基于全局与局部信息的人脸识别研究.pdf

《基于全局与局部信息的人脸识别研究.pdf》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、气屬代码：誦聲社研零学号：１整：咬寧彎？ＪＹｌ／％＾々类号ＬａＷ：觀级：＇奉式－．—吉詞容，繁．扣ｒｆ義葬；芦，＾？＇＇爸＇－葬＊辕襄：又＊空，違爲戸聲游＾弓．．．．．言縷嗎！賴瞬：：纖户＾＾．诵．．．．巧浮．品雜ｆｏ巧繁也譯琴＼環缉－爲樂辑通總擊覇霞聲纖翻雜畫誦議喔蠢—＇＾处藤鶴感扁泌韓：嘯某譜攀襄餐苗奪Ｉ誦雜泰謂ｔ款Ｓ磁導難養爾場誘£禱議霉議＇、、．丢：乃＾壤吞＞眶乂餐彎￡；警辨璋父冢＂、．．績５＾于全烏与絲巧片言度巧－＾沾章矣擊／＾募＾：画—、人腺化剔巧巧．＾种＾ｉｐ苗：：．ＷＳ培賴

2、麵＞；切翻９。化。。？，１。化瞧｜＾＾麵犠議１端＇。１．畔＾．場讓霉禱巧豐户碱錠；聲爲叛倉．義：毒濤藝議鷄親！議闺誦’一—、－＾－：詳觀巧玉巧扔护讓；雜苗爾義嫣議．，谁’．．：：‘．．；義棲許甘ｉｆ袁賣掉，囊巧難导教糜孔俊．乂砖汝芦手语壤Ｉ；鑛；？；、．’？．；’＾．‘、．．＇：璋臟学－終ｉ请记．：诗牺．．ｒ，棘其：媒：向；鄉究方：模式分聲擊计＊掛：杉是娘畔；马Ｃ這禱貫；、呵這細議牌弘；蘇雖取薦黎辦ｆ替韓ｒ傳１％嚴！Ｖ：；＾＇ｖｙＳ：ｉ：＾＞％＇＇—：藝南ａ紫違黃１兴豪縣．可作詩舉

3、等鑽議．琴兴碟雙雜＾著瓣＇＞．皆：早作；Ｋ＾難錄荀Ｗ辨囊灣％：纖讓摘要在当今高度信息化、网络化及数字化的社会环境下，信息安全问题备受社会各界广泛关注。生物特征识别技术具有普遍性、唯一性、稳定性、安全性、可靠性等特点，因此成为当前信息安全领域中极为重要的研究课题之一。在众多生物特征识别技术中，人脸识别技术作为一种自然、直观、友好、安全、实用的生物特征识别技术成为当前领域中最具有发展潜力的技术之一。此外，人脸识别技术研究具有重要的理论研究意义和广阔的市场应用前景与潜力。近几十年来，人脸识别技术已经取得了很大的进展，积累了丰富的理论并涌现出大

4、量的识别方法。尽管已有的人脸识别技术能够获得优越的性能，但由于人脸图像易受光照、表情、姿态等外界因素变化的影响，人脸识别仍然是一个复杂性的问题。因此人脸识别依然存在许多问题和关键技术有待于进一步解决与完善。本文针对已有人脸识别方法进行分析与总结，在此基础上提出三种新的人脸识别方法，并将它们与现在流行的人脸识别方法进行比较。大量实验结果验证了本文方法的有效性和可行性。本文主要研究工作及贡献之处总结如下：1、非负矩阵分解（Non-negativeMatrixFactorization，简称NMF）作为一种有效的特征提取方法已经被广泛应用于各种领

5、域中。然而NMF方法是一种无监督方法，它在特征提取的过程中并没有考虑到样本的类别标签信息。因此，它可能丢弃大量有用的判别信息和降低识别精度。于是，为了充分利用标记样本与未标记样本的信息来改善NMF方法的分类性能，我们结合标签传递（LabelPropagation，简称LP）与矩阵分解（MatrixFactorization，简称MF）技术提出基于标签传递的半监督非负矩阵分解（LabelpropagationbasedSemi-supervisedNon-negativeMatrixFactorization，简称LpSNMF）方法。首先，L

6、pSNMF方法通过引入LP技术有效地克服了半监督NMF方法没有利用标记样本与未标记样本的空间分布信息的缺点。其次，LpSNMF方法将LP技术与NMF方法整合到统一框架实现了低维特征提取与训练集中未知样本的标签预测的双重目的。另外，我们提出一种交替迭代优化算法求解目标函数，并分别从理论分析与数值实验两方面证明了算法的收敛性。最后，通过大量实验验证LpSNMF方法的有效性。2、为了缓解光照、表情、姿态等外界因素变化对基于全局信息的人脸识别方法性能的影响，研究者提出了大量基于局部信息的人脸识别方法。最近，结构保持投影（StructurePrese

7、rvedProjections，简称SPP）方法作为一种有效的局部人脸识别方法被提出。然而SPP方法在特征提取的过程中没有充分考虑到数据的类别标签信息与人脸图像的二维空间结构信息，在一定程度上降低了低维特征的判别能力和减弱了SPP方法的分类性能。为了克服SPP方法的缺点，我们提出空间平滑判别结构保持投影（SpatiallySmoothedDiscriminantStructurePreservedProjections，简称SS-DSPP）有监督局部人脸识别方法。首先，为了增加低维特征的判别能力，SS-DSPP方法充分利用数据的类别标I签信

8、息构建类内邻域图与类间邻域图。其次，为了在特征提取过程中能够保持人脸图像的二维空间结构信息，我们利用基矩阵空间邻域像素的散度提出一种简单且灵活的空间平滑约束（SpatiallyS