單樣本人臉識(shí)別算法研究.pdf

1、單樣本人臉識(shí)別技術(shù)是計(jì)算機(jī)視覺領(lǐng)域重要的研究方向之一，它涉及到計(jì)算機(jī)視覺、模式識(shí)別、機(jī)器學(xué)習(xí)、人工智能等多個(gè)學(xué)科。在身份證識(shí)別、電子護(hù)照、法律增強(qiáng)等方面，由于人臉數(shù)據(jù)量大、儲(chǔ)存設(shè)備有限等，每人的人臉只能存儲(chǔ)一個(gè)；由于每個(gè)人的只有一個(gè)樣本，這對(duì)人臉識(shí)別提出了很大的挑戰(zhàn)。所以對(duì)單樣本人臉識(shí)別技術(shù)的研究，具有重大的意義。
　　本文首先研究了基于子空間和基于傳統(tǒng)流形學(xué)習(xí)單樣本人臉識(shí)別方法，在基于子空間的方法中，主要研究了主分量分析（PCA

2、）、結(jié)合投影的主分量分析((PC)2A)、Fisher線性鑒別分析(FLDA)和局部保持投影(LPP)，雖然這些方法能用于單樣本人臉識(shí)別中，但是識(shí)別率難于達(dá)到預(yù)想的結(jié)果。傳統(tǒng)流形學(xué)習(xí)方法中，假設(shè)將所有的人臉樣本看做一個(gè)流形，然后提取特證；這些方法雖然在特征提取和識(shí)別中消耗的時(shí)間較少，但識(shí)別率不是很高。其次，簡(jiǎn)單介紹了DMMA(Discriminative Multi-Manifold Analysis)算法，不同于傳統(tǒng)的流形學(xué)習(xí)方法，該

3、算法將每一個(gè)人臉子圖像塊看作一個(gè)流形，并且每一類人臉分別學(xué)習(xí)得到一個(gè)特征矩陣，該算法利用了圖像的局部幾何特征，雖然獲得了較高的識(shí)別率，但是在特征提取階段消耗的時(shí)間較多，達(dá)不到人臉識(shí)別系統(tǒng)的實(shí)時(shí)性的要求。
　　為了獲得更好的人臉面部特征，本文提出了一種LBP-DMMA的特征提取方法，首先對(duì)每幅人臉圖像進(jìn)行分塊構(gòu)成一個(gè)子集。然后使用統(tǒng)一局部二值模式（Uniform LBP）算子提取每個(gè)子集中圖像的直方圖，每個(gè)子集中的直方圖形成一個(gè)統(tǒng)計(jì)

4、流形，應(yīng)用DMMA算法獲得人臉圖像的低維特征。最后采用基于重建的流形-流形間的距離識(shí)別未知的人臉圖像。該方法結(jié)合了人臉圖像的紋理信息和幾何信息，在 AR數(shù)據(jù)庫和ORL數(shù)據(jù)庫上實(shí)驗(yàn)結(jié)果表明，該算法的識(shí)別性能優(yōu)于一般的DMMA算法。
　　最后，為了提取復(fù)雜環(huán)境下人臉圖像的有效特征，本文提出了一種結(jié)合DMMA和方向梯度直方圖(Histogram of the Oriented Gradient，HOG)特征提取算法，提出了一種新的自適應(yīng)