單樣本人臉識別方法研究.pdf

1、近年來人臉識別得到了廣泛的關(guān)注,且已經(jīng)出現(xiàn)了很多經(jīng)典有效的人臉識別方法。但在很多應(yīng)用場景中,數(shù)據(jù)庫對每個人只能采集到一幅人臉圖像用于訓(xùn)練,由于訓(xùn)練樣本單一且存在姿態(tài)、遮擋等干擾,大多數(shù)常規(guī)的人臉識別方法在單訓(xùn)練樣本條件下識別率急劇下降。因此,本文針對姿態(tài)變化、遮擋條件下的單樣本人臉識別問題進(jìn)行了研究。本文主要的研究內(nèi)容及貢獻(xiàn)總結(jié)如下:
　　(1)針對姿態(tài)變化條件下的單樣本人臉識別問題,提出了一種基于混合紋理特征和二次分類的單樣本人

2、臉識別方法。研究有效的特征提取方法有助于提高單樣本人臉識別效率。對于現(xiàn)有的完整局部二進(jìn)制模式(Compound Local Binary Pattern, CLBP)的不足,以及考慮到CLBP和差分激勵(Differential Excitation, DE)兩種特征的互補(bǔ)作用,提出了在非勻稱區(qū)域(Asymmetric Region, AR)上結(jié)合DE和CLBP的混合紋理特征提取方法。為了降低姿態(tài)變化帶來的影響,在分類時引入彈性匹配方法

3、。但在大人臉庫上彈性匹配的計(jì)算量會很大,故采用二次分類策略,它通過排除不相似的匹配人臉來提高識別效率。實(shí)驗(yàn)證明,該方法對姿態(tài)變化具有較好的魯棒性。
　　(2)針對單樣本人臉識別在遮擋條件下的魯棒性問題,提出了一種基于自適應(yīng)加權(quán)和模糊融合的單樣本人臉識別方法。在子模式方法中引入信息熵的擴(kuò)展模式,通過自適應(yīng)賦予人臉的每個子模塊相應(yīng)權(quán)值來降低遮擋區(qū)域的影響;另外通過對人臉相似塊求和來彌補(bǔ)子模式方法忽視了人臉的整體性這一缺陷。最后利用模糊