基于集成學(xué)習(xí)模型的單樣本人臉圖像識(shí)別研究.pdf

1、單樣本人臉圖像識(shí)別是指在每類訓(xùn)練圖像只有一個(gè)的情況下，對(duì)測(cè)試人臉圖像進(jìn)行識(shí)別的方法。作為人臉識(shí)別的一個(gè)重要研究方向，單樣本人臉圖像識(shí)別廣泛應(yīng)用于過境檢查、嫌犯身份確認(rèn)等場(chǎng)合。由于樣本過少，并且受到光照、旋轉(zhuǎn)等不利因素的影響，如何提高單樣本人臉圖像識(shí)別的精度是一個(gè)比較困難的問題。針對(duì)這一問題，我們開展了以下兩個(gè)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(shí)別方法。在我們的方法中，首先，利用通用訓(xùn)練集對(duì)圖像在光照、遮擋等情況下人臉的變化進(jìn)行實(shí)驗(yàn)對(duì)比，并生成變化字典。其次，通過PSO對(duì)查詢樣本局部表示的各種參數(shù)進(jìn)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(shù)。最后，將查詢樣本通過優(yōu)化后的參數(shù)進(jìn)行局部表示，并將查詢樣本用變化字典和訓(xùn)練樣本表示進(jìn)行識(shí)別。由于PSO優(yōu)化算法能尋找到給定參數(shù)的最優(yōu)解，所以本文將其用在參數(shù)優(yōu)化上，從而提高了識(shí)別率。
　　2提出了一種

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