單訓練樣本條件下人臉識別技術研究.pdf

1、作為圖像處理和圖像分析在生物特征認證領域最成功的應用之一，自動人臉識別(Automatic Face Recognition，AFR)最近幾年來成為研究熱點，受到廣大學者的特別關注。自動人臉識別相比其它生物特征識別具有直接、方便、友好等特點。單訓練樣本是許多實際應用中的一個限制條件，而現(xiàn)有的許多算法在單訓練樣本條件下識別率會急劇下降有些甚至無法應用。因而對單訓練樣本條件人臉識別技術的特別研究，具有重要的理論意義和應用價值。 本文

2、首先介紹人臉識別課題的研究背景與意義，總結和分析了國內外人臉識別研究的現(xiàn)狀與進展。圍繞人臉識別的具體應用，詳細分析了單訓練樣本人臉識別問題的特殊性，提出了一種新的基于多姿態(tài)虛擬樣本生成和圖像信息增強的人臉識別算法。該方法應用Candide-3模型，將正面的人臉通過姿態(tài)調整產生多個不同姿態(tài)下的人臉圖像，同時結合基于訓練樣本增強的統(tǒng)一基空間奇異值分解方法進行特征表示與增強，應用最近鄰法進行分類取得了很好的效果，緩解了由于樣本限制而導致的識別

3、率驟降問題。 自動人臉識別技術包括人臉辨識和人臉驗證。但目前大多數(shù)研究工作集中于人臉辨識的研究，很少有文獻對人臉驗證特別是其特殊性進行深入的探討?；谶@一現(xiàn)實，本文集中討論了自動人臉識別技術中人臉驗證問題的特殊性。針對人臉驗證問題的特殊性提出了一種基于Candide-3和支持向量機(Support Vector Machines，SVM)的單訓練樣本人臉驗證方法，該方法通過對重建模型的旋轉產生姿態(tài)不同的數(shù)字人臉，將它們和原始樣本