基于稀疏編碼與字典學(xué)習(xí)的人臉識(shí)別.pdf

1、隨著信息社會(huì)的快速發(fā)展，人們對(duì)信息安全的要求越來(lái)越高，由于生物特征具有較強(qiáng)的個(gè)體差異性與穩(wěn)定性，故生物識(shí)別成為信息安全領(lǐng)域的首選方式。人臉識(shí)別是一種利用人的臉部信息進(jìn)行身份鑒別的生物識(shí)別方法，與其他生物識(shí)別技術(shù)相比，人臉識(shí)別擁有便捷、直接等優(yōu)勢(shì)，因此人臉識(shí)別能夠在視頻監(jiān)控、安全防務(wù)等方面得到廣泛應(yīng)用。
　　與傳統(tǒng)的人臉識(shí)別技術(shù)相比，基于稀疏表示的人臉識(shí)別擁有識(shí)別率高、魯棒性強(qiáng)等優(yōu)勢(shì)，因而引起了許多學(xué)者的關(guān)注。本文針對(duì)人臉識(shí)別技術(shù)中

2、的兩個(gè)重要問(wèn)題:識(shí)別率與識(shí)別速度，深入研究了稀疏表示中的各類稀疏編碼算法與字典學(xué)習(xí)算法，提出了兩種快速、有效的基于稀疏表示的人臉識(shí)別算法。本文主要工作及取得的研究成果如下:
　　(1)極限學(xué)習(xí)機(jī)學(xué)習(xí)速度快，但不能很好地處理噪聲圖像;稀疏表示分類對(duì)噪聲具有魯棒性，但計(jì)算比較復(fù)雜。針對(duì)這兩種算法的優(yōu)缺點(diǎn)，結(jié)合極限學(xué)習(xí)機(jī)與稀疏表示分類算法，并利用子空間追蹤算法優(yōu)化稀疏系數(shù)求解，本文提出了基于極限學(xué)習(xí)機(jī)與子空間追蹤的人臉識(shí)別算法，從而達(dá)到

3、了高識(shí)別率、快速的識(shí)別效果。該算法首先根據(jù)測(cè)試樣本的極限學(xué)習(xí)機(jī)實(shí)際輸出向量來(lái)判斷是否是噪聲圖像，干凈圖像直接依據(jù)極限學(xué)習(xí)機(jī)輸出向量來(lái)分類，噪聲圖像再采用子空間追蹤方法結(jié)合稀疏表示分類框架來(lái)識(shí)別。
　　(2)提出了基于Gabor特征與投影字典對(duì)學(xué)習(xí)的人臉識(shí)別算法，首先提取人臉圖像多方向多尺度的Gabor局部向量，并將經(jīng)主成分分析降維后的增廣Gabor特征作為訓(xùn)練數(shù)據(jù)，代替原始的訓(xùn)練樣本。然后，根據(jù)訓(xùn)練數(shù)據(jù)同時(shí)學(xué)習(xí)綜合字典與分析字典，

4、綜合字典具有重構(gòu)能力，分析字典可以快速求出系數(shù)矩陣。最后根據(jù)各類別的重構(gòu)誤差進(jìn)行分類，以達(dá)到人臉識(shí)別的目的。在擴(kuò)展的YaleB、ORL、AR和CMU-PIE人臉數(shù)據(jù)庫(kù)的實(shí)驗(yàn)數(shù)據(jù)表示本文提出的算法不僅具有較高的識(shí)別率，還能夠有效地提高識(shí)別速度。
　　(3)提出了一種基于局部上下文特征與加性核SVM分類器的二尖瓣瓣根識(shí)別方法，首先提取超聲心動(dòng)圖中二尖瓣瓣根部的上下文特征，然后訓(xùn)練一個(gè)加性核SVM分類器并利用它迅速找到二尖瓣瓣根的候選點(diǎn)