基于單演特征和遮擋字典的稀疏表示人臉識別研究.pdf_第1頁
已閱讀1頁,還剩58頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領

文檔簡介

1、在計算機視覺、機器學習及生物識別技術中,自動人臉識別技術是最具有挑戰(zhàn)的研究之一。盡管人臉識別在最近幾十年已經(jīng)被廣泛研究,且很多經(jīng)典的人臉特征提取和分類方法被提出,包括子空間學習的Eigenface、Fisherface、Laplacianfaces,基于Gabor特征的分類,以及具有機器學習功能的SVM等。但由于受遮擋、姿態(tài)變化和光照等影響,其識別性能依然受到很大的限制。因此在真實情況下提高人臉識別的魯棒性仍有必要。
  2008

2、年, John Wright等人首次將稀疏表示引入到人臉識別中,提出了SRC(Sparse Representation based Classification)方法。該方法是將訓練樣本作為字典,通過l1模最小化技術得到待識別圖像在字典上的稀疏表示系數(shù),并求解最小殘差來進行識別。SRC方法給人臉識別提供新的研究方向,由此本文對稀疏表示人臉識別進行了研究。針對圖像的光照和遮擋問題,重點研究了如何提取較好的局部特征和構造合理的遮擋字典兩個

3、部分。論文的主要工作及研究內(nèi)容包括:
  1)使用SRC方法進行人臉識別時,為了使得表示系數(shù)矢量具有更為顯著的稀疏性,受到GSRC(Gabor Feature based Sparse Repreentation Classification)算法的啟發(fā),本文將單演特征這種局部特征引入到稀疏表示分類中,提出了基于單演特征的稀疏表示分類方法,即MSRC(Monogenic Feature based SparseRepresenta

4、tion Classification)。由于單演特征能夠提取圖像的能量特征、結構特征和幾何特征,提取的圖像信息比較全面,使用它作為特征對后續(xù)的稀疏表示分類是比較有利的。在算法特征的處理時間上,相對于Gabor的多尺度和多方向,僅僅多尺度的單演特征能夠減少特征的處理時間。在AR庫和Extend YaleB庫上分別進行了實驗,驗證了所提算法的有效性。在AR庫上,MSRC算法雖然最高識別率與GSRC一致,都為97.143%,但是整體平均識別

5、率高于GSRC。在ExtendYaleB庫上,MSRC最高識別率為98.918%,高于GSRC的96.543%。
  2)對于待識別人臉出現(xiàn)損壞或遮擋時,考慮到遮擋的人臉往往可以認為是原始人臉和遮擋誤差疊加而成,研究了含有遮擋字典的擴展字典對識別性能的影響。重點研究了單位矩陣遮擋字典和Gabor遮擋字典??紤]到擴展字典的復雜性,使用壓縮傳感的理論去除遮擋區(qū)域,利用非遮擋區(qū)域作為字典進行識別。在含有遮擋人臉的AR庫上進行了實驗,比較

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論