基于壓縮感知人臉識別技術(shù)的研究.pdf

1、隨著網(wǎng)絡(luò)與信息技術(shù)的高速發(fā)展，特別是大數(shù)據(jù)和移動互聯(lián)的出現(xiàn)，模式識別技術(shù)在生物識別、人機(jī)互交、智能交通、無人機(jī)制導(dǎo)、智能安防等領(lǐng)域取得了顯著的成效。在互聯(lián)網(wǎng)加的大背景下，視頻監(jiān)控和識別系統(tǒng)往往會受到網(wǎng)絡(luò)傳輸帶寬以及數(shù)據(jù)存儲容量的制約。近年來興起的壓縮感知，為解決該問題提供了一條有效的途徑，并得到國際上越來越廣泛的關(guān)注。本文主要以人臉識別問題為背景，重點(diǎn)研究基于壓縮感知的分類器設(shè)計(jì)、特征提取、數(shù)據(jù)壓縮以及預(yù)處理等方面對識別性能的影響。本文

2、的主要工作和成果如下:
　　1.魯棒分類算法研究
　　借鑒稀疏性分析模型和支持向量機(jī)的思想，提出并設(shè)計(jì)了一種基于子空間分析的分類器。它設(shè)計(jì)了多個(gè)分類器組，其基本思想是:把匹配的測試樣本投影到零點(diǎn)附近，不匹配的測試樣本投影到離零點(diǎn)盡可能遠(yuǎn)處，然后進(jìn)行分類判別。在ORL人臉數(shù)據(jù)集上的開閉集實(shí)驗(yàn)驗(yàn)證了算法的有效性。提出了一種基于加權(quán)表示的線性回歸分類器，針對表示誤差進(jìn)行加權(quán)，該方法對人臉遮掩和光照變化有很強(qiáng)的魯棒性，其識別率有明顯

3、提升，并且算法復(fù)雜度低，可以應(yīng)用于實(shí)時(shí)人臉識別系統(tǒng)。
　　2.基于先驗(yàn)信息的魯棒壓縮感知矩陣設(shè)計(jì)
　　基于信號先驗(yàn)信息，提出了一種新的魯棒壓縮感知設(shè)計(jì)框架。通過最小化稀疏表示誤差和最佳線性恢復(fù)誤差，優(yōu)化投影矩陣?；诤铣珊蛯?shí)際圖像實(shí)驗(yàn)結(jié)果顯示，新型魯棒投影矩陣壓縮感知系統(tǒng)在圖像數(shù)據(jù)壓縮與重建方面性能良好，優(yōu)于傳統(tǒng)壓縮感知系統(tǒng)。
　　3.基于顯著特征的字典學(xué)習(xí)分類器設(shè)計(jì)
　　針對字典學(xué)習(xí)分類算法數(shù)據(jù)計(jì)算量大，而傳統(tǒng)

4、稀疏表示分類器信息冗余，對人臉對齊敏感的問題，提出了一種基于顯著特征的字典學(xué)習(xí)分類器的框架。它利用人臉輪廓作為顯著特征中心，提取原圖像中特征塊，并利用人臉對稱性特點(diǎn)來擴(kuò)展訓(xùn)練樣本特征集。由于采用顯著特征區(qū)域塊進(jìn)行字典學(xué)習(xí)，降低了稀疏表示分類器對數(shù)據(jù)對齊敏感性，減少了算法運(yùn)算時(shí)間，系統(tǒng)識別性能也有顯著提升。
　　4.基于投影矩陣優(yōu)化的壓縮感知分類器
　　針對圖像識別中海量數(shù)據(jù)存儲與傳輸問題，提出了一種投影矩陣的優(yōu)化算法，并將該

5、算法應(yīng)用到人臉識別系統(tǒng)中。以樣本的互相關(guān)性為基礎(chǔ)，優(yōu)化投影矩陣，使得同類樣本的互相關(guān)性增強(qiáng),不同類樣本互相關(guān)性降低。在ORL、Yale_Extend、PIE以及AR數(shù)據(jù)集上實(shí)驗(yàn)顯示，基于投影矩陣優(yōu)化的表示分類器可以顯著提升識別性能。
　　5.基于ADLBP特征的魯棒局部非負(fù)稀疏表示人臉識別方法
　　針對復(fù)雜環(huán)境下人臉圖像難以對齊的問題，提出了一種基于ADLBP特征的魯棒局部非負(fù)稀疏表示人臉識別的系統(tǒng)架構(gòu)。在LFW數(shù)據(jù)集實(shí)驗(yàn)結(jié)