基于單訓(xùn)練樣本的人臉識別算法研究.pdf

1、計(jì)算機(jī)自動人臉識別是模式識別與圖像處理領(lǐng)域的難點(diǎn)之一。隨著科學(xué)技術(shù)快速的發(fā)展，人們對人臉識別技術(shù)的需求也在不斷提高。在一些特殊的應(yīng)用場景，人臉識別系統(tǒng)往往只能獲取每類（人）單張訓(xùn)練圖像，因此，基于單訓(xùn)練樣本人臉識別的研究具有較大的現(xiàn)實(shí)意義。對基于單訓(xùn)練樣本的人臉識別問題進(jìn)行研究，不僅將對人臉識別領(lǐng)域帶來巨大飛躍，也將對諸如信息學(xué)、人工智能、心理學(xué)等其他相關(guān)領(lǐng)域產(chǎn)生深遠(yuǎn)的影響，研究基于單訓(xùn)練樣本人臉識別具有十分重要的理論意義。
　　

2、本文介紹了基于單訓(xùn)練樣本的人臉識別技術(shù)的發(fā)展趨勢、系統(tǒng)流程、研究現(xiàn)狀以及常見方法。重點(diǎn)探討了解決單訓(xùn)練樣本人臉識別的一些主流方法，及其存在的一些問題。并就當(dāng)前人臉識別算法所面臨的一些亟需解決的問題，提出了相應(yīng)的解決方案，在改善人臉識別算法的魯棒性與識別效率兩方面進(jìn)行了探討，有效地提高了單樣本條件下人臉識別系統(tǒng)的性能。
　　本文的主要內(nèi)容包括以下幾個(gè)方面:
　　(1)針對人臉不同區(qū)域所具有重要性的不同，對此，提出了一種基于Sp

3、PCA算法的人臉不同區(qū)域自適應(yīng)權(quán)值計(jì)算的方法。該算法使用LBP算法對人臉進(jìn)行編碼，以每個(gè)人臉區(qū)域的圖像信息熵作為該部位的權(quán)重，并將所得權(quán)重與SpPCA算法相結(jié)合，進(jìn)行最終的人臉分類。實(shí)驗(yàn)結(jié)果表明，與一些經(jīng)典的人臉識別方法相比，提出的方法可以對光照的變化更加具有適應(yīng)性，有效的提高了算法的識別率。
　　(2)受神經(jīng)生物學(xué)研究結(jié)果的啟發(fā)，提出了一種全局特征與局部特征集成的人臉識別算法。通過圖像變換的方法增加一系列虛擬樣本，對每類人臉圖像

4、數(shù)據(jù)的規(guī)模進(jìn)行擴(kuò)充。提出了一種基于Gabor小波與PCA降維的人臉圖像全局特征提取算法，并利用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行特征集成。與傳統(tǒng)的單樣本人臉識別方法相比較，改進(jìn)后的方法可以達(dá)到更高的識別效果。
　　(3)為提高人臉識別的速度并同時(shí)能夠保證人臉識別的正確率，研究了對人臉數(shù)據(jù)庫進(jìn)行離線預(yù)處理方法。針對通常的線性人臉比對的方法時(shí)間復(fù)雜度較高的問題，提出了一種采用離線人臉動態(tài)聚類、訓(xùn)練數(shù)據(jù)預(yù)先計(jì)算相似度來生成人臉?biāo)饕姆椒ǎ纳屏巳四樧R別系