基于稀疏表示改进的人脸识别方法研究

发布时间：2017-11-02 08:03

  本文关键词：基于稀疏表示改进的人脸识别方法研究

  更多相关文章： 人脸识别 稀疏表示 特征融合 字典优化 正则化最小二乘法

【摘要】：人脸识别一直是模式识别和人工智能领域的研究热点,而且正在逐渐进入安保防护、网上支付、银行业务和智能家居等人类生活的各个方面。随着稀疏表示理论的不断深入研究和发展,基于稀疏表示的人脸识别方法也受到研究人员的广泛关注。本文通过探索稀疏表示中冗余字典的结构优化,以及字典原子间稀疏性和协同表示之间的关系,来对现今基于稀疏表示的人脸识别方法进行改进。首先,通过提取字典原子的融合特征,并将线性鉴别分析算法引入到稀疏表示的字典建立过程中,建立结构优化的线性鉴别字典。对于基于稀疏表示的人脸识别算法来说,冗余字典的建立是对测试人脸进行稀疏表示的基础和关键。通过提取融合特征作为字典原子,增强原子的人脸表示能力,然后考虑类之间有鉴别的信息,引入线性鉴别分析算法对字典进行改造,减小字典特征维数的同时增强了字典的鉴别能力,建立线性鉴别字典。实验表明,使用线性鉴别字典可以增强稀疏系数的稀疏性和降低算法时间复杂度,并且更容易排除干扰人脸,显著提高了人脸稀疏表示算法的性能。其次,在线性鉴别字典的基础上,建立基于稀疏表示的快速l2-范数人脸识别方法。多数稀疏表示方法需要原子数目远远大于原子维数的大规模冗余字典,并采用l1-范数最小化方法来保证稀疏系数的稀疏性,这必然会导致算法的复杂度加大。本文方法通过提取线性鉴别字典中每类原子的主成分来缩减字典原子数,建立可以增强l2-范数稀疏性的简洁字典,并通过l2-范数来计算稀疏系数,从而在保证识别性能的前提下大幅提高了算法运行速度。实验表明,本文方法的运算速度在低维条件下比其它稀疏表示方法大大加快,同时拥有显著优越的人脸识别性能和排除干扰人脸的能力。最后,结合冗余字典结构优化算法和基于稀疏表示的快速l2-范数人脸识别方法,设计并实现视频人脸识别原型系统。该系统可以完成视频输入、人脸检测、特征提取、字典建立、人脸识别和标注等功能,具有一定的实时性、准确性和鲁棒性。同时本系统提供良好的交互窗口,可以方便使用者直观地进行人脸图像采集和观察测试人脸身份。
【关键词】：人脸识别 稀疏表示 特征融合 字典优化 正则化最小二乘法
【学位授予单位】：中国矿业大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41
【目录】：

• 致谢4-5
• 摘要5-6
• Abstract6-15
• 1 绪论15-28
• 1.1 研究背景及意义15-16
• 1.2 研究现状16-26
• 1.3 研究内容26
• 1.4 本文组织结构26-28
• 2 相关理论基础28-38
• 2.1 引言28
• 2.2 稀疏表示理论28-30
• 2.3 特征提取30-33
• 2.4 稀疏表示方法33-37
• 2.5 小结37-38
• 3 冗余字典结构优化算法38-54
• 3.1 引言38-39
• 3.2 冗余字典39-41
• 3.3 线性鉴别字典41-44
• 3.4 实验分析44-53
• 3.5 小结53-54
• 4 基于稀疏表示的快速l2-范数人脸识别方法54-65
• 4.1 引言54-55
• 4.2 原子缩减55-56
• 4.3 稀疏系数求解56-58
• 4.4 算法描述58-59
• 4.5 实验分析59-64
• 4.6 小结64-65
• 5 原型系统设计与实现65-72
• 5.1 引言65
• 5.2 系统流程设计65-66
• 5.3 系统功能模块66-68
• 5.4 系统功能演示68-70
• 5.5 小结70-72
• 6 总结与展望72-74
• 6.1 本文总结72-73
• 6.2 工作展望73-74
• 参考文献74-81
• 作者简历81-83
• 学位论文数据集83

，

本文编号：1130652