基于FPH特征提取框架的魯棒人臉識(shí)別.pdf

1、人臉識(shí)別是計(jì)算機(jī)視覺(jué)和模式識(shí)別領(lǐng)域非常活躍的研究方向之一?，F(xiàn)實(shí)場(chǎng)景中的人臉圖像會(huì)受到光照、姿態(tài)、表情、遮擋等因素的影響，這給人臉識(shí)別帶來(lái)很大困難。為此，研究者們針對(duì)如何提取對(duì)上述因素魯棒的人臉特征進(jìn)行深入研究。其中，基于特征圖(Feature)生成、模式圖(Pattern Mapping)編碼和柱狀圖(Histogram)計(jì)算的特征提取框架（簡(jiǎn)稱為FPH框架）受到了廣泛的關(guān)注和研究，并取得了顯著的效果。但FPH框架為什么要采用這樣的組合

2、以及其為什么具有魯棒性，目前還未有對(duì)此進(jìn)行深入研究的工作。
　　本文對(duì)FPH特征提取框架的魯棒性及其在人臉識(shí)別中的應(yīng)用進(jìn)行研究，主要工作和研究?jī)?nèi)容如下:
　　(1)深入分析FPH特征提取框架的魯棒性，針對(duì)特征圖的生成、模式圖的編碼進(jìn)行研究，得出了特征圖的生成準(zhǔn)則，即特征提取的局部性、特征分解的冗余性和對(duì)噪聲的深度濾波;探究了模式圖對(duì)特征圖的可逆壓縮編碼的原理和作用;分析了不同的特征圖與不同的模式圖之間的匹配規(guī)律。在AR和Ex

3、tended Yale B兩個(gè)人臉數(shù)據(jù)庫(kù)上驗(yàn)證并分析了FPH框架中各部分的重要性。
　　(2)結(jié)合FPH特征提取框架的魯棒性原理，基于增強(qiáng)特征冗余性的目的，提出局部球面規(guī)范化方法，通過(guò)將其嵌入到PCANet網(wǎng)絡(luò)中，大大提高了特征的冗余性，同時(shí)增強(qiáng)了網(wǎng)絡(luò)對(duì)噪聲的過(guò)濾能力。在AR和UMB-DB兩個(gè)人臉數(shù)據(jù)庫(kù)上的實(shí)驗(yàn)表明改進(jìn)后的PCANet比PCANet具有更強(qiáng)的遮擋魯棒性和光照魯棒性。
　　在以后的工作中可考慮在FPH框架下研發(fā)