基于核稀疏表示的人臉識(shí)別算法研究.pdf

1、人臉識(shí)別作為一種最自然、不易被察覺(jué)的生物特征識(shí)別技術(shù)，可廣泛應(yīng)用于國(guó)家安全、公共安全、網(wǎng)絡(luò)信息安全、家庭娛樂(lè)等領(lǐng)域。人臉圖像受到表情、光照、姿勢(shì)、遮擋等因素的影響時(shí)，盡管人眼可以判別人臉的變化，但是計(jì)算機(jī)很難高精度快速自動(dòng)識(shí)別出復(fù)雜變化的人臉。因此，在模式識(shí)別領(lǐng)域中，人臉識(shí)別仍是具有挑戰(zhàn)性的課題之一。
　　稀疏表示是人臉識(shí)別中一種備受關(guān)注的主流理論。該理論對(duì)光照、噪聲、遮擋具有一定的魯棒性且對(duì)樣本的數(shù)量要求較多。為提高該理論的魯棒

2、性及更好的處理少訓(xùn)練樣本問(wèn)題，本文將稀疏表示理論加以改進(jìn)，主要研究如下：
　　本文首先從人臉圖像的特征抽取出發(fā)，利用主成分分析、線性鑒別分析及核主成分分析算法來(lái)提取人臉圖像特征，降低圖像維數(shù)，進(jìn)而降低稀疏表示理論的計(jì)算復(fù)雜程度。然后介紹現(xiàn)有的稀疏表示理論及其分類器，對(duì)于少訓(xùn)練樣本問(wèn)題，闡述了拓展稀疏的表示理論。為提高拓展稀疏表示理論的人臉識(shí)別精度，提出了一種新的算法，即加權(quán)拓展稀疏的識(shí)別算法。
　　上述的稀疏表示理論都在原始

3、的樣本空間中，利用原訓(xùn)練樣本的線性信息，來(lái)重新構(gòu)造測(cè)試樣本。為捕捉利用原樣本數(shù)據(jù)間的非線性信息，可通過(guò)高斯核函數(shù)定義的非線性映射，提供更多的樣本信息，將樣本映射到高維的核空間中，進(jìn)而改變樣本分布。Gao等人利用特征空間的樣本特征信息，來(lái)重新構(gòu)造測(cè)試樣本特征，提出了基于核稀疏算法的人臉識(shí)別。對(duì)于少訓(xùn)練樣本問(wèn)題，可提出相應(yīng)的核拓展稀疏算法的人臉識(shí)別。核稀疏表示理論進(jìn)一步提高了經(jīng)典稀疏表示算法的人臉識(shí)別率。
　　在提高人臉識(shí)別精度的同時(shí)