版權(quán)說(shuō)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(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、隨著人臉識(shí)別應(yīng)用需求的不斷增長(zhǎng),無(wú)約束環(huán)境下的人臉識(shí)別得到了廣泛的關(guān)注和研究。部分遮擋是無(wú)約束環(huán)境下人臉識(shí)別面臨的主要問(wèn)題之一。部分遮擋造成人臉信息缺失,嚴(yán)重影響了特征的提取和識(shí)別,是人臉識(shí)別一直未很好解決的難題。研究對(duì)遮擋魯棒的人臉識(shí)別方法是人臉識(shí)別技術(shù)進(jìn)一步廣泛應(yīng)用的重要課題。
目前部分遮擋人臉識(shí)別的研究還存在以下不足:(1)已有遮擋人臉識(shí)別算法只對(duì)小面積的遮擋有效,對(duì)像口罩等類型的大面積遮擋識(shí)別率下降;(2)已有基于非負(fù)
2、矩陣分解的部分遮擋人臉特征提取算法沒(méi)有同時(shí)考慮人臉流形幾何結(jié)構(gòu)、重構(gòu)誤差分布的長(zhǎng)尾特點(diǎn)及監(jiān)督信息,得到的特征不夠魯棒;(3)已有基于稀疏表示的部分遮擋人臉表示學(xué)習(xí)算法假設(shè)表示系數(shù)之間相互獨(dú)立,沒(méi)有考慮人臉流形局部幾何結(jié)構(gòu)。
為了解決上述問(wèn)題,本文以近年來(lái)發(fā)展的稀疏表示理論和非負(fù)矩陣分解理論為基礎(chǔ),利用機(jī)器學(xué)習(xí)的方法,從三個(gè)不同層次對(duì)部分遮擋人臉識(shí)別問(wèn)題展開了深入研究:
(1)在有監(jiān)督信息和遮擋訓(xùn)練樣本的情況下,針對(duì)大
3、面積遮擋,提出了基于遮擋字典學(xué)習(xí)的魯棒人臉識(shí)別算法。主要從以下三個(gè)方面解決了該問(wèn)題:1)提出了遮擋字典來(lái)建模部分遮擋模式。遮擋字典的每個(gè)原子均為一種遮擋原型如墨鏡、口罩等,將待測(cè)人臉圖像中的遮擋表達(dá)為遮擋原型的稀疏線性組合。2)建立了基于相關(guān)性最小化的遮擋字典學(xué)習(xí)模型。訓(xùn)練樣本字典原子的稀疏線性組合表達(dá)非遮擋人臉,遮擋字典原子的稀疏線性組合表達(dá)遮擋部分,通過(guò)最小化訓(xùn)練樣本字典與遮擋字典的相關(guān)性,將遮擋人臉和非遮擋人臉有效分離,從而利用非
4、遮擋人臉進(jìn)行識(shí)別。3)提出了快速的遮擋字典求解算法,并證明了算法的收斂性。每次選擇更新一個(gè)字典原子,同時(shí)在更新下一個(gè)原子時(shí)使用已經(jīng)更新的原子,從而加快算法收斂速度。實(shí)驗(yàn)結(jié)果表明:該方法學(xué)習(xí)到的字典原子均為一些基本的遮擋模式,如墨鏡、口罩、光照變化模式等,極大地提高了大面積連續(xù)遮擋人臉的識(shí)別率。
(2)接著,在僅有監(jiān)督信息而無(wú)遮擋訓(xùn)練樣本的情況下,針對(duì)現(xiàn)有非負(fù)矩陣分解方法對(duì)遮擋敏感的問(wèn)題,結(jié)合人臉流形幾何結(jié)構(gòu)和監(jiān)督信息,提出了基
5、于魯棒非負(fù)塊對(duì)齊的人臉識(shí)別算法。首先基于遮擋人臉重構(gòu)誤差分布的長(zhǎng)尾特點(diǎn),提出用相關(guān)熵誘導(dǎo)測(cè)度度量重構(gòu)誤差;對(duì)重構(gòu)誤差大的像素點(diǎn)賦予小的權(quán)重,對(duì)重構(gòu)誤差小的像素點(diǎn)賦予大的權(quán)重,在迭代過(guò)程中自適應(yīng)地學(xué)習(xí)估計(jì)權(quán)值。針對(duì)目標(biāo)函數(shù)的非凸性,通過(guò)引入新的輔助變量,增加變量空間,將原來(lái)的非凸優(yōu)化問(wèn)題轉(zhuǎn)化為一個(gè)半二次優(yōu)化問(wèn)題;利用輪換優(yōu)化方法得到簡(jiǎn)潔的乘性迭代公式,并證明了算法收斂性。作為魯棒非負(fù)塊對(duì)齊框架的應(yīng)用,提出了局部保持非負(fù)塊對(duì)齊算法和稀疏保持
