基于稀疏表示的魯棒性人臉識別算法的研究.pdf

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