小樣本條件下的部分遮擋人臉驗證研究.pdf

1、人臉驗證技術(shù)因其安全性、友好性及可靠性等在身份認(rèn)證中得到了廣泛的應(yīng)用。但是在實際應(yīng)用中，人臉圖像經(jīng)常出現(xiàn)部分遮擋問題造成認(rèn)證性能顯著下降。人臉驗證中易出現(xiàn)小樣本問題降低分類預(yù)測性能。所以，針對小樣本條件下的部分遮擋人臉驗證問題，本文提出多閾值方法解決人臉驗證中部分遮擋問題，PCA+改進聯(lián)合貝葉斯算法解決小樣本問題。理論和實驗證明了本文方法的有效性。
　　首先介紹了研究背景及研究意義，介紹了人臉識別、部分遮擋和小樣本問題的國內(nèi)外研究

2、現(xiàn)狀和本文研究難點。
　　然后，針對部分遮擋類型的遮擋問題，根據(jù)注冊集和測試集中出現(xiàn)的不同遮擋組合情況以及人臉驗證的特殊性即事先確認(rèn)閾值，提出多閾值方法解決。多閾值確認(rèn)，根據(jù)注冊集和測試集的不同遮擋組合分配數(shù)據(jù)，利用二分法分別確認(rèn)相應(yīng)的閾值。多閾值測試，SVM多分類器對注冊集和測試集圖像的遮擋類型進行分類，并選取相應(yīng)的閾值進行判別。
　　其次，針對小樣本造成的維數(shù)災(zāi)難問題，采用PCA降維解決聯(lián)合貝葉斯散度矩陣奇異問題。針對小

3、樣本造成的過擬合問題，提出一種改進的聯(lián)合貝葉斯算法，采用K最近鄰算法，選取鄰類類內(nèi)散度矩陣并與該類類內(nèi)散度矩陣進行加權(quán)，經(jīng)過平滑處理得到更加精確魯棒的總類內(nèi)散度矩陣。
　　最后，在AR數(shù)據(jù)庫和CIGIT數(shù)據(jù)庫上分別驗證了部分遮擋人臉驗證多閾值方法的有效性。相比單閾值方法，多閾值方法的半錯誤率分別降低了30.87％和33.33%。在WDRef數(shù)據(jù)庫和LFW數(shù)據(jù)庫上驗證改進聯(lián)合貝葉斯算法。實驗表明，改進的聯(lián)合貝葉斯算法性能顯著優(yōu)于聯(lián)合