基于遮挡检测与恢复的稀疏表示鲁棒人脸识别算法研究

《基于遮挡检测与恢复的稀疏表示鲁棒人脸识别算法研究》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、硕士学位论文MASTER’SDISSERTATION论文题目基于遮挡检测与恢复的稀疏表示鲁棒人脸识别算法研究作者姓名支亚萍学科专业信息与通信工程指导教师胡正平教授2016年5月中图分类号：TP391.4学校代码：10216UDC：621.39密级：公开工学硕士学位论文基于遮挡检测与恢复的稀疏表示鲁棒人脸识别算法研究硕士研究生：支亚萍导师：胡正平教授申请学位：工学硕士工程领域：信息与通信工程所在单位：信息科学与工程学院答辩日期：2016年5月授予学位单位：燕山大学ADissertationinInf

2、ormationandCommunicationEngineeringRESEARCHONROBUSTFACERECOGNITIONALGORITHMOFSPARSEREPRESENTATIONBASEDONOCCLUSIONDETECTIONANDRECOVERYbyZhiYapingSupervisor:ProfessorHuZhengpingYanshanUniversityMay,2016燕山大学硕士学位论文原创性声明本人郑重声明：此处所提交的硕士学位论文《基于遮挡检测与恢复的稀疏表示鲁棒

3、人脸识别算法研究》，是本人在导师指导下，在燕山大学攻读硕士学位期间独立进行研究工作所取得的成果。论文中除已注明部分外不包含他人已发表或撰写过的研究成果。对本章的研究工作做出重要贡献的个人和集体，均已在文中以明确方式注明。本声明的法律结果将完全由本人承担。作者签字：日期：年月日摘要摘要人脸识别因其便捷、高效等优点逐步成为计算机视觉前沿应用领域一个热门话题，其应用主要包括访问控制、视频监控、社交网络、照片管理、刑事调查等方面。然而在实际应用中，人脸识别技术往往因图像遮挡、损坏等因素而严重影响算法精度，

4、本文在现有研究成果基础上，对稀疏表示鲁棒人脸识别算法进行了新的探索研究。首先，针对消除遮挡、损坏像素区域以减少其对全局图像分类识别不利影响的问题，提出基于多样表示加权融合的动态字典人脸识别算法，通过加强原始样本中等强度像素的作用，同时削弱其他像素的影响，生成新的表示图像，并与原始图像加权融合形成新的样本集，对其遮挡、损坏测试样本图像进行遮挡检测，消除所有样本集遮挡区域生成动态字典模型，而后进行人脸识别。其次，针对人脸图像遮挡、损坏对分类识别的负面影响，提出基于遮挡重建的单演二值编码人脸识别算法，利

5、用下采样后的鲁棒稀疏表示进行遮挡区域检测，通过主成分分析构建线性人脸子空间，构造超定方程组，利用人脸非遮挡区域像素信息进行遮挡重建，最后对重建后的完整无遮挡人脸图像提取单演信号局部特征，对其进行二值编码，通过直方图相交法进行人脸识别。最后，针对实际应用中采样人脸样本图像易受遮挡、损坏等各种因素对人脸分类识别的干扰问题，提出基于局部相似度统计人脸识别算法，通过对数据库中每个人脸图像进行无重叠均匀分块，并将子模块转换成列向量，计算测试样本中每个子块与相应训练集子块相似度，对每组相似度中距离较小的子块数

6、据求和，得到最终相似度值进行分类识别。关键词：人脸识别；稀疏表示；单演二值编码；遮挡检测；遮挡重建；加权融合；局部相似度统计-I-AbstractAbstractFacerecognitionisahottopicinthefieldofthecomputervisionbecauseofitsconvenienceaswellashighefficiency.Itismainlyusedinthefieldincludingaccesscontrol,videosurveillance,soci

7、alnetworking,photomanagement,criminalinvestigation,etc.Inpractice,however,theaccuracyoffacerecognitionalgorithmisoftenimpactedbytheimageocclusion.Thispaperwillcarryonsomenewresearchontherobustfacerecognitionalgorithmofsparserepresentationbasedonthebas

8、isofexistingresearchresults.Firstofall,weproposeweightedfusionofmultiplerepresentationsandchangingdictionaryforfacerecognitioninordertoeliminatethepolluted,damagedpixelstoreducetheadverseimpactsonthefaceimageclassificationandrecognition.Thenew