基于協作表達分類算法的三維人臉識別研究.pdf

1、當前的人臉識別技術主要是基于二維人臉灰度圖像的,雖然其簡單、快捷并且有效,但是一旦被識別者所處的環(huán)境受到光線變化的影響,或者其自身表情、姿態(tài)以及遮擋物的變化都會導致識別率的急劇下降,極大地限制了人臉識別技術的進一步發(fā)展。成像技術的發(fā)展使得三維數據的獲取變得更加便捷,并且獲取到的深度數據對光照等變化不敏感,能夠更真實地反映人臉的固有信息,使得三維人臉深度圖識別成為人臉識別的一個重要研究方向,吸引了越來越多研究者的關注與研究。為了緩解二維人

2、臉識別中光照、表情以及姿態(tài)等變化帶來的影響,增強人臉識別性能,本文在三維人臉深度圖上開展了一系列研究,提出了基于協作表達分類算法的人臉識別方法。
　　本文首先概述了人臉識別的研究背景和意義,調研了人臉識別的發(fā)展以及現狀,對于人臉識別中的基礎技術如人臉特征選擇、特征提取和降維、分類等進行了闡述,對于稀疏表達以及協作表達在人臉識別上的應用也做了系統的研究。
　　每類樣本訓練圖像較少時會面臨訓練信息不足的問題,進而導致識別效果不佳

3、,為了克服這個問題,本文通過在復數域空間結合二維人臉灰度數據和三維人臉深度數據,增加訓練樣本信息量,在協作表示分類算法的基礎上,定義一種相似性度量方法,對測試人臉進行分類。我們在實時成像系統采集的人臉庫和Texas人臉庫上進行實驗,結果表明本方法具有一定的可靠性。
　　接著,針對二維人臉識別不能有效克服光照、表情、姿態(tài)等變化的問題,通過提取三維人臉深度圖的Gabor特征來描述人臉,保留人臉結構中更多利于識別分類的信息,并將核學習的