基于協(xié)同表示的人臉識別研究.pdf

1、隨著社會(huì)的快速發(fā)展，信息安全問題逐漸得到人們的重視，如何進(jìn)行準(zhǔn)確、快速的身份識別已成為一項(xiàng)亟待解決的重要課題。人臉識別技術(shù)利用每個(gè)人獨(dú)有的面部特征進(jìn)行身份識別，與基于其他生物特征的身份識別技術(shù)相比，具有采集簡單方便、非侵入性、符合人類認(rèn)知習(xí)慣等優(yōu)點(diǎn)。人臉識別技術(shù)是模式識別和人工智能等領(lǐng)域的研究熱點(diǎn)，并且在公共安全及經(jīng)濟(jì)金融方面顯示出了巨大的應(yīng)用前景。人臉識別技術(shù)雖然取得了許多突破，但在不受控條件下的識別效果并不理想，仍然具有高度的挑戰(zhàn)性

2、。
　　本文首先介紹了人臉識別研究的背景、意義、研究現(xiàn)狀和一般的算法流程，接著主要研究了人臉識別中的特征提取和分類方法。其中重點(diǎn)研究了稀疏表示(SRC)理論，針對其最小化l1范數(shù)的計(jì)算復(fù)雜度過高的問題，利用l2范數(shù)代替l1范數(shù)，引入?yún)f(xié)同表示(CRC)算法，大大降低了計(jì)算成本。通過對這兩種算法的對比研究，發(fā)現(xiàn)SRC與CRC算法的目標(biāo)都是利用訓(xùn)練樣本實(shí)現(xiàn)對測試樣本的最優(yōu)重構(gòu)，再由編碼系數(shù)判斷出測試樣本的類別。由于協(xié)同表示算法的計(jì)算復(fù)雜

3、度低，實(shí)時(shí)性強(qiáng)，研究協(xié)同表示的改進(jìn)算法更適于實(shí)際應(yīng)用。因此，本文針對協(xié)同表示方法的不足之處，進(jìn)行了一系列的改進(jìn)。本文的主要?jiǎng)?chuàng)新點(diǎn)如下:
　　(1)由于訓(xùn)練樣本中不可避免的存在一定的噪聲誤差，會(huì)在協(xié)同表示算法重構(gòu)測試樣本時(shí)引起差錯(cuò)。針對這一缺點(diǎn)，本文利用低秩矩陣恢復(fù)(LR)算法處理人臉圖像，減弱了人臉圖像中的噪聲誤差，突出同類人臉的共同特征，以便更好的重構(gòu)出測試樣本。在計(jì)算低秩逼近矩陣時(shí)，利用非精確的拉格朗日乘子法(IALM)代替精

4、確的拉格朗日乘子法(EALM)，降低了計(jì)算難度，提升了運(yùn)行效率，使算法更具實(shí)用性。
　　(2)協(xié)同表示算法忽略了近鄰樣本在重構(gòu)測試樣本時(shí)的重要作用。針對這一缺點(diǎn)，將局域一致性引入編碼方案中，使得相似的樣本（近鄰樣本）的編碼系數(shù)盡可能的相似。低秩恢復(fù)可以有效地去除原始圖片中的噪聲和誤差，突出同類的人臉圖片的共同特征，使得同類人臉圖片的距離盡可能的相近。將這兩種方法相結(jié)合，提出了基于低秩恢復(fù)和局域約束協(xié)同表示(LR-LCCR)的人臉識

5、別算法，能夠使得同類人臉圖像的編碼系數(shù)相似，增強(qiáng)魯棒性。在AR和Extend Yale B人臉庫上的實(shí)驗(yàn)證明了算法的良好性能。
　　(3)稀疏表示和協(xié)同表示一般利用圖像的全局特征構(gòu)成訓(xùn)練庫字典。由于全局特征對人臉圖像的描述并不充分，所以針對協(xié)同表示的字典對其進(jìn)行了改進(jìn)。詳細(xì)闡述了一種提取人臉局部特征的有效算法，方向邊緣幅值模式(POEM)。利用人臉圖像的POEM特征構(gòu)成協(xié)同表示的字典，提出了基于POEM特征的協(xié)同表示(POEM-C