基于稀疏表示的2d-3D人臉識別算法研究.pdf

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

2、，本文基于二維和三維圖像的融合特征，結合稀疏表示分類，完成人臉識別任務。
　　本文完成的主要工作和貢獻有:
　　(1)在高精度的中科院自動化所三維人臉數(shù)據(jù)集CASIA和低分辨率的三維人臉數(shù)據(jù)集法國EURECOMKFD上分別進行實驗，有效地完成數(shù)據(jù)歸一化與預處理，克服三維數(shù)據(jù)預處理的難題。
　　(2)在二維和三維人臉特征提取上，對主成分分析和線性判別分析進行實現(xiàn)方法上的改進;研究了局部二值的幾種變換模式，針對二維人臉灰度

3、圖像和三維人臉深度圖像，提出改進的LBP算子特征提取方法，并進行特征級的融合。
　　(3)在人臉匹配與識別階段，本文將稀疏表示應用于二維信息和三維信息融合的人臉識別當中。針對字典學習階段，本文提出一種改進LBP算子的字典構造稀疏表示人臉識別算法。
　　本文設置兩組實驗，十二種方案進行結果比較，實驗結果表明，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)的人臉識別方法有較