本文關(guān)鍵詞：基于稀疏表示的圖嵌入降維算法在人臉識(shí)別中的應(yīng)用

  更多相關(guān)文章： 稀疏矩陣 圖嵌入降維模型 半監(jiān)督學(xué)習(xí) 人臉識(shí)別

【摘要】：當(dāng)今社會(huì),人們把公共安全問題看得非常重要,而在安全領(lǐng)域中生物特征的識(shí)別技術(shù)發(fā)揮著越來(lái)越重要的作用。作為生物特征識(shí)別技術(shù)的典型代表之一,人臉識(shí)別技術(shù)在監(jiān)控系統(tǒng)、信息安全以及身份認(rèn)證與識(shí)別等領(lǐng)域都得到了非常廣泛的應(yīng)用。由于人臉識(shí)別技術(shù)在實(shí)際應(yīng)用過程中人臉圖像經(jīng)常會(huì)遭受不平衡光照和遮擋等因素的影響,這些因素將會(huì)降低人臉圖像識(shí)別的精確度和準(zhǔn)確度,從而直接導(dǎo)致了識(shí)別率的嚴(yán)重下降。根據(jù)人臉識(shí)別過程中的技術(shù)需要,使用合適的小波變換和數(shù)據(jù)降維算法對(duì)人臉圖像降維變換處理,以便獲得對(duì)人臉識(shí)別較高的識(shí)別率。本文主要進(jìn)行了以下幾個(gè)方面的工作:(1)進(jìn)行了稀疏表示方法及其構(gòu)圖以及基于圖嵌入的降維模型的研究;其中稀疏表示主要對(duì)其概念、字典構(gòu)建以及構(gòu)圖進(jìn)行研究;對(duì)于基于圖嵌入的降維模型則主要包括圖嵌入模型和圖的構(gòu)造方法兩個(gè)方面,本文主要選取K最近鄰法和ε球近鄰法兩種圖的構(gòu)圖方法進(jìn)行分析。(2)提出了一種采用稀疏表示的方法對(duì)樣本之間的關(guān)系以圖的形式進(jìn)行建立的新的基于稀疏表示的標(biāo)簽傳遞算法,以便于對(duì)在半監(jiān)督學(xué)習(xí)算法中存在大量未標(biāo)記樣本和少量標(biāo)記樣本的情況進(jìn)行解決。本文提出基于稀疏表示的標(biāo)簽傳遞算法主要包括兩個(gè)步驟:首先,采用最小化范數(shù)的方法來(lái)對(duì)樣本間的稀疏表示關(guān)系圖進(jìn)行建立;其次,則是通過標(biāo)記樣本的標(biāo)簽信息以及權(quán)值矩陣S來(lái)對(duì)未標(biāo)記樣本的信息進(jìn)行計(jì)算。(3)進(jìn)行了本文提出的標(biāo)簽傳遞算法的人臉識(shí)別算法與傳統(tǒng)的基于歐氏距離的k-近鄰方法的比較分析,證明了本文提出的標(biāo)簽傳遞算法的人臉識(shí)別算法能有效的解決人臉識(shí)別技術(shù)在實(shí)際應(yīng)用的過程中遭受遮擋和不平衡光照等問題的影響,從而保證識(shí)別的準(zhǔn)確度,提高算法識(shí)別的準(zhǔn)確率。(4)進(jìn)行了本文提出的基于稀疏表示的圖嵌入降維算法在人臉識(shí)別中的應(yīng)用,并經(jīng)過各種識(shí)別框架在類別數(shù)不同的10個(gè)ORL子集上的分類實(shí)驗(yàn)證明了本文所提出的LPSR+NMF-L1框架總體上獲得最優(yōu)的識(shí)別效果。從而可以證明本文提出的基于稀疏表示的圖嵌入降維算法在人臉識(shí)別中具有比較好的應(yīng)用效果。
【關(guān)鍵詞】：稀疏矩陣 圖嵌入降維模型 半監(jiān)督學(xué)習(xí) 人臉識(shí)別
【學(xué)位授予單位】：吉林農(nóng)業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP391.41
【目錄】：

• 摘要3-4
• ABSTRACT4-7
• 第1章 緒論7-11
• 1.1 研究背景及意義7-8
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀8-9
• 1.3 主要研究?jī)?nèi)容與組織結(jié)構(gòu)9-11
• 第2章 相關(guān)算法與模型介紹11-20
• 2.1 稀疏表示11-14
• 2.2 基于稀疏表示的構(gòu)圖14-15
• 2.3 人臉特征提取理論基礎(chǔ)-小波變換15-16
• 2.4 基于圖嵌入的降維模型16-20
• 第3章 基于稀疏表示的圖嵌入降維算法在人臉識(shí)別中的研究20-31
• 3.1 基于小波變換的人臉特征的提取20-22
• 3.2 基于稀疏表示的圖嵌入降維算法的研究22-27
• 3.3 基于稀疏表示的圖嵌入降維算法的實(shí)現(xiàn)27-30
• 3.4 本章小結(jié)30-31
• 第4章 基于稀疏表示的圖嵌入降維算法在人臉識(shí)別中的驗(yàn)證及應(yīng)用31-48
• 4.1 算法驗(yàn)證基礎(chǔ)31-34
• 4.2 驗(yàn)證的過程及結(jié)論分析34-44
• 4.3 算法在人臉識(shí)別中的應(yīng)用44-47
• 4.4 本章小結(jié)47-48
• 第5章 總結(jié)及展望48-50
• 5.1 總結(jié)48-49
• 5.2 展望49-50
• 參考文獻(xiàn)50-54
• 作者簡(jiǎn)介54-55
• 致謝55

，

本文編號(hào)：756943