基于壓縮感知人臉識(shí)別算法研究.pdf

1、隨著計(jì)算機(jī)技術(shù)的發(fā)展，人臉識(shí)別技術(shù)已經(jīng)逐漸成為了計(jì)算機(jī)視覺與生物信息等領(lǐng)域的研究熱點(diǎn)之一。人臉識(shí)別技術(shù)在安全驗(yàn)證、人機(jī)交流、公安系統(tǒng)、檔案管理等方面都得到了廣泛的應(yīng)用。雖然人臉圖像較容易獲得，但是由于光照、姿態(tài)、遮擋和年齡等等問題使得人臉識(shí)別技術(shù)的復(fù)雜度和難度都相當(dāng)高。經(jīng)過了幾十年的發(fā)展，人臉識(shí)別技術(shù)并未取得預(yù)期的效果，進(jìn)展緩慢。
　　現(xiàn)在人臉識(shí)別算法主要基于統(tǒng)計(jì)學(xué)習(xí)理論。這些理論建立在大量樣本的基礎(chǔ)上，可以有效地處理低維數(shù)據(jù)，但

2、是對(duì)于高維數(shù)據(jù)卻難以取得預(yù)期效果。隨著技術(shù)的發(fā)展，現(xiàn)在的圖像數(shù)據(jù)都是高維數(shù)據(jù)，而且可采集的樣本數(shù)量也是很有限的，這也導(dǎo)致了這些經(jīng)典的統(tǒng)計(jì)學(xué)習(xí)理論很難處理現(xiàn)有的圖像數(shù)據(jù)。
　　2006年 Donoho與Candes等人提出了一個(gè)新的理論框架——壓縮感知，它可以有效地解決數(shù)據(jù)從高維到低維的轉(zhuǎn)換，這給人臉識(shí)別帶來了新的春天。該理論中最為經(jīng)典的就是基于稀疏表示人臉識(shí)別算法（Sparse Representation-based Class

3、ification,SRC）。與現(xiàn)有多數(shù)方法相比，SRC方法直接利用了高維數(shù)據(jù)分布的稀疏性進(jìn)行統(tǒng)計(jì)推斷，可以有效地避免維數(shù)災(zāi)難問題。同時(shí)，SRC方法直接利用原始像素進(jìn)行人臉識(shí)別，避免了各種預(yù)處理過程造成的信息丟失。
　　現(xiàn)有 SRC方法要求測(cè)試圖像和訓(xùn)練圖像嚴(yán)格對(duì)齊，遮擋、噪音、姿態(tài)和表情變化都會(huì)引起人臉圖像產(chǎn)生誤差。本文研究在遮擋和有噪音的情況下如何正確重構(gòu)和識(shí)別圖像，并提出一種對(duì)于遮擋和噪聲魯棒的改進(jìn)的基于稀疏表示的人臉識(shí)別算