發(fā)布時(shí)間：2017-11-02 08:03

  本文關(guān)鍵詞：基于稀疏表示改進(jìn)的人臉識別方法研究

  更多相關(guān)文章： 人臉識別 稀疏表示 特征融合 字典優(yōu)化 正則化最小二乘法

【摘要】：人臉識別一直是模式識別和人工智能領(lǐng)域的研究熱點(diǎn),而且正在逐漸進(jìn)入安保防護(hù)、網(wǎng)上支付、銀行業(yè)務(wù)和智能家居等人類生活的各個方面。隨著稀疏表示理論的不斷深入研究和發(fā)展,基于稀疏表示的人臉識別方法也受到研究人員的廣泛關(guān)注。本文通過探索稀疏表示中冗余字典的結(jié)構(gòu)優(yōu)化,以及字典原子間稀疏性和協(xié)同表示之間的關(guān)系,來對現(xiàn)今基于稀疏表示的人臉識別方法進(jìn)行改進(jìn)。首先,通過提取字典原子的融合特征,并將線性鑒別分析算法引入到稀疏表示的字典建立過程中,建立結(jié)構(gòu)優(yōu)化的線性鑒別字典。對于基于稀疏表示的人臉識別算法來說,冗余字典的建立是對測試人臉進(jìn)行稀疏表示的基礎(chǔ)和關(guān)鍵。通過提取融合特征作為字典原子,增強(qiáng)原子的人臉表示能力,然后考慮類之間有鑒別的信息,引入線性鑒別分析算法對字典進(jìn)行改造,減小字典特征維數(shù)的同時(shí)增強(qiáng)了字典的鑒別能力,建立線性鑒別字典。實(shí)驗(yàn)表明,使用線性鑒別字典可以增強(qiáng)稀疏系數(shù)的稀疏性和降低算法時(shí)間復(fù)雜度,并且更容易排除干擾人臉,顯著提高了人臉稀疏表示算法的性能。其次,在線性鑒別字典的基礎(chǔ)上,建立基于稀疏表示的快速l2-范數(shù)人臉識別方法。多數(shù)稀疏表示方法需要原子數(shù)目遠(yuǎn)遠(yuǎn)大于原子維數(shù)的大規(guī)模冗余字典,并采用l1-范數(shù)最小化方法來保證稀疏系數(shù)的稀疏性,這必然會導(dǎo)致算法的復(fù)雜度加大。本文方法通過提取線性鑒別字典中每類原子的主成分來縮減字典原子數(shù),建立可以增強(qiáng)l2-范數(shù)稀疏性的簡潔字典,并通過l2-范數(shù)來計(jì)算稀疏系數(shù),從而在保證識別性能的前提下大幅提高了算法運(yùn)行速度。實(shí)驗(yàn)表明,本文方法的運(yùn)算速度在低維條件下比其它稀疏表示方法大大加快,同時(shí)擁有顯著優(yōu)越的人臉識別性能和排除干擾人臉的能力。最后,結(jié)合冗余字典結(jié)構(gòu)優(yōu)化算法和基于稀疏表示的快速l2-范數(shù)人臉識別方法,設(shè)計(jì)并實(shí)現(xiàn)視頻人臉識別原型系統(tǒng)。該系統(tǒng)可以完成視頻輸入、人臉檢測、特征提取、字典建立、人臉識別和標(biāo)注等功能,具有一定的實(shí)時(shí)性、準(zhǔn)確性和魯棒性。同時(shí)本系統(tǒng)提供良好的交互窗口,可以方便使用者直觀地進(jìn)行人臉圖像采集和觀察測試人臉身份。
【關(guān)鍵詞】：人臉識別 稀疏表示 特征融合 字典優(yōu)化 正則化最小二乘法
【學(xué)位授予單位】：中國礦業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP391.41
【目錄】：

• 致謝4-5
• 摘要5-6
• Abstract6-15
• 1 緒論15-28
• 1.1 研究背景及意義15-16
• 1.2 研究現(xiàn)狀16-26
• 1.3 研究內(nèi)容26
• 1.4 本文組織結(jié)構(gòu)26-28
• 2 相關(guān)理論基礎(chǔ)28-38
• 2.1 引言28
• 2.2 稀疏表示理論28-30
• 2.3 特征提取30-33
• 2.4 稀疏表示方法33-37
• 2.5 小結(jié)37-38
• 3 冗余字典結(jié)構(gòu)優(yōu)化算法38-54
• 3.1 引言38-39
• 3.2 冗余字典39-41
• 3.3 線性鑒別字典41-44
• 3.4 實(shí)驗(yàn)分析44-53
• 3.5 小結(jié)53-54
• 4 基于稀疏表示的快速l2-范數(shù)人臉識別方法54-65
• 4.1 引言54-55
• 4.2 原子縮減55-56
• 4.3 稀疏系數(shù)求解56-58
• 4.4 算法描述58-59
• 4.5 實(shí)驗(yàn)分析59-64
• 4.6 小結(jié)64-65
• 5 原型系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)65-72
• 5.1 引言65
• 5.2 系統(tǒng)流程設(shè)計(jì)65-66
• 5.3 系統(tǒng)功能模塊66-68
• 5.4 系統(tǒng)功能演示68-70
• 5.5 小結(jié)70-72
• 6 總結(jié)與展望72-74
• 6.1 本文總結(jié)72-73
• 6.2 工作展望73-74
• 參考文獻(xiàn)74-81
• 作者簡歷81-83
• 學(xué)位論文數(shù)據(jù)集83

，

本文編號：1130652