基于改进的稀疏表示的人脸识别算法研究

《基于改进的稀疏表示的人脸识别算法研究》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、：分类号：密级ＵＤＣ：学号：４０６１３０８１３１０５南昌大学硕±研究生学位论文基于改进的稀疏表示的人尬识别算法研究ＴｈｅＲｅｓｅａｒｃｈｏｆＦａｃｅＲｅｃｏｎｉｔｉｏｎＡｉｏｉｉｔｈｍｇｇｂａｓｅｄｏｎＩｍｐｒｏｖｅｄＳｐａｒｓｅＲｅｐｒｅｓｅｎｔａｔｉｏｎ项晓丽培养单位：信息工程学院电气与自动化工程系（院、系）指导教师姓名、职称：武和雷教授申请学位的学科口类：工学学科专业名称：控制科学与工程论文答辩日期：２０１６年：月３１日Ｊ答辩委

2、员会主席ｆ‘：郝；评阅人２０１６年月日学位论文独创性声明一、学位论文独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研巧工作及取得的，含研究成果。据我所知除了文中特别加Ｗ标注和致谢的地方外，论文中不包其他人已经发表或撰写过的研究成果，也不包含为获得南昌大学或其他教育机构的学位或证书而使用过的材料一。与我同工作的同志对本研究所做的任何贡献均己在论文中作了明碗的说明并表示谢意。学位论文作者签名（手写）；＃＾＾麻签字日期：又《乂年＞月＞２＜＾日二、学位

3、论文版权使用授权书本学位论文作者完全了解南昌大学有关保留、使用学位论文的规定，同意学校有权保留并向国家有关部口或机构送交论文的复全印件和电子版，允许论文数被查阅和借阅。本人授权南昌大学可将学位论文的部或部分内容编入有关据库进行检索，可Ｗ采用影印、缩印或扫描等复制手段保存、汇编本学位论文社。同时授权北京万方数据股份有限公司和中国学术期刊（光盘版）电子杂志论将本学位论文收录到《中国学位论文全文数据库》和《中国优秀博硕±学位＂文全文＂数据库》中全文发表，并通过网络向社会公众提供信息服务

4、，同意按章程规定享受相关权益。学位论文作者签名（手写导师签名（手写）：签字日期：乃＞／／年＞月＞＾日签字日期：乂年Ｊｒ月３Ｃ日—文题目Ｉ，殘进名絲紅絶Ａ舱旅梦放絲《Ｉ寺卸化ｎ名旅狐Ｉ学号／３／论文级别｜博±＾硕±画＿＿业叫院／系／所嫁觀王游矣於Ｉ专波制碱楚《王姑Ｅ备＿ｍａｉｌ注：＾（公开□保密（向校学位办申请获批准为＂保密＂，年＿＿月后公开）摘要摘要人脸识别技术是计算机视觉的一个重要研究领域，广泛应用于证件核对、刑侦破案、人机交互控制、视频监控等

5、方面。在过去的几十年里，研究人员已经提出了许多人脸识别算法。其中，由于稀疏表示分类器（SRC）具有良好的分类性能，它已成为近几年的研究热点。相关的实验证明，SRC可以获得令人满意的结果，且对具体的特征提取方法不敏感。然而，目前人脸识别依然存在许多挑战，如变化的光照、姿态、面部表情等复杂条件下的人脸识别问题。此外，小样本问题也是人脸识别中的一大难题。因此，如何提高复杂环境以及小样本情况下的人脸识别率是值得研究的一个课题。本文在重点分析基于稀疏表示的人脸识别算法的基础上，针对复杂环境和小样本情况下的人脸识别问题

6、，提出了基于核的两阶段稀疏表示方法以及基于虚拟样本的高斯加权稀疏表示方法。主要研究工作如下：（1）引入核技巧，提高基于稀疏表示的人脸识别算法的分类效果。由于原始人脸图像存在着光照、表情、姿态、遮挡等复杂因素的干扰，使得人脸识别更有可能是一个非线性可分的问题。为此，本文将核技巧引入基于稀疏表示的人脸识别算法中，提出基于核的两阶段稀疏表示方法。该方法首先利用一个非线性函数将原始数据空间映射到高维特征空间；然后，在该高维特征空间中将测试样本表示为所有训练样本的一个线性组合，接下来根据每个训练样本的表示贡献选出测试

7、样本的M个最近邻；最后，将测试样本表示为上述M个最近邻的一个线性组合并且利用每一类训练样本对测试样本的表示贡献来完成分类。（2）研究人脸识别中小样本问题的解决方法，提高分类准确率。相关实验证明在具有足够多的训练样本来充分地表示测试样本的前提下，SRC可以获得令人满意的结果。但是在实际的人脸识别系统中，由于存储容量和捕获图片的时间等因素的制约，往往只能获得少量的训练样本，即实际的人脸识别往往是一个小样本问题。为了有效地解决小样本情况下的人脸识别问题，本文提出了一种基于虚拟样本的高斯加权稀疏表示方法。该方法首先

8、利用人脸的对称性来构造虚拟训练样本，进而扩充训练样本集；然后，对每个测试样本，利用高斯核距离度量该测试样本和各个训练样本的相似性关系，并将该高斯核距离作为训练样本的权值来形成加权的训练样本集；最后，利用稀疏表示方法进行人脸的识别分类。I摘要（3）算法性能的测试。为了测试所提算法的性能，本文选取ORL、FERET、AR三个人脸数据库进行人脸识别实验。实验结果证明，本文所提算法在复杂环境以及小样本情况下依然能够获得较