6、非負(fù)塊對(duì)齊算法。在局部保持非負(fù)塊對(duì)齊算法中,構(gòu)造局部稀疏圖來(lái)刻畫人臉流形的局部幾何結(jié)構(gòu)。對(duì)每個(gè)人臉,先通過(guò)k-近鄰法選擇一個(gè)較大的鄰域集,然后再對(duì)該鄰域內(nèi)的樣本點(diǎn)求稀疏表示,有效結(jié)合了k-近鄰的局部性和稀疏表示的魯棒性。在稀疏保持非負(fù)塊對(duì)齊算法中,利用稀疏重構(gòu)系數(shù)描述局部幾何結(jié)構(gòu)和加權(quán)距離刻畫類可分性,結(jié)合監(jiān)督信息,構(gòu)造了判別式部分優(yōu)化模型。兩種算法在實(shí)際遮擋、模擬遮擋等各種情況下取得了很好的聚類和識(shí)別結(jié)果,表明了該算法的有效性和魯棒性
7、。
(3)進(jìn)一步,在既無(wú)監(jiān)督信息又沒(méi)有遮擋訓(xùn)練樣本的情況下,針對(duì)標(biāo)準(zhǔn)稀疏表示獨(dú)立性假設(shè)的不足,結(jié)合局部幾何結(jié)構(gòu),提出了基于圖嵌入結(jié)構(gòu)稀疏的魯棒人臉表示學(xué)習(xí)算法。標(biāo)準(zhǔn)稀疏表示假設(shè)表示系數(shù)之間相互獨(dú)立,這與實(shí)際應(yīng)用是不相符的,因?yàn)橄嗨菩盘?hào)的稀疏表示應(yīng)該是相似的??紤]到人臉流形的幾何結(jié)構(gòu),本文提出了局部群稀疏圖來(lái)刻畫相似人臉的結(jié)構(gòu)關(guān)系,并將其嵌入到稀疏表示框架中,建立了結(jié)構(gòu)稀疏表示模型。將結(jié)構(gòu)稀疏優(yōu)化問(wèn)題轉(zhuǎn)化為多個(gè)子問(wèn)題,提出了基于
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)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(qǐng)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(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)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(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)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(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于非負(fù)矩陣分解和稀疏表示的人臉識(shí)別算法研究.pdf
- 基于非負(fù)稀疏矩陣分解的人臉表情識(shí)別
- 基于稀疏表示的遮擋人臉識(shí)別算法的研究與實(shí)現(xiàn).pdf
- 基于非負(fù)稀疏矩陣分解的人臉表情識(shí)別.pdf
- 基于稀疏表達(dá)的遮擋人臉識(shí)別研究.pdf
- 基于類別信息和稀疏表示的非負(fù)矩陣分解.pdf
- 基于非負(fù)稀疏矩陣分解的手指靜脈識(shí)別.pdf
- 基于非負(fù)矩陣分解的人臉表情識(shí)別.pdf
- 基于非負(fù)矩陣分解的人臉表情識(shí)別研究.pdf
- 稀疏圖正則非負(fù)矩陣分解及其在人臉識(shí)別中的應(yīng)用.pdf
- 基于稀疏表示和非負(fù)矩陣分解理論的目標(biāo)跟蹤算法研究.pdf
- 基于非負(fù)矩陣稀疏分解和徑向基神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別方法.pdf
- 基于對(duì)稱非負(fù)矩陣分解的人臉識(shí)別算法研究.pdf
- 基于判別超圖和非負(fù)矩陣分解的人臉識(shí)別方法.pdf
- 基于圖像分割的遮擋人臉識(shí)別研究.pdf
- 基于視頻的遮擋人臉檢測(cè)與識(shí)別研究.pdf
- 基于單演特征和遮擋字典的稀疏表示人臉識(shí)別研究.pdf
- 基于低秩分解和稀疏表示的人臉識(shí)別研究.pdf
- 基于稀疏表示和低秩矩陣分解的人臉識(shí)別與圖像對(duì)齊方法研究.pdf
- 基于局部二值模式和非負(fù)矩陣分解的人臉表情識(shí)別.pdf
評(píng)論
0/150
提交評(píng)論