基于局部敏感性和混合稀疏表示的人臉識(shí)別研究.pdf

1、作為圖像處理、模式識(shí)別等領(lǐng)域最成功的應(yīng)用之一，人臉識(shí)別由于無需識(shí)別對(duì)象配合、可遠(yuǎn)程隱蔽操作、識(shí)別過程友好等特點(diǎn)備受關(guān)注。除了純粹的科研意義，在商業(yè)和執(zhí)法中也有著諸多應(yīng)用，如監(jiān)管、安全、通訊和人機(jī)交互等。經(jīng)過30年的研究，各種各樣的人臉識(shí)別方法被研究者相繼提出。
　　隨著壓縮感知理論的興起，作為其核心技術(shù)的稀疏表示，不僅可以降低數(shù)據(jù)分析和處理的成本，而且可以提高數(shù)據(jù)的壓縮效率，因而基于稀疏表示的方法由于其出色的分類性能以及對(duì)噪聲和遮

2、擋的魯棒性受到了研究者的廣泛關(guān)注，紛紛將科研方向?qū)Ｗ⒂诨谙∈璞硎镜娜四樧R(shí)別研究上，實(shí)現(xiàn)人臉識(shí)別的更加精準(zhǔn)化，提高人臉識(shí)別技術(shù)。
　　本文對(duì)基于稀疏表示的人臉識(shí)別方法展開深入研究，并在此基礎(chǔ)上，對(duì)稀疏編碼加入局部敏感性、分組稀疏性以及混合稀疏性的約束，從而提高人臉圖像的分類性能。本論文的主要內(nèi)容和創(chuàng)新點(diǎn)如下：
　　1)首先介紹了本文所涉及領(lǐng)域與其相關(guān)技術(shù)的研究現(xiàn)狀，概述了本文研究方法所在的人臉識(shí)別框架平臺(tái)，繼而歸納總結(jié)了本文

3、主要研究重點(diǎn)，即稀疏表示的相關(guān)基礎(chǔ)知識(shí)。
　　2)提出了基于局部敏感性分組稀疏表示的人臉識(shí)別分類方法。該方法通過對(duì)稀疏編碼加以局部約束性，保留了測(cè)試樣本和相鄰訓(xùn)練數(shù)據(jù)間的相似性，以獲得更多包含判別信息的有效稀疏表示系數(shù)，并分別與兩種分組稀疏方法相結(jié)合，解決了訓(xùn)練樣本字典內(nèi)部結(jié)構(gòu)性問題。實(shí)驗(yàn)將在ORL人臉庫，AR人臉庫以及Extended Yale B人臉庫上分別進(jìn)行，以驗(yàn)證該方法有效性。
　　3)提出基于核局部敏感性分組稀疏

4、的極限學(xué)習(xí)機(jī)人臉識(shí)別分類方法。該方法將首先對(duì)于稀疏表征加以局部敏感性與分組稀疏性的雙重約束，既考慮了訓(xùn)練數(shù)據(jù)的字典結(jié)構(gòu)性問題，也保留了對(duì)稀疏編碼的局部約束性，并在考慮局部約束性時(shí)加入高斯核函數(shù)以提高約束性能，再將其與極限學(xué)習(xí)機(jī)相結(jié)合。彌補(bǔ)了擁有較快學(xué)習(xí)速度的極限學(xué)習(xí)機(jī)在應(yīng)用于分類時(shí)由于對(duì)噪聲敏感以致準(zhǔn)確性較低，而分類性能較好且對(duì)光照、噪聲等魯棒的稀疏表示方法卻較為耗時(shí)的不足，實(shí)現(xiàn)了在擁有較快識(shí)別速度的同時(shí)，保持較好分類識(shí)別性能。本文將在

5、ORL人臉庫，AR人臉庫以及Extended Yale B人臉庫上進(jìn)行多組對(duì)比實(shí)驗(yàn)，分別測(cè)試該方法的識(shí)別率與分類時(shí)間。
　　4)提出基于非級(jí)聯(lián)Gabor特征的混合稀疏表示人臉識(shí)別分類方法。該方法將對(duì)光照、姿態(tài)及表情等變化具有較好魯棒性的Gabor特征應(yīng)用到稀疏表征方法中，并充分考慮5尺度和8方向上的所有Gabor特征信息，即用提取得到的人臉圖像的多尺度多方向的Gabor局部特征替換稀疏表征中原先使用的全局特征，并使用主成分分析方法