基于集成學習模型的單樣本人臉圖像識別研究.pdf

1、單樣本人臉圖像識別是指在每類訓練圖像只有一個的情況下，對測試人臉圖像進行識別的方法。作為人臉識別的一個重要研究方向，單樣本人臉圖像識別廣泛應用于過境檢查、嫌犯身份確認等場合。由于樣本過少，并且受到光照、旋轉等不利因素的影響，如何提高單樣本人臉圖像識別的精度是一個比較困難的問題。針對這一問題，我們開展了以下兩個方面的工作:
　　1提出了一種基于局部通用表示粒子群優(yōu)化算法(Particle SwarmOptimization: PSO

2、)的單樣本人臉圖像識別方法。在我們的方法中，首先，利用通用訓練集對圖像在光照、遮擋等情況下人臉的變化進行實驗對比，并生成變化字典。其次，通過PSO對查詢樣本局部表示的各種參數進行優(yōu)化，其中包括分塊尺寸、鄰域尺寸、重疊尺寸和正則化參數。最后，將查詢樣本通過優(yōu)化后的參數進行局部表示，并將查詢樣本用變化字典和訓練樣本表示進行識別。由于PSO優(yōu)化算法能尋找到給定參數的最優(yōu)解，所以本文將其用在參數優(yōu)化上，從而提高了識別率。
　　2提出了一種

3、基于Gist特征的單樣本人臉圖像識別方法。在我們的方法中，首先，對人臉圖像進行預處理，同時用Gabor濾波器對圖像進行濾波，以便去除光照對圖像的影響。其次，對人臉圖像進行Gist特征提取。最后，用KNN分類器對提取出來的特征進行分類，并得到識別率。由于Gabor特征對于光照反應不敏感，以及Gist特征是在一定的區(qū)域內對所取的方向和尺度的平均值特征，所以本文提出的方法對人臉圖像在光照和旋轉等情況下具有較好的效果。
　　本文提出的兩種