基于虛擬樣本和稀疏表示的人臉識別算法研究.pdf

1、近年來，隨著計算機視覺技術(shù)以及模式識別的快速發(fā)展，人臉識別已經(jīng)成為了現(xiàn)代生物信息識別中一項十分重要的技術(shù)。迄今為止，人臉識別技術(shù)在理論研究和實際開發(fā)方面都取得了長足的發(fā)展。但是，在人臉識別的過程中依然會受到光照、人臉姿態(tài)、遮擋物、樣本不足等因素的負面影響，導致人臉識別正確率下降。因此，如何提高人臉識別的正確率成為了科研學者在人臉識別領(lǐng)域的研究重點，也是本文展開研究的主要方向。
　　本文簡要分析了稀疏表示方法和虛擬樣本方法的基本原理

2、以及在人臉識別中的應用。并且在此基礎(chǔ)上，根據(jù)稀疏表示和虛擬樣本的特點，提出了一種新的基于虛擬測試樣本的稀疏表示方法。本文的主要工作和創(chuàng)新點如下：
　　1)本文針對因人臉表情豐富而導致的訓練樣本不足的問題，提出了一種基于虛擬測試樣本的最近鄰算法。不同于其他增加訓練樣本數(shù)量的虛擬樣本方法，該算法利用人臉的對稱性產(chǎn)生虛擬測試樣本，模擬人臉表情和姿態(tài)可能的細微變化，增加測試樣本數(shù)量。然后將每個訓練樣本對原始測試樣本以及虛擬測試樣本的稀疏表

3、示結(jié)果進行加權(quán)，進行加權(quán)后的稀疏表示結(jié)果在一定程度上降低了因個別差異而產(chǎn)生的誤差。最后，將測試樣本歸類于最終做出最大貢獻的訓練樣本所屬的類別當中。通過實驗結(jié)果表明，該方法相比其他虛擬樣本方法和最近鄰方法能得到更高的人臉識別正確率。
　　2)為了進一步提高人臉識別的正確率，本文又提出了一種兩階段算法及其優(yōu)化后的算法。原始的兩階段算法是指，在第一階段時利用人臉對稱性產(chǎn)生虛擬測試樣本，并通過稀疏表示結(jié)果來選取最合適的訓練樣本。第二階段是