《基于稀疏性理论的人脸识别方法研究论文》由会员分享，可在线阅读，更多相关《基于稀疏性理论的人脸识别方法研究论文（64页珍藏版）》请在金锄头文库上搜索。
1、摘 要摘要随着现代科学技术的不断发展，人脸识别越来越受到了人们的关注，正成为国际性的研究热点。人脸识别整个过程主要包括图像预处理、特征提取以及模式分类 3 个阶段，其中特征提取与模式分类两个步骤最为关键。特征提取阶段，K_L变换算法较为经典，它是一种基于全局性的特征提取算法。与之相对应的是基于局部性的特征提取算法，稀疏编码算法即是一种基于局部特征提取的算法，它有着减少冗余数据，增强数据鲁棒性等优点。模式分类器可以分为非线性分类器与线性分类器。支持向量机是一种线性分类器，它在小样本数据中分类效果是最佳的，被广泛的应用在人脸识别中。稀疏编码算法虽然有着许多优点，但现阶段稀疏编码算法迭代时间长，效率
2、较低，本文提出了一种高效 0 范数稀疏编码算法，在模型的间断点连续开拓后进行求解，大大提高算法的运算效率。由于将稀疏编码算法运用到人脸识别中，模式分类阶段是必不可少的，因此本文中还对模式分类阶段的支持向量机进行简单的研究，最终对模型中惩罚参数的选择进行改进。最终利用高效 0 范数稀疏编码算法并结合改进后的支持向量机组成一种新的高效的人脸识别方法。为了验证本文提出的 0 范数稀疏编码算法的高效性，将与 NMFs 算法进行比较，实验在 ORL 人脸库上进行。最终的实验数据表明本文提出的 0 范数稀疏编码算法在收敛速度上优于 NMFs 算法，大大缩短了整个算法的迭代时间。对支持向量机惩罚参数的选择也
3、进行了实验，最终得到了一种选择惩罚参数的方法，即对表情姿态不丰富的人脸库我们可以相对随机的选取矫正系数矩阵，对表情姿态丰富的人脸库我们选取较小的 g 所对应的矫正系数矩阵。关键词：人脸识别；K_L 变换；独立成分分析；稀疏编码算法；支持向量机IAbstractAbstractWith the continuous development of modern science and technology, Facerecognition gets more and more peoples attention, and the research is becoming aninternation
4、al hot spot. The whole process of face recognition includes imagepreprocessing, feature extraction and classification, which feature extraction and patternclassification are the most two critical steps. Feature extraction stage, K_L transformalgorithm is more classical, it is a global feature-based
5、extraction algorithm.Correspondingly, based on localized feature extraction algorithm, sparse codingalgorithm that is based on local feature extraction algorithm, it has reduced redundantdata, enhanced data robustness advantages. Pattern classifier can be divided intonon-linear classifier with the l
6、inear classifier. SVM is a linear classifier, it is a smallsample of data is the best classification results, are widely used in face recognition.Although the sparse coding algorithm has many advantages, but at this stageiterative sparse coding algorithm for a long time, less efficient, this paper p
7、resents anefficient sparse coding algorithm norm 0, the break point in the model is solved aftercontinuous development, will greatly enhance the algorithm for computing efficiency.Due to the sparse coding algorithm applied to the face recognition, pattern classificationstage is essential, so this st
8、age also on the pattern classification support vector machinesfor simple research, the ultimate punishment for the model to improve the selection ofparameters. End-use efficient sparse coding algorithm 0-norm combined with theimproved support vector machine composed of a new efficient approach for f
