基于整體與結(jié)構(gòu)化奇異值分解和局部OMP稀疏表示的人臉識別.pdf

1、人臉識別是我們?nèi)粘Ｉ钪袘?yīng)用到的最重要的技能之一.由于對公共安全的日益關(guān)注等原因使得自動人臉識別備受關(guān)注。它起源于二十世紀(jì)六十年代，并且在近年來取得了重大進展，若干人臉識別和模型系統(tǒng)得到了開發(fā)和部署.然而，對于機器視覺和模式識別的研究者而言，魯棒而精確的人臉識別仍然是一個巨大的挑戰(zhàn)，尤其是在無約束條件下的人臉識別.
　　本文中，一方面我們提出了與特征提取相關(guān)的三種算法，具體內(nèi)容如下:
　　1.對訓(xùn)練集利用整體奇異值分解進行降

2、噪處理，然后結(jié)合已有的一些線性特征提取方法，像隨機臉，特征臉，拉普拉斯臉等對訓(xùn)練集和測試集做降采樣，最后分別用NN，NS，SRC等分類方法做分類判別.
　　2.先對訓(xùn)練集和測試集做特征提取，然后對特征提取后的訓(xùn)練集做局部奇異值分解，最后用NN，NS，SRC等分類方法做分類判別.
　　3.把算法1和2的內(nèi)容結(jié)合起來，即先對訓(xùn)練集做降噪處理，然后用前人的方法做特征提取和局部奇異值分解，最后再用NN，NS，SRC等分類方法做分類判

3、別.
　　通過實驗對比分析得出結(jié)論:在絕大部分情況下，算法1，2，3在低維時識別率比只用一種特征提取方法要高，并且所用時間不相上下;高維時由算法1得到的識別率比只用一種特征提取方法的要好.
　　另一方面，對特征提取后的訓(xùn)練集，用OMP算法做分類判別，由實驗對比分析得出結(jié)論:在同一種特征提取方法下，由OMP算法做分類判別得到的識別率比其他的三種分類方法要高，并且在同時用OMP算法做分類判別的前提條件下，我們所提出的三種算法在大