基于稀疏性理論的人臉識別方法研究.pdf

1、隨著現(xiàn)代科學技術的不斷發(fā)展，人臉識別越來越受到了人們的關注，正成為國際性的研究熱點。人臉識別整個過程主要包括圖像預處理、特征提取以及模式分類3個階段，其中特征提取與模式分類兩個步驟最為關鍵。特征提取階段，K_L變換算法較為經典，它是一種基于全局性的特征提取算法。與之相對應的是基于局部性的特征提取算法，稀疏編碼算法即是一種基于局部特征提取的算法，它有著減少冗余數(shù)據(jù)，增強數(shù)據(jù)魯棒性等優(yōu)點。模式分類器可以分為非線性分類器與線性分類器。支持向量

2、機是一種線性分類器，它在小樣本數(shù)據(jù)中分類效果是最佳的，被廣泛的應用在人臉識別中。
　　 稀疏編碼算法雖然有著許多優(yōu)點，但現(xiàn)階段稀疏編碼算法迭代時間長，效率較低，本文提出了一種高效0范數(shù)稀疏編碼算法，在模型的間斷點連續(xù)開拓后進行求解，大大提高算法的運算效率。由于將稀疏編碼算法運用到人臉識別中，模式分類階段是必不可少的，因此本文中還對模式分類階段的支持向量機進行簡單的研究，最終對模型中懲罰參數(shù)的選擇進行改進。最終利用高效0范數(shù)稀疏編

3、碼算法并結合改進后的支持向量機組成一種新的高效的人臉識別方法。
　　 為了驗證本文提出的0范數(shù)稀疏編碼算法的高效性，將與NMFs算法進行比較，實驗在ORL人臉庫上進行。最終的實驗數(shù)據(jù)表明本文提出的0范數(shù)稀疏編碼算法在收斂速度上優(yōu)于NMFs算法，大大縮短了整個算法的迭代時間。對支持向量機懲罰參數(shù)的選擇也進行了實驗，最終得到了一種選擇懲罰參數(shù)的方法，即對表情姿態(tài)不豐富的人臉庫我們可以相對隨機的選取矯正系數(shù)矩陣，對表情姿態(tài)豐富的人臉庫