低分辨率人臉圖像識(shí)別關(guān)鍵技術(shù)研究.pdf

1、人臉識(shí)別是當(dāng)前計(jì)算機(jī)視覺(jué)領(lǐng)域的一個(gè)研究熱點(diǎn)，也是模式識(shí)別研究的重要課題。人臉識(shí)別以其使用方便、用戶(hù)認(rèn)可度高、直觀性突出、不易仿冒等優(yōu)勢(shì)廣泛應(yīng)用于監(jiān)控部防、照片搜索、門(mén)禁出入和身份識(shí)別等領(lǐng)域。由于受到現(xiàn)階段有限的數(shù)據(jù)存儲(chǔ)空間、網(wǎng)絡(luò)傳輸速率和圖像采集設(shè)備等因素的限制，大多數(shù)用于識(shí)別的人臉圖像都是以低分辨率的形式存在。然而通常的人臉識(shí)別算法都是基于普通分辨率的人臉圖像，因此針對(duì)低分辨率人臉圖像的識(shí)別研究具有積極的意義。
　　特征提取與表

2、達(dá)屬于低分辨率人臉圖像識(shí)別的關(guān)鍵技術(shù)之一?；诰植慷Ｊ剑↙BP）算法已被廣泛用于低分辨率圖像的特征提取。本文通過(guò)對(duì)局部二元模式算法進(jìn)行分析，提出一種多分辨率和多尺度的LBP特征提取算法，針對(duì)同一張人臉圖像，分別提取其不同分辨率、不同尺度的LBP特征，獲得人臉圖像的局部和全局LBP特征。實(shí)驗(yàn)證明，多分辨率和多尺度的LBP特征提取算法對(duì)低分辨率人臉圖像識(shí)別有顯著效果。
　　多分辨率多尺度LBP算法的特征提取雖然更好的體現(xiàn)了低分辨率

3、人臉圖像的局部和全局特征，但是也帶來(lái)了特征數(shù)據(jù)量大、數(shù)據(jù)的冗余度高的問(wèn)題。因此，需要找到一種合適的數(shù)據(jù)降維方法來(lái)解決這一問(wèn)題。傳統(tǒng)的的數(shù)據(jù)降維算法雖然能在一定程度上達(dá)到減少數(shù)據(jù)維數(shù)的目的，但是又帶來(lái)了由于降維引起的大量有用信息的丟失問(wèn)題。
　　本文引入一種人臉圖像特征降維的新方法：局部間隔對(duì)齊(LMA)。LAM不僅能夠降低高維數(shù)據(jù)的維數(shù)，使高維數(shù)據(jù)映射到一個(gè)低維的子空間，同時(shí)還能保留類(lèi)內(nèi)的結(jié)構(gòu)，最大限度的保留了利于分類(lèi)的有用信息。