來對人臉圖像進行光照處理。實驗表明，在光照處理方面，離散梯度臉算法具有更好的效果。
　　(2)單訓練樣本人臉識別

3、算法研究。首先研究了利用圖像分解技術(shù)來對單樣本進行擴充的算法。該算法把單訓練樣本采用列主元的QR分解生成額外的虛擬樣本，從而把單樣本人臉識別轉(zhuǎn)化為多樣本人臉識別來處理。然后研究了基于稀疏表示的人臉識別算法，并結(jié)合通用學習框架的思想，進一步研究了基于單樣本稀疏表示的人臉識別算法。該算法把測試樣本用訓練樣本和從通用學習框架中提取到的類內(nèi)變化進行聯(lián)合稀疏表示，以此來解決單訓練樣本問題。實驗表明，在單訓練樣本人臉識別方面，基于單樣本稀疏表示的人