不同光照和遮擋條件下的人臉識別算法研究.pdf

1、人臉識別一直以來都是圖像處理領域中的研究熱點，具有廣闊的應用前景。它是生物識別技術中的一種，具有簡便性、非接觸性和不侵犯個人隱私等優(yōu)點。目前，在可控環(huán)境和用戶配合的條件下，人臉識別系統(tǒng)能夠取得較好的識別效果，然而在實際應用中，人臉圖像往往受到不同光照和遮擋的影響，給人臉識別研究帶來了嚴峻的挑戰(zhàn)。
　　本文在稀疏表示和魯棒主成分分析的基礎上，針對人臉識別中的光照和遮擋問題進行了研究，做了如下工作：
　　1.首先介紹了人臉識別的

2、研究背景和國內外發(fā)展現(xiàn)狀，并分析了基于不同光照和遮擋條件下的人臉識別算法。緊接著詳細闡述了稀疏表示理論和低秩矩陣恢復，并給出了其經(jīng)典的求解方法。
　　2.聯(lián)合低秩和(e)p稀疏約束，提出一種改進的矩陣回歸人臉識別算法。采用低秩度量回歸誤差，非凸(e)p范數(shù)約束回歸系數(shù)使其達到稀疏最大化，給出了一種改進的矩陣回歸模型，對該模型采用交替方向法求解模型參數(shù)。在AR和Extended Yale B人臉數(shù)據(jù)庫上的實驗表明，與當前的回歸算法相

3、比，該算法具有更高的識別率，能夠更好地消除遮擋引起的結構性噪聲，且對光照變化也具有更強的魯棒性。
　　3.在魯棒主成分分析的基礎上，引入低秩投影，提出一種基于稀疏誤差圖像的人臉識別算法。首先利用RPCA把每類訓練樣本分解成低秩數(shù)據(jù)矩陣和稀疏誤差矩陣，在此基礎上構建每類原始人臉圖像矩陣和低秩數(shù)據(jù)矩陣之間的低秩映射矩陣。將任意測試圖像通過每類低秩映射矩陣進行投影，得到測試圖像在不同類下的低秩數(shù)據(jù)矩陣和稀疏誤差矩陣，計算誤差圖像的平滑度