應(yīng)用于人臉識(shí)別的魯棒線性表示模型與算法設(shè)計(jì).pdf

1、人臉識(shí)別技術(shù)作為模式識(shí)別技術(shù)最有前景的重要分支之一，已經(jīng)引起各大研究群體的廣泛關(guān)注，同時(shí)也成為生物識(shí)別技術(shù)中最主要的組成部分。人臉識(shí)別在過(guò)去的幾十年里已經(jīng)取得了巨大的發(fā)展，大量的人臉識(shí)別算法中最引人矚目的是基于線性表示的人臉識(shí)別算法，因?yàn)槠渌惴ㄔ诮鉀Q人臉識(shí)別問(wèn)題時(shí)具有較大的優(yōu)勢(shì)。但是，基于線性表示的人臉識(shí)別算法依然不能完美地解決人臉識(shí)別問(wèn)題，主要是因?yàn)槠渥R(shí)別精度經(jīng)常會(huì)受到各種外界環(huán)境的影響，并且這些問(wèn)題仍然是目前人臉識(shí)別中亟待解決的問(wèn)題

2、，例如人臉姿勢(shì)和表情變化、不同的光照條件、人臉的遮擋和掩飾等。本文提出了兩種應(yīng)用于人臉識(shí)別的魯棒線性表示算法模型。
　　本文首先提出了一種基于噪聲建模與線性表示的人臉識(shí)別算法，其算法首先對(duì)表示噪聲進(jìn)行建模，然后在迭代循環(huán)過(guò)程中不斷減少表示噪聲，同時(shí)也可以計(jì)算獲得更好的線性表示結(jié)果，最后結(jié)合利用多分類(lèi)器算法思想進(jìn)行最后的更精確分類(lèi)。通?；诰€性表示的識(shí)別分類(lèi)方法主要由兩類(lèi)組成：基于全局的線性表示分類(lèi)方法和基于局部的線性表示分類(lèi)方法。

3、為了同時(shí)利用線性表示分類(lèi)算法的全局性特點(diǎn)和局部性特點(diǎn)的優(yōu)勢(shì)，本文提出了結(jié)合全局和局部線性表示的分類(lèi)算法（即本文的第二種算法），來(lái)用于魯棒的人臉識(shí)別分類(lèi)。
　　本文提出的兩種算法模型都在多個(gè)標(biāo)準(zhǔn)人臉數(shù)據(jù)庫(kù)上做了大量分類(lèi)識(shí)別實(shí)驗(yàn)，這些庫(kù)包括AR、FERET、ORL、GT、CMU PIE及帶有噪聲的人臉數(shù)據(jù)庫(kù)。同時(shí)，對(duì)多個(gè)最近提出的優(yōu)異的線性表示分類(lèi)算法進(jìn)行了對(duì)比試驗(yàn)。大量的實(shí)驗(yàn)證明，本課題所提出的分類(lèi)算法模型不僅具備有較高計(jì)算效率，而