發(fā)布時間：2020-03-01 15:16

【摘要】：近些年來,人臉識別因其廣闊的應(yīng)用前景成為計算機視覺和模式識別領(lǐng)域的重要研究方向之一,隨著壓縮感知編碼理論的提出,基于稀疏編碼模型(SRC)的人臉識別技術(shù)引起眾多研究者的廣泛關(guān)注。在SRC中,測試圖像被編碼為訓練樣本的稀疏線性組合,再通過求解l1范數(shù)最優(yōu)化問題得出其最稀疏解,該方法在實際應(yīng)用中取得了良好的效果。但是SRC中將單位陣作為誤差字典,對樣本中誤差和噪聲的描述并不準確,因此本文引入低秩恢復算法來分離樣本誤差矩陣,將樣本圖像分解為干凈的低秩矩陣和稀疏的誤差矩陣,使得用于分類識別的圖像信息更加有效。針對人臉面部圖像在受到表情、姿態(tài)、光照以及噪聲污染等多種因素影響的時候,僅采用單一特征進行人臉識別,誤識率較高的問題,本文提出一種基于特征融合的低秩恢復稀疏表示的人臉識別方法。首先采用低秩恢復算法得到訓練樣本和測試樣本的干凈人臉圖像,對這些干凈的人臉圖像進行LBP、HOG、Gabor三種特征向量的提取;訓練階段,隨機選擇部分訓練樣本進行SRC分類測試,根據(jù)SRC的識別結(jié)果與分類殘差定義一個損失函數(shù),再利用最小二乘方法計算出能夠使損失函數(shù)最小的權(quán)重向量;識別階段,根據(jù)訓練階段計算出來的權(quán)重向量重新計算測試樣本的最終殘差,得出其最終的識別結(jié)果。在不同的人臉庫上進行廣泛的實驗來評估所提方法的性能,結(jié)果表明,本文方法優(yōu)于僅利用單一特征識別的方法,并且對光照,噪聲,遮擋等是魯棒的。本文的研究工作主要包括以下幾個方面:(1)總結(jié)了人臉識別的背景和研究現(xiàn)狀,介紹了人臉識別方法的分類,總結(jié)了人臉識別中的關(guān)鍵問題;闡述了圖像預處理、特征提取及降維方法的有關(guān)理論問題。(2)概述了基于稀疏表示的人臉識別方法。首先,分析了稀疏表示的有關(guān)理論問題;其次論述了基于稀疏表示的人臉識別算法過程;最后對不同特征維數(shù)的樣本進行了對比試驗。(3)針對稀疏表示模型中利用單位陣作為誤差字典不能很好地描述圖像的噪聲和誤差的問題,采用低秩恢復算法對樣本進行處理,既可以有效地分離出外界環(huán)境因素給樣本帶來的誤差等影響,又可以解決訓練樣本較少導致的字典不完備問題。(4)針對單一特征表述能力有限導致誤識率較高的問題,提出一種基于特征融合的低秩恢復稀疏表示的人臉識別方法。訓練階段,根據(jù)SRC的分類結(jié)果與分類殘差定義一個損失函數(shù),再利用最小二乘方法計算出使損失函數(shù)最小的權(quán)重向量;識別階段,根據(jù)權(quán)重向量計算測試樣本的殘差,得出其最終的識別結(jié)果。(5)在不同的人臉庫上進行廣泛的實驗,對比三種單一特征識別算法,驗證了本文所提算法的有效性。
【學位授予單位】：太原理工大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：TP391.41

【參考文獻】

相關(guān)期刊論文 前10條

1 班俊碩;賴惠成;林憲峰;楊敏;董九玲;;改進PSO與K均值聚類膚色分割的人臉檢測算法[J];激光雜志;2017年02期

2 楊方方;吳錫生;顧標準;;基于低秩子空間投影和Gabor特征的稀疏表示人臉識別算法[J];計算機工程與科學;2017年01期

3 胡正平;白帆;王蒙;孫哲;;有監(jiān)督低秩子空間恢復的正則魯棒稀疏表示人臉識別算法[J];信號處理;2016年11期

4 吳錫生;魏月納;;基于特征融合的人臉識別新算法[J];計算機技術(shù)與發(fā)展;2017年01期

5 索振鵬;宮愛玲;;基于圖像灰度梯度的圓度檢測算法[J];激光雜志;2016年08期

6 陳亞瑞;;智能計算與生物識別技術(shù)研究[J];天津科技大學學報;2015年04期

7 ;第十屆中國生物識別學術(shù)會議[J];智能系統(tǒng)學報;2015年04期

8 鄒國鋒;傅桂霞;李海濤;高明亮;王科俊;;多姿態(tài)人臉識別綜述[J];模式識別與人工智能;2015年07期

9 徐曉艷;;人臉識別技術(shù)綜述[J];電子測試;2015年10期

10 劉芳;武嬌;楊淑媛;焦李成;;結(jié)構(gòu)化壓縮感知研究進展[J];自動化學報;2013年12期

相關(guān)碩士學位論文 前1條

1 馮阿瑞;圖像歸一化分割方法研究[D];重慶大學;2014年

，

本文編號：2584071