9、acerecognition.In order to verify the proposed 0-norm sparse coding efficiency of the algorithm,compared with NMFs algorithm, experiments on the ORL face database. The finalexperimental data show that the proposed 0-norm sparse coding algorithm is better thanNMFs algorithm convergence rate, greatly
10、reducing the overall iteration time. Penaltyparameter of support vector machines have also been the choice of experiments andeventually got a penalty parameter of the method of choice, that attitude does not lookrich face database that we can be relatively random selection correction coefficientmatr
11、ix, a rich person profile of expression face database we choose g corresponding to asmaller correction coefficient matrix.IIAbstractKey words: Face Recognition; K_L Transform; Independent Component Analysis;Sparse Coding Algorithm; Support Vector MachinesIII独创性声明本人郑重声明： 所呈交的学位论文，是本人在导师的指导下，独立进行研究工作所
12、取得的成果。除文中已经注明引用的内容外，本论文不含任何其他个人或集体已经发表或撰写过的研究成果，也不包含为获得河北工程大学或其他教育机构的学位或证书而使用过的材料。对本文的研究做出重要贡献的个人和集体，均已在论文中作了明确的说明并表示了谢意。本人完全意识到本声明的法律结果由本人承担。学位论文作者签名：签字日期：年月日学位论文版权使用授权书本学位论文作者完全了解河北工程大学 有关保留、使用学位论文的规定。特授权 河北工程大学 可以将学位论文的全部或部分内容编入有关数据库进行检索，并采用影印、缩印或扫描等复制手段保存、汇编以供查阅和借阅。同意学校向国家有关部门或机构送交论文的复印件和电子文档。(保
13、密的学位论文在解密后适用本授权说明)学位论文作者签名：导师签名：签字日期：签字日期：年年月月日日第 1 章 绪论第 1 章 绪论1.1 研究背景及意义科技文化高度发展的大背景下，生物特征识别成为社会的一个研究的热点。人脸识别作为生物特征识别中的一个分支，以其非接触，容易提取，不易伪造等优点成为许多学者的主要研究课题。生物特征识别1-2涉及到机器视觉、统计原理、心理学、生理学等众多分支领域知识。生物识别领域包括许多分支，如指纹识别、虹膜识别、掌纹识别、DNA 识别、人脸识别等。它们都有着不易伪造，不易丢失等优点，都成为生物识别中的研究课题。当今识别身份常用手段有口令密码、磁卡、钥匙等，但这些传统
14、的手段都有着容易丢失、容易窃取、不易恢复、需要随身携带等诸多缺点。例如人们常用的钥匙，需要时时的随身携带，又容易丢失。与传统的身份识别相对的正是生物识别，生物识别有着不易丢失、不易窃取、无需携带等优点。正因为有着诸多的优点，生物识别越来越受到人们的关注。当今生物识别较为成熟，广泛使用的有指纹识别、DNA 识别、虹膜识别等。在公安侦破案件中常常用到指纹识别，大大提高了案件的侦破率。现在许多公司在考勤中也用到了指纹识别系统。DNA 也使用的较为广泛，最为人们所知的是 DNA 亲子鉴定，在案件侦破中也常常会使用到DNA 鉴定。许多生物识别也有着一些难为人们广泛接受缺点。例如指纹识别，指纹识别通常要提
15、取人们的指纹，要接触式的提取到人们的指纹。过程相对较繁，不为人们广泛接受，通常不易提取指纹。DNA 识别提取过程更加繁琐，通常成功的完成整个匹配过程需要很长的时间，且提取过程需要医学上的先进仪器才能完成。人脸识别有着容易提取的优点受到了人们的广泛关注。人脸识别提取人脸图像，可以非接触式的提取到人脸图像，采用普通的摄像头即可采集到图像，方便快速。人脸识别的研究起源于二十世纪七十年代，虽然有着容易提取的优点，但人脸图像非常复杂，对于较多的人脸图像，处理时间庞大，难以有效完成识别过程。在随后的一段时间内，人脸识别处于停滞状态。到了八十年代，一些特征提取算法的引入，例如经典的主成分分析(PCA)3，起
16、源于 Person 的早期工作，大大降低了人脸图像的复杂度。同时人脸特征点的有效提取，为人脸识别提供了较好的前提。到目前为止在特征提取阶段，主成分分析仍旧占据的较为重要的位置，他有效的提取到整张人脸的主要特征，同时大大降低了人脸图像的复杂度。PCA 虽然1河北工程大学硕士学位论文在人脸识别特征提取阶段较为广泛使用，但它是提取整幅人脸图像的特征点，数据之间只能做到不相关，还有着数据冗余等缺点，鲁棒性不突出。八十年代出现的独立成分分析(ICA)4为克服 PCA 的这些缺点也被引入到人脸识别当中。ICA 使数据之间互相独立，极大程度的去除数据冗余，鲁棒性好，对于图像中噪声不敏感。最近几年，稀疏编码算法(SC)7正受到人们的广泛关注。不严格来说 ICA 只是稀疏编码算法的一个分支。稀疏编码算法有着与 ICA 同样的优点，克服了数据间的冗余，大大降低了图像的复杂度。同时有着较好的鲁棒性，正越来越受到人们的关注，稀疏编码算法在人脸识别中有着广泛的应用前景。随着一些算法的涌现与不断改进，人脸识别距离现实生活越来越近。人脸识别的研究有着广泛的应用前景与重要的使用价值。1.2 人脸识别
