基于稀疏表示的2d-3D人臉識(shí)別算法研究.pdf

1、現(xiàn)代人臉識(shí)別分為三個(gè)部分:人臉數(shù)據(jù)預(yù)處理，人臉特征提取以及人臉特征分類。人臉識(shí)別中遇到的主要問(wèn)題包括了姿態(tài)、光線、采集、遮擋、生物感知和人臉變化等。目前信號(hào)處理熱門的技術(shù)——壓縮感知，在圖像去噪、圖像重建、人臉識(shí)別等方面有著出色的表現(xiàn)。在人臉識(shí)別中，稀疏表示（壓縮感知）方法利用測(cè)試樣本的重構(gòu)誤差進(jìn)行分類。
　　由于三維圖像能夠較好的克服二維圖像的局限，而二維人臉識(shí)別中已有許多成熟的算法，稀疏表示對(duì)特征提取有著較為魯棒性的結(jié)果，因此

2、，本文基于二維和三維圖像的融合特征，結(jié)合稀疏表示分類，完成人臉識(shí)別任務(wù)。
　　本文完成的主要工作和貢獻(xiàn)有:
　　(1)在高精度的中科院自動(dòng)化所三維人臉數(shù)據(jù)集CASIA和低分辨率的三維人臉數(shù)據(jù)集法國(guó)EURECOMKFD上分別進(jìn)行實(shí)驗(yàn)，有效地完成數(shù)據(jù)歸一化與預(yù)處理，克服三維數(shù)據(jù)預(yù)處理的難題。
　　(2)在二維和三維人臉特征提取上，對(duì)主成分分析和線性判別分析進(jìn)行實(shí)現(xiàn)方法上的改進(jìn);研究了局部二值的幾種變換模式，針對(duì)二維人臉灰度

3、圖像和三維人臉深度圖像，提出改進(jìn)的LBP算子特征提取方法，并進(jìn)行特征級(jí)的融合。
　　(3)在人臉匹配與識(shí)別階段，本文將稀疏表示應(yīng)用于二維信息和三維信息融合的人臉識(shí)別當(dāng)中。針對(duì)字典學(xué)習(xí)階段，本文提出一種改進(jìn)LBP算子的字典構(gòu)造稀疏表示人臉識(shí)別算法。
　　本文設(shè)置兩組實(shí)驗(yàn)，十二種方案進(jìn)行結(jié)果比較，實(shí)驗(yàn)結(jié)果表明，本文方法在CASIA數(shù)據(jù)集上與前人的方法相比，有一定程度的提升。在提取相同的特征維數(shù)的情況下，比起傳統(tǒng)的人臉識(shí)別方法有較