基于稀疏表達(dá)的人臉識(shí)別算法研究與實(shí)現(xiàn).pdf

1、隨著人工智能技術(shù)的飛速發(fā)展，人臉識(shí)別因其較高的學(xué)術(shù)研究?jī)r(jià)值和廣闊的應(yīng)用前景成為近十年來(lái)計(jì)算機(jī)視覺(jué)領(lǐng)域的研究熱點(diǎn)。與其他生物識(shí)別技術(shù)相比，人臉識(shí)別具有識(shí)別過(guò)程友好、操作簡(jiǎn)易、可多人同時(shí)識(shí)別等優(yōu)點(diǎn)，目前主要應(yīng)用于考勤和安防等領(lǐng)域?；谙∈璞磉_(dá)的人臉識(shí)別是近年來(lái)熱門(mén)的研究課題，其簡(jiǎn)單的算法框架、對(duì)特征選取的不敏感和較強(qiáng)的魯棒性受到國(guó)內(nèi)外研究學(xué)者的關(guān)注。盡管基于稀疏表達(dá)的人臉識(shí)別涌現(xiàn)出了大量的研究成果，但如何提高復(fù)雜環(huán)境下的識(shí)別精度是仍然需要解

2、決的問(wèn)題。本文的研究工作圍繞這一問(wèn)題開(kāi)展，主要研究?jī)?nèi)容包括如下幾個(gè)方面：
　　1.研究給出一種光照補(bǔ)償字典學(xué)習(xí)方法。稀疏表達(dá)算法為了在復(fù)雜光照條件下的得到良好的識(shí)別效果，需要訓(xùn)練樣本中包含充分的光照變化。為解決稀疏表達(dá)對(duì)訓(xùn)練樣本充分程度的依賴(lài)，本文研究了一種光照補(bǔ)償字典學(xué)習(xí)方法。該方法學(xué)習(xí)出對(duì)光照變化具有最佳表達(dá)能力的字典，在分類(lèi)時(shí)，通過(guò)字典和訓(xùn)練樣本對(duì)測(cè)試樣本進(jìn)行線性重構(gòu)。實(shí)驗(yàn)結(jié)果表明在少量訓(xùn)練樣本條件下，該方法取得了良好的分類(lèi)

3、效果。
　　2.研究給出一種判別字典學(xué)習(xí)方法。字典判別能力的優(yōu)劣會(huì)影響稀疏表達(dá)算法的識(shí)別精度。為提高稀疏表達(dá)算法的識(shí)別精度，本文研究了一種判別字典學(xué)習(xí)方法。該方法利用樣本的類(lèi)別信息構(gòu)建稀疏編碼的類(lèi)標(biāo)一致性誤差項(xiàng)和分類(lèi)誤差項(xiàng)，并將誤差項(xiàng)引入目標(biāo)函數(shù)中，建立字典、線性變換矩陣和分類(lèi)器的統(tǒng)一學(xué)習(xí)模型，通過(guò)迭代收斂的方式求解模型。實(shí)驗(yàn)結(jié)果表明該方法取得良好的分類(lèi)效果。
　　3.研究給出一種局部區(qū)域稀疏表達(dá)人臉識(shí)別算法。針對(duì)人臉識(shí)別中