小樣本人臉識(shí)別算法設(shè)計(jì)及驗(yàn)證.pdf

1、盡管近幾年來(lái)，人臉識(shí)別技術(shù)已經(jīng)成為最具吸引力的生物特征識(shí)別技術(shù)之一，并且得到了長(zhǎng)足的發(fā)展，各種優(yōu)秀的人臉識(shí)別算法被提出。但是在實(shí)際應(yīng)用中，人臉識(shí)別算法仍然面臨許多棘手的問(wèn)題。其中，小樣本就是典型的棘手問(wèn)題之一。
　　小樣本問(wèn)題是指由于人臉識(shí)別的訓(xùn)練樣本數(shù)目過(guò)少，以至于大多數(shù)人臉識(shí)別算法無(wú)法發(fā)揮其理想的識(shí)別性能。通常，訓(xùn)練樣本越多，越有利于得到更高的識(shí)別精度。然而在實(shí)際應(yīng)用中，由于各方面因素的限制，所能獲取的訓(xùn)練樣本總是極其有限的。

2、通過(guò)研究并分析已有的研究成果，本課題設(shè)計(jì)并驗(yàn)證了一個(gè)基于虛擬訓(xùn)練樣本的稀疏表示算法用于在小樣本集上的人臉識(shí)別。該算法包括兩步：在第一步中，通過(guò)對(duì)原始訓(xùn)練樣本增加隨機(jī)噪聲構(gòu)造虛擬樣本，擴(kuò)大了原有的訓(xùn)練集；在第二步中，稀疏表示方法被用于完成人臉識(shí)別。大量的實(shí)驗(yàn)結(jié)果驗(yàn)證了該算法在小樣本訓(xùn)練集上性能卓越，比目前許多具有代表性的人臉識(shí)別算法具有更出色的識(shí)別性能。
　　進(jìn)一步地，本課題提出了一個(gè)構(gòu)造部分被遮擋的虛擬訓(xùn)練樣本的方法，并利用該方法