小樣本條件下的部分遮擋人臉驗證研究.pdf

1、人臉驗證技術因其安全性、友好性及可靠性等在身份認證中得到了廣泛的應用。但是在實際應用中，人臉圖像經常出現部分遮擋問題造成認證性能顯著下降。人臉驗證中易出現小樣本問題降低分類預測性能。所以，針對小樣本條件下的部分遮擋人臉驗證問題，本文提出多閾值方法解決人臉驗證中部分遮擋問題，PCA+改進聯合貝葉斯算法解決小樣本問題。理論和實驗證明了本文方法的有效性。
　　首先介紹了研究背景及研究意義，介紹了人臉識別、部分遮擋和小樣本問題的國內外研究

2、現狀和本文研究難點。
　　然后，針對部分遮擋類型的遮擋問題，根據注冊集和測試集中出現的不同遮擋組合情況以及人臉驗證的特殊性即事先確認閾值，提出多閾值方法解決。多閾值確認，根據注冊集和測試集的不同遮擋組合分配數據，利用二分法分別確認相應的閾值。多閾值測試，SVM多分類器對注冊集和測試集圖像的遮擋類型進行分類，并選取相應的閾值進行判別。
　　其次，針對小樣本造成的維數災難問題，采用PCA降維解決聯合貝葉斯散度矩陣奇異問題。針對小

3、樣本造成的過擬合問題，提出一種改進的聯合貝葉斯算法，采用K最近鄰算法，選取鄰類類內散度矩陣并與該類類內散度矩陣進行加權，經過平滑處理得到更加精確魯棒的總類內散度矩陣。
　　最后，在AR數據庫和CIGIT數據庫上分別驗證了部分遮擋人臉驗證多閾值方法的有效性。相比單閾值方法，多閾值方法的半錯誤率分別降低了30.87％和33.33%。在WDRef數據庫和LFW數據庫上驗證改進聯合貝葉斯算法。實驗表明，改進的聯合貝葉斯算法性能顯著優(yōu)于聯合