基于單訓練樣本的人臉識別算法研究.pdf

1、計算機自動人臉識別是模式識別與圖像處理領域的難點之一。隨著科學技術快速的發(fā)展，人們對人臉識別技術的需求也在不斷提高。在一些特殊的應用場景，人臉識別系統(tǒng)往往只能獲取每類（人）單張訓練圖像，因此，基于單訓練樣本人臉識別的研究具有較大的現(xiàn)實意義。對基于單訓練樣本的人臉識別問題進行研究，不僅將對人臉識別領域帶來巨大飛躍，也將對諸如信息學、人工智能、心理學等其他相關領域產(chǎn)生深遠的影響，研究基于單訓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練樣本的人臉識別技術的發(fā)展趨勢、系統(tǒng)流程、研究現(xiàn)狀以及常見方法。重點探討了解決單訓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)域自適應權值計算的方法。該算法使用LBP算法對人臉進行編碼，以每個人臉區(qū)域的圖像信息熵作為該部位的權重，并將所得權重與SpPCA算法相結合，進行最終的人臉分類。實驗結果表明，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性，有效的提高了算法的識別率。
　　(2)受神經(jīng)生物學研究結果的啟發(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)模進行擴充。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)絡進行特征集成。與傳統(tǒng)的單樣本人臉識別方法相比較，改進后的方法可以達到更高的識別效果。
　　(3)為提高人臉識別的速度并同時能夠保證人臉識別的正確率，研究了對人臉數(shù)據(jù)庫進行離線預處理方法。針對通常的線性人臉比對的方法時間復雜度較高的問題，提出了一種采用離線人臉動態(tài)聚類、訓練數(shù)據(jù)預先計算相似度來生成人臉索引的方法，改善了人臉識別系