基于局部特征與聚類分析的人臉識別研究.pdf

1、人臉圖像由于在采集過程中會出現(xiàn)光照、姿勢以及表情變化等影響,不可避免的會增加人臉識別的難度。人臉識別是指對輸入的人臉圖像進行正確的識別,判斷輸入圖像屬于人臉數(shù)據(jù)庫中的哪類圖像。由于人臉識別具有安全、可靠以及便捷性等特點,它在生產(chǎn)實踐中的應用十分廣泛。在對人臉圖像進行稀疏表示時,良好的字典有助于提高后續(xù)的識別率。因此本文致力于訓練有較好表示能力的字典。
　　本文具體研究的工作內(nèi)容為:
　　1、介紹了全局特征提取算法特征臉法的求

2、解過程,壓縮感知理論的原理與過程,重構(gòu)算法的種類,并具體介紹了兩種稀疏求解方法——正交匹配算法(OMP)與梯度投影法(GP)。
　　2、介紹了兩種局部特征提取算法,方向梯度直方圖(HOG)和局部二值模式(LBP),將兩種局部特征提取算法進行有機地結(jié)合,來表示人臉圖像,根據(jù)本文所設(shè)定的加權(quán)比例進行實驗,提高了最終圖像的識別率。
　　3、首先介紹了稀疏表示用于人臉識別的原理,比較了L1范數(shù)與L2范數(shù)約束下不同的求解方法,并介紹了

3、基于協(xié)同表示的歸一化最小二次方識別方法(CRC_RLS)。其次基于稀疏表示分類模型,對字典構(gòu)造方法進行探索,采用局部特征構(gòu)造字典對人臉圖像進行線性表示,并使用多任務聯(lián)合方法,將HOG和LBP兩種局部特征的重構(gòu)誤差進行加權(quán),提高了識別率;最后比較了ALM算法、CRC_RLS算法以及L1-norm算法對人臉識別性能的影響。
　　4、介紹了神經(jīng)網(wǎng)絡(luò)的基本原理,針對大部分神經(jīng)網(wǎng)絡(luò)對人臉識別的識別率不高的情況,提出了將K均值算法軟編碼方案運