基于稀疏表示的人臉識(shí)別

1、基于稀疏表示的人臉識(shí)別,,匯報(bào)大綱,,一、人臉識(shí)別的簡(jiǎn)介和背景,二、基于稀疏表示的人臉識(shí)別,四、個(gè)人安排,三、人臉識(shí)別實(shí)驗(yàn)步驟,一、人臉識(shí)別的簡(jiǎn)介和背景,人臉識(shí)別本質(zhì)上是使計(jì)算機(jī)具有區(qū)分不同人類(lèi)個(gè)體的能力，相當(dāng)于計(jì)算機(jī)視覺(jué)中“看”的能力。 人臉識(shí)別技術(shù)是基于生物特征的識(shí)別方式，利用人類(lèi)自身所擁有的、并且能夠用來(lái)標(biāo)示其身份的生理特征進(jìn)行身份驗(yàn)證的技術(shù)。,,,,目前的人臉識(shí)別技術(shù)主要分為三大類(lèi)：幾何特征法、基于子空間方法和基于學(xué)習(xí)的

2、方法。幾何特征法包括模板匹配法等?；谧涌臻g的方法包括主成分分析、獨(dú)立分量分析、線性判別分析等?；趯W(xué)習(xí)的方法有稀疏表示方法、神經(jīng)網(wǎng)絡(luò)方法等。,,傳統(tǒng)的信號(hào)表示方法是將信號(hào)分解為一組正交基函數(shù)的線性組合。 稀疏表示是利用字典，將信號(hào)表示成少數(shù)原子的線性組合的過(guò)程。稀疏表示使信號(hào)能量只集中于少數(shù)原子，對(duì)應(yīng)于非零系數(shù)的少量原子揭示了信號(hào)的主要特征與內(nèi)在結(jié)構(gòu)。,二、基于稀疏表示的人臉識(shí)別,,,稀疏表示理論的核心問(wèn)題包括稀疏表示算法

3、設(shè)計(jì)以及字典的構(gòu)建等。傳統(tǒng)的字典構(gòu)造方法主要是根據(jù)指定的線性變化的函數(shù)集構(gòu)建的字典，如短時(shí)傅里葉變換、過(guò)完備小波、曲波、輪廓波、Gabor變換等。另一種截然不同的線路是樣本學(xué)習(xí)的基礎(chǔ)上訓(xùn)練字典的方法。包括K均值算法、最優(yōu)方向法、K-SVD算法、監(jiān)督學(xué)習(xí)方法、最大似然法以及最大后驗(yàn)概率法等。,,,當(dāng)給定第i類(lèi)中有效的訓(xùn)練樣本集測(cè)試樣本y：全部的訓(xùn)練樣本集為,,,,,,基于稀疏表示的分類(lèi)方法：,1: Input: a matri

4、x of training samples for k classes, a test sample y , (and an optional error tolerance > 0 .)2: Normalize the columns of A to have unit -norm.3: Solve the -minimization problem:(Or alternati

5、vely, solve )4: Compute the residuals for i=1, ...,k .5: Output:,,可信度（sparsity concentration index(SCI)）：,如果 ,測(cè)試圖像能用單一的一幅圖像表示。如果 ，稀疏系數(shù)遍布所有類(lèi)中。選取一個(gè)閾值

6、，當(dāng) ，則判定一幅測(cè)試圖像有效。否則判定為無(wú)效。,,小密集噪聲：,,遮擋和損壞問(wèn)題：,,,,當(dāng)錯(cuò)誤 關(guān)于 有稀疏表示，則 當(dāng) 關(guān)于自然的像素坐標(biāo)稀疏，則選擇如果 關(guān)于其他（Forier or Haar）稀疏，則把 添加到A中，代替I來(lái)尋找稀疏解：extended -minimization：,的稀疏解：,除掉遮擋或損壞后的