基于FPH特征提取框架的魯棒人臉識別.pdf

1、人臉識別是計算機視覺和模式識別領(lǐng)域非?；钴S的研究方向之一?，F(xiàn)實場景中的人臉圖像會受到光照、姿態(tài)、表情、遮擋等因素的影響，這給人臉識別帶來很大困難。為此，研究者們針對如何提取對上述因素魯棒的人臉特征進行深入研究。其中，基于特征圖(Feature)生成、模式圖(Pattern Mapping)編碼和柱狀圖(Histogram)計算的特征提取框架（簡稱為FPH框架）受到了廣泛的關(guān)注和研究，并取得了顯著的效果。但FPH框架為什么要采用這樣的組合

2、以及其為什么具有魯棒性，目前還未有對此進行深入研究的工作。
　　本文對FPH特征提取框架的魯棒性及其在人臉識別中的應(yīng)用進行研究，主要工作和研究內(nèi)容如下:
　　(1)深入分析FPH特征提取框架的魯棒性，針對特征圖的生成、模式圖的編碼進行研究，得出了特征圖的生成準(zhǔn)則，即特征提取的局部性、特征分解的冗余性和對噪聲的深度濾波;探究了模式圖對特征圖的可逆壓縮編碼的原理和作用;分析了不同的特征圖與不同的模式圖之間的匹配規(guī)律。在AR和Ex

3、tended Yale B兩個人臉數(shù)據(jù)庫上驗證并分析了FPH框架中各部分的重要性。
　　(2)結(jié)合FPH特征提取框架的魯棒性原理，基于增強特征冗余性的目的，提出局部球面規(guī)范化方法，通過將其嵌入到PCANet網(wǎng)絡(luò)中，大大提高了特征的冗余性，同時增強了網(wǎng)絡(luò)對噪聲的過濾能力。在AR和UMB-DB兩個人臉數(shù)據(jù)庫上的實驗表明改進后的PCANet比PCANet具有更強的遮擋魯棒性和光照魯棒性。
　　在以后的工作中可考慮在FPH框架下研發(fā)