姿態(tài)變化與困難光照條件下的人臉識別研究.pdf

1、人臉識別是模式識別、計算機視覺等領(lǐng)域中的一項重要的、有意義的研究課題，在過去的幾十年中，正臉的人臉識別已經(jīng)取得了令人滿意的進展，但是對有姿態(tài)變化和困難光照條件下的人臉圖像的識別仍然有待提高。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）來處理人臉識別中的姿態(tài)與光照變化問題。提出

2、的BDDL有以下特點:1）對編碼系數(shù)加2范數(shù)正則化，使學(xué)到的字典更適合人臉識別;2）通過最小化由每類字典原子重構(gòu)對應(yīng)類的訓(xùn)練樣本，可以學(xué)到一個結(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，一個對樣本和編碼系數(shù)雙線性的判別項嵌入在提出的BDDL模型中，這個雙線性判別項從本質(zhì)上是解決一個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，提出了一個評估BDC置信度的準(zhǔn)則。實驗結(jié)果表明提出的BDDL對于姿態(tài)和光照變化條件下的人臉識別是有效的。
　　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)域的光照并增強低頻區(qū)域的人臉特征。另外，本文還提出一個在局部直方圖規(guī)定化和局部直方圖均衡化中每次迭代過程中計算某個灰度級累積分布函數(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