姿態(tài)變化與困難光照條件下的人臉識(shí)別研究.pdf

1、人臉識(shí)別是模式識(shí)別、計(jì)算機(jī)視覺等領(lǐng)域中的一項(xiàng)重要的、有意義的研究課題，在過去的幾十年中，正臉的人臉識(shí)別已經(jīng)取得了令人滿意的進(jìn)展，但是對(duì)有姿態(tài)變化和困難光照條件下的人臉圖像的識(shí)別仍然有待提高。本文主要研究了在姿態(tài)變化與困難光照條件下的人臉識(shí)別，主要的工作有:
　　1.提出了雙線性判別字典學(xué)習(xí)方法（Bilinear Discriminative DictionaryLearning，BDDL）來處理人臉識(shí)別中的姿態(tài)與光照變化問題。提出

2、的BDDL有以下特點(diǎn):1）對(duì)編碼系數(shù)加2范數(shù)正則化，使學(xué)到的字典更適合人臉識(shí)別;2）通過最小化由每類字典原子重構(gòu)對(duì)應(yīng)類的訓(xùn)練樣本，可以學(xué)到一個(gè)結(jié)構(gòu)化的字典，該字典使得在分類的過程中每類的重構(gòu)殘差更有判別性;3）為了挖掘樣本在字典上編碼的判別性，一個(gè)對(duì)樣本和編碼系數(shù)雙線性的判別項(xiàng)嵌入在提出的BDDL模型中，這個(gè)雙線性判別項(xiàng)從本質(zhì)上是解決一個(gè)在再生核希爾伯特空間（RKHS）中的回歸問題。另外，本文提出了一個(gè)新的分類器:雙線性判別分類器(th

3、e Bilinear DiscriminativeClassifier，BDC)，并基于K-L散度，提出了一個(gè)評(píng)估BDC置信度的準(zhǔn)則。實(shí)驗(yàn)結(jié)果表明提出的BDDL對(duì)于姿態(tài)和光照變化條件下的人臉識(shí)別是有效的。
　　2.提出了基于直方圖學(xué)習(xí)的局部直方圖規(guī)定化(LHS-L)和靈活的LHS-L(f-LHS-L)來處理困難光照條件下的人臉圖像。提出的方法首先在人臉圖像上用一個(gè)高通的過濾器來過濾掉低頻區(qū)域的光照，然后從正常光照的人臉圖像上學(xué)習(xí)得

4、到局部直方圖和局部直方圖統(tǒng)計(jì)量，LHS-L將局部直方圖規(guī)定化(LHS)應(yīng)用在圖像的所有區(qū)域，而f-LHS-L利用局部直方圖統(tǒng)計(jì)量將人臉圖像上高頻光照和低頻人臉特征所在的區(qū)域檢測出來，最后將LHS應(yīng)用在這些區(qū)域，來削弱高頻區(qū)域的光照并增強(qiáng)低頻區(qū)域的人臉特征。另外，本文還提出一個(gè)在局部直方圖規(guī)定化和局部直方圖均衡化中每次迭代過程中計(jì)算某個(gè)灰度級(jí)累積分布函數(shù)值的快速算法，并且提出的快速算法在理論上可以得到保證。
　　3.提出了分類器集成