基于稀疏表示人脸识别算法的研究

《基于稀疏表示人脸识别算法的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于稀疏表示的人脸识别算法研究中文摘要摘要人脸识别是计算机技术研究领域的一项热门学科，它属于生物特征识别技术，是以生物个体本身的生物特征来实现区分识别。由于人脸识别自身的优越性以及在计算机视觉、模式识别、图像处理、多媒体、心理学等多领域的广泛运用，使其在人工智能领域占有极其重要的地位。人脸识别技术包括人脸检测与人脸识别两个步骤，本文工作主要包括人脸识别的特征提取和分类识别两部分。基于对以上两部分的研究，提出了基于非负矩阵稀疏分解(Non．negativeMatrixFactorizationwithSparsenessConstraims，NMFs)和稀疏表示分类算法(Mahal

2、anobisDistancebasedSparseRepresemationClassification，MSRC)的人脸识别框架。NMFs特征提取方法用于控制测试、训练样本的稀疏度进而构建人脸特征基矩阵，MSRC分类算法引入马氏距离，提高算法对同类样本的区分效果。通过大量实验证明本文所提算法在降低计算复杂度的同时较好地控制了识别错误率。论文首先综述人脸识别的研究背景和发展现状，介绍了业界主流的人脸识别算法，并对多种人脸识别技术的特性做了总结和归纳，得出初步结论。然后深入研究人脸特征提取工作在人脸识别中的应用，主要的特征提取算法包括：基于主元成分分析、独立成分、非负矩阵分解、非负

3、矩阵稀疏分解等，重点讨论非负矩阵稀疏分解(NMFs)算法，并将其应用到本文所提出的人脸识别系统中。最后提出了基于马氏距离的稀疏表示分类算法(MSRC)，该分类算法基于压缩感知的基本原理，通过构造一个过完备字典，求解出测试样本在所有训练样本上的最稀疏线性表示(最优解向量)，进而实现最终的人脸识别工作。基于上述理论研究，本文做了大量针对性的实验，实验设计主要基于以下几点：(1)验证NMFs特征提取算法的有效性(2)对比MSRC分类算法与其他分类算法，证明其有效性(3)对比本文所提人脸识别方案与其他主流人脸识别方案，通过对实验结果的分析，证明了本文方法在特征提取和分类识别上的优势。当测

4、试样本为正常人脸库图像，本文算法在特征维数取140时的识别率为97％，明显高于普通SRC分中文摘要基于稀疏表示的人脸识别算法研究类算法(93％)。论文最后对所做全部工作进行了回顾和总结，并指出了后续工作的主要方向。关键字人脸识别稀疏表示非负矩阵稀疏分解马氏距离作者：朱伟冬II指导老师：胡剑凌基于稀疏表示的人脸识别算法研究英文摘要ResearchofSparseRepresentionBasedFaceRecognitionAlgorithmAbstractFacerecognitionisapopularsubjectinthefeldofcomputertechnology．I

5、texploitsbiologicalcharacteristicstoidentifythedifferentpersons．Duetoitsadvantages，facerecognitionhasbeenwidelyusedincomputervision，patternrecognition，imageprocessing，multimediaprocessing，psychologyandotherfields．Soitplaysanextremelyimportantroleinthefieldofartificialintelligence．Facerecognit

6、ionsystemgenerallyincludestwomainmodules：facedetectionandfacerecognition，andtheworkofthisthesismainlyfocusesonfacefeatureextractionandfacerecognition．Basedontheresearchofthesetwoparts，aNMFs+MSRCbasedfacerecognitionsystemisputforward．Non-negativeMatrixFactorizationwithSparseness(NMFs)wasusedto

7、controlthesparsityoftheinputfacesamples，andthentobuildanover-completeddictionary．MahalanobisdistancewasintroducedinSparseRepresentationbasedmethodforfaceClassificationalgorithm，whichcalledasMSRCinthisthesis，toimprovetherecognitionefficiencyfo