基于稀疏表示和局部描述的人臉識(shí)別算法研究.pdf

1、近年來(lái)，人臉識(shí)別技術(shù)得到了迅猛的發(fā)展，已經(jīng)應(yīng)用到各個(gè)領(lǐng)域．相比其它生物識(shí)別技術(shù)，人臉識(shí)別的信息易于采集、非接觸形式容易被人接受，因此收到了多種應(yīng)用領(lǐng)域的青睞，但同時(shí)給實(shí)際應(yīng)用提出了巨大的挑戰(zhàn)．各種環(huán)境變化、目標(biāo)配合程度導(dǎo)致識(shí)別系統(tǒng)中注冊(cè)樣本與測(cè)試樣本有較大的差距，影響實(shí)際的識(shí)別效果．本文以建立非理想測(cè)試樣本的表示模型和提取人臉判別特征為研究目標(biāo)，以變化特征表示和局部變化模式為主要研究思路，對(duì)人臉識(shí)別問(wèn)題進(jìn)行研究，主要貢獻(xiàn)概括如下：

2、>　?。?）提出了基于變化特征表示（Variational Feature Representation Classifi-cation，VFRC）的人臉識(shí)別方法．VFRC不僅使用通用訓(xùn)練樣本的信息，而且參照了注冊(cè)樣本信息，再使用線性回歸模型獲得測(cè)試樣本的變化部分和正常部分，再將二者的組合信息用于分類模型以確定測(cè)試樣本身份．?dāng)?shù)值實(shí)驗(yàn)表明VFRC方法不僅計(jì)算時(shí)間耗費(fèi)少，而且在復(fù)雜變化條件下，如夸張表情、頭部姿態(tài)變化以及明顯遮擋情況等，能夠

3、獲得較高的識(shí)別準(zhǔn)確率．
　?。?）提出了帶有混合范數(shù)的定制稀疏表示（Customized Sparse Representa-tion model with Mixed Normal，CSR-MN）模型．在CSR-MN中，表示系數(shù)分為兩部分：一部分對(duì)應(yīng)于注冊(cè)數(shù)據(jù)，另一部分對(duì)應(yīng)于變化字典．因?yàn)樽兓值渚哂袕?fù)雜的特性，因此本文引進(jìn)混合范數(shù)正則項(xiàng)，其對(duì)應(yīng)的分布將更加符合實(shí)際情況．通過(guò)對(duì)CSR-MN模型的合理變形，復(fù)雜模型轉(zhuǎn)換成了容易求解

4、的l1極小化模型，從而同倫算法可用于模型求解．由于CSR-MN很好地模擬了人臉識(shí)別的實(shí)際情況，因此在大量的數(shù)值實(shí)驗(yàn)中表現(xiàn)出了明顯的優(yōu)勢(shì)．
　?。?）提出了基于定制字典的人臉識(shí)別方法（Customized Dictionary-based Face Recognition with Extended Joint Sparse Representation，CD-EJSR），擴(kuò)展的聯(lián)合稀疏表示用于該方法的分類階段．該方法沒(méi)有使用通用訓(xùn)

5、練集，而是直接從當(dāng)前測(cè)試目標(biāo)的人臉數(shù)據(jù)中學(xué)習(xí)變化信息，很好地?cái)M合了測(cè)試目標(biāo)的類內(nèi)變化．在分類階段，擴(kuò)展的聯(lián)合稀疏表示模型不僅充分利用了定制變化字典的優(yōu)勢(shì)，而且利用組結(jié)構(gòu)增強(qiáng)了準(zhǔn)確識(shí)別的效果．
　　（4）提出了基于Gabor小波和局部二值模式（LBP）的Gabor-scale二值模式（Gabor-scale Binary Pattern，GSBP），從空域、頻域充分考慮了鄰域間的關(guān)系．相比其它相關(guān)方法，GSBP通過(guò)對(duì)Gabor系數(shù)的

6、再加工，再利用LBP紋理算子，提煉出有力的判別特征．另外，較少尺度（如2或3）的濾波器表現(xiàn)出很好的識(shí)別效果，同時(shí)降低了計(jì)算復(fù)雜度．
　?。?）提出了改進(jìn)的彩色局部二值模式（Improved Color LBP，ICLBP），新的采樣規(guī)則和閾值確定策略用于彩色圖像的特征提?。疄榕浜螴CLBP的采樣規(guī)則及閾值確定方式，引入了k-uniform模式，它不僅從理論上擴(kuò)展了經(jīng)典的Uniform LBP模式，而且對(duì)改進(jìn)彩色人臉識(shí)別的效果起到了