基于稀疏表達的人臉識別研究.pdf

1、人臉識別作為一種友好的生物特征識別技術(shù)廣泛應(yīng)用于人機交互、公共安全、國家安全等領(lǐng)域，是模式識別和機器視覺領(lǐng)域的研究熱點，由于其易受到光照、表情、遮擋、姿態(tài)等因素的影響，高精度的人臉識別依然是具有挑戰(zhàn)性的一個課題。
　　稀疏表達是壓縮感知中的關(guān)鍵理論，數(shù)據(jù)的稀疏表示，可以從本質(zhì)上降低數(shù)據(jù)處理成本，提高壓縮效率。將稀疏表達理論運用于圖像處理是一種有效的方法。本文將稀疏表達理論運用于人臉識別并進行改進，提高了識別精度。主要工作內(nèi)容如下：

2、
　?。?）分析兩種常用人臉識別算法：主成分分析方法(Principle Component Analysis,PCA)和Fisherface方法。相關(guān)實驗證明，兩種算法在小樣本庫上有良好的識別效果，但是在大樣本庫上識別效果不佳。
　　（2）基于經(jīng)典稀疏表達的人臉識別框架，分析了字典學(xué)習(xí)和稀疏分解兩個關(guān)鍵環(huán)節(jié)。為了有效的進行稀疏表達，基于隨機投影的思想，將隨機臉與KSVD算法相結(jié)合展開字典學(xué)習(xí)并進行識別，相關(guān)實驗證明，相對于

3、傳統(tǒng)的人臉識別方法，本章方法在大樣本庫和小樣本庫上都能取得更好的識別效果。
　　（3）由于KSVD算法訓(xùn)練字典不具備判別性，通過在目標(biāo)函數(shù)中加入分類誤差的方法，研究了D-KSVD算法，為進一步提高D-KSVD算法分類精度，增加類間約束，研究了LC-KSVD算法即在目標(biāo)函數(shù)中加入判別稀疏編碼誤差限制。
　?。?）為了優(yōu)化字典學(xué)習(xí)過程中的迭代效果，對判別型字典訓(xùn)練方法進行改進，即先在類內(nèi)訓(xùn)練字典，再將類內(nèi)字典級聯(lián)構(gòu)成初始化字典，