基于SRM方法的人臉識別研究.pdf

1、人臉識別起源于模式識別,是圖像處理中的熱門研究方向,經(jīng)過幾十年的研究,取得了顯著的成就,在諸多領(lǐng)域都有重要的應(yīng)用。在現(xiàn)有的大多數(shù)人臉識別研究中,能否進(jìn)行有效的特征抽取并進(jìn)行線性變換是影響人臉圖像識別效率的一個重要因素。究竟哪種特征提取方法是最優(yōu)選擇尚未出現(xiàn)定論。而基于信號統(tǒng)計(jì)領(lǐng)域的稀疏描述方法(Sparse Representation Method, SRM)提供了一種新的思路,繞開線性特征抽取這一步驟,采用圖庫中的訓(xùn)練樣本的線性組合

2、來描述測試圖像,然后使用最近子空間(Nearest Subspace, NS)方法對測試圖像分類,以此完成對人臉圖像的識別。SRM認(rèn)為構(gòu)造魯棒的分類器比選擇何種特征抽取方法對于人臉識別系統(tǒng)更為重要。SRM方法有創(chuàng)新之處,也有其劣勢,它的算法需經(jīng)過多步迭代才能完成范數(shù)的求解,其計(jì)算復(fù)雜度高。本文將在稀疏描述方法的基礎(chǔ)上,提供幾種具有較低計(jì)算復(fù)雜度的改進(jìn)算法,并通過人臉識別實(shí)驗(yàn)以檢驗(yàn)改進(jìn)算法的識別率。
　　SRM方法的算法難度在于,如

3、何求解圖庫中訓(xùn)練樣本的線性表達(dá)式最稀疏的的分解系數(shù),亦即:對測試樣本進(jìn)行分類將產(chǎn)生大量的計(jì)算。在本文中,基于構(gòu)造簡化的分類器和考慮實(shí)際應(yīng)用中的因素,我們設(shè)計(jì)了四套稀疏描述方法的改進(jìn)算法。改進(jìn)算法包括:使用樣本均值建立稀疏表達(dá)式,在樣本中增加均值臉,引入其它識別方案作為預(yù)處理步驟,構(gòu)造虛擬訓(xùn)練樣本。我們在目前主流的人臉圖像數(shù)據(jù)庫(ORL, YALE, AR)上進(jìn)行實(shí)驗(yàn),并選用不同數(shù)量訓(xùn)練樣本和測試樣本來檢測新方法的可靠性。實(shí)驗(yàn)過程在MAT