

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領
文檔簡介
1、人臉識別是模式識別的重要研究方向,具有理論研究和實際應用價值。自動人臉識別以其無侵犯性、信息易采集和低成本等優(yōu)勢,在海關檢查和視頻監(jiān)控等多個領域應用廣泛。稀疏表示是人臉識別領域的一個重要發(fā)展方向,能夠有效提高人臉識別的魯棒性。
本文采用魯棒性稀疏表示分類方法進行人臉識別。在研究稀疏表示分類方法的基礎上,對無訓練字典和有訓練字典兩類稀疏分類方法展開研究;討論了訓練字典的判別性對分類性能的影響,并對兩類稀疏表示分類方法進行改進,最
2、終在人臉識別應用中,達到提高識別率的目的。本文的研究工作包括以下兩個方面:
1.稀疏表示分類方法的研究。首先研究了稀疏表示的基本思想和方法,然后驗證了基于稀疏表示分類的人臉識別算法的魯棒性。通過Fisher和Metaface兩種字典訓練方法,重點研究了訓練字典對稀疏表示方法識別性能的改善,并通過實驗驗證了訓練字典能夠有效提高人臉識別魯棒性。
2.基于稀疏表示的人臉識別(稀疏表示人臉識別)方法的研究。對無訓練字典和有訓
3、練字典的兩類識別方法進行了改進,具體工作如下:
1)在無訓練字典的稀疏人臉識別算法中,直接用訓練樣本集對測試圖像進行稀疏重建,根據(jù)最小重建誤差進行識別。為了提高表示系數(shù)的判別性,在稀疏重建中利用局部約束與稀疏約束相結(jié)合的方法,對算法進行改進。在保證表示系數(shù)的稀疏性前提下,使系數(shù)趨于選擇與測試人臉存在同一子空間的訓練樣本,從而提高表示系數(shù)的判別性。并通過實驗證明,改進算法提高了人臉識別率。
2)在有訓練字典的稀疏人臉識
4、別算法中,引入距離約束來改進字典訓練方法。距離約束能夠充分挖掘數(shù)據(jù)的局部特性,在稀疏字典中篩選出距離較近的同類原子,訓練一種具有判別性能的結(jié)構(gòu)字典,有利于提高識別性能。該字典即是訓練樣本的魯棒性聚類,能夠以較少的原子完整地表示訓練樣本數(shù)據(jù)。經(jīng)實驗驗證,改進字典具有較強的判別性,該字典的稀疏表示分類算法較同類算法,人臉識別率明顯提高。
3)改進的字典訓練中的目標函數(shù)具有收斂性,所以在字典訓練中采用閉形解方法進行字典更新和稀疏編碼
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于字典擴展的稀疏表示魯棒人臉識別算法研究.pdf
- 基于遮擋檢測與恢復的稀疏表示魯棒人臉識別算法研究.pdf
- 基于字典學習的稀疏表示人臉魯棒識別方法.pdf
- 基于線性表示的魯棒人臉識別研究.pdf
- 基于稀疏表示的魯棒性說話人識別技術研究.pdf
- 基于核稀疏表示的人臉識別算法研究.pdf
- 基于稀疏表示的魯棒相位恢復算法研究.pdf
- 基于改進的稀疏表示的人臉識別算法研究.pdf
- 基于稀疏表示的魯棒性視覺跟蹤方法研究.pdf
- 魯棒的人臉識別算法研究.pdf
- 基于多子空間的稀疏表示人臉識別算法.pdf
- 強光照魯棒性人臉識別算法研究.pdf
- 基于稀疏表示人臉識別算法的研究與實現(xiàn).pdf
- 基于稀疏表示的人臉識別
- 基于稀疏表示的代價敏感性人臉識別算法研究.pdf
- 基于局部特征的協(xié)同稀疏表示人臉識別算法研究.pdf
- 魯棒人臉識別算法的研究與實現(xiàn).pdf
- 基于稀疏表示的人臉識別算法設計與實現(xiàn).pdf
- 基于稀疏表示的多姿態(tài)人臉識別.pdf
- 基于稀疏表示和局部描述的人臉識別算法研究.pdf
評論
0/150
提交評論