基于稀疏表示和局部描述的人臉識別算法研究.pdf

1、近年來，人臉識別技術得到了迅猛的發(fā)展，已經應用到各個領域．相比其它生物識別技術，人臉識別的信息易于采集、非接觸形式容易被人接受，因此收到了多種應用領域的青睞，但同時給實際應用提出了巨大的挑戰(zhàn)．各種環(huán)境變化、目標配合程度導致識別系統中注冊樣本與測試樣本有較大的差距，影響實際的識別效果．本文以建立非理想測試樣本的表示模型和提取人臉判別特征為研究目標，以變化特征表示和局部變化模式為主要研究思路，對人臉識別問題進行研究，主要貢獻概括如下：

2、>　?。?）提出了基于變化特征表示（Variational Feature Representation Classifi-cation，VFRC）的人臉識別方法．VFRC不僅使用通用訓練樣本的信息，而且參照了注冊樣本信息，再使用線性回歸模型獲得測試樣本的變化部分和正常部分，再將二者的組合信息用于分類模型以確定測試樣本身份．數值實驗表明VFRC方法不僅計算時間耗費少，而且在復雜變化條件下，如夸張表情、頭部姿態(tài)變化以及明顯遮擋情況等，能夠

3、獲得較高的識別準確率．
　?。?）提出了帶有混合范數的定制稀疏表示（Customized Sparse Representa-tion model with Mixed Normal，CSR-MN）模型．在CSR-MN中，表示系數分為兩部分：一部分對應于注冊數據，另一部分對應于變化字典．因為變化字典具有復雜的特性，因此本文引進混合范數正則項，其對應的分布將更加符合實際情況．通過對CSR-MN模型的合理變形，復雜模型轉換成了容易求解

4、的l1極小化模型，從而同倫算法可用于模型求解．由于CSR-MN很好地模擬了人臉識別的實際情況，因此在大量的數值實驗中表現出了明顯的優(yōu)勢．
　?。?）提出了基于定制字典的人臉識別方法（Customized Dictionary-based Face Recognition with Extended Joint Sparse Representation，CD-EJSR），擴展的聯合稀疏表示用于該方法的分類階段．該方法沒有使用通用訓

5、練集，而是直接從當前測試目標的人臉數據中學習變化信息，很好地擬合了測試目標的類內變化．在分類階段，擴展的聯合稀疏表示模型不僅充分利用了定制變化字典的優(yōu)勢，而且利用組結構增強了準確識別的效果．
　?。?）提出了基于Gabor小波和局部二值模式（LBP）的Gabor-scale二值模式（Gabor-scale Binary Pattern，GSBP），從空域、頻域充分考慮了鄰域間的關系．相比其它相關方法，GSBP通過對Gabor系數的

6、再加工，再利用LBP紋理算子，提煉出有力的判別特征．另外，較少尺度（如2或3）的濾波器表現出很好的識別效果，同時降低了計算復雜度．
　　（5）提出了改進的彩色局部二值模式（Improved Color LBP，ICLBP），新的采樣規(guī)則和閾值確定策略用于彩色圖像的特征提?。疄榕浜螴CLBP的采樣規(guī)則及閾值確定方式，引入了k-uniform模式，它不僅從理論上擴展了經典的Uniform LBP模式，而且對改進彩色人臉識別的效果起到了