发布时间 : 星期一 文章基于稀疏表示的人脸识别算法研究更新完毕开始阅读4163db66767f5acfa1c7cd9b
目录
1 绪论 .......................................... 2
1.1 背景及意义 ........................................................................................ 2 1.2 发展状况 ........................................................................................... 2
2 人脸识别 ...................................... 3
2.1 人脸识别概念 ..................................................................................... 3 2.2 影响因素及相应解决方法 .................................................................... 4
2.2.1 光照问题 ................................................................................. 4 2.2.2 姿态问题 ................................................................................. 4 2.2.3 数据库大小问题 ....................................................................... 4 2.2.4 遮挡、年龄、表情等问题 .......................................................... 5
3 稀疏表示 ....................................... 5
3.1 稀疏表示的意义 ................................................................................. 5 3.2 稀疏表示的概念 ................................................................................. 5
4 基于稀疏表示的人脸识别 ......................... 6
4.1 基于稀疏表示的人脸识别原理 ............................................................... 6 4.2 基于稀疏表示的人脸识别算法 .............................................................. 8
4.2.1 正交匹配追踪算法 .................................................................... 8 3.2.2 快速正交匹配追踪 ....................................................................... 9
5 实验结果与分析 ................................. 9
5.1 有表情变化的实验 ............................................................................ 10 5.2 不同光照条件的实验 ....................................................................... 11
6 结束语 ........................................ 11
基研究
摘要： 稀疏表示的数学实质就是在超完备字典下对给定信号的线性分解。
本文研究了一种基于稀疏表示的正交匹配追踪（orthogonal marching pursuit,简称OMP）算法，递归的对所选原子集合进行正交化，并且利用矩阵cholesky分解简化迭代过程中矩阵求逆的计算。在人脸识别的实际应用中，利用实验样本构建冗余字典，将待检测样本表示成试验样本的线性组合。通过在不同人脸库上的实验证明了该算法的有效性。
关键字: 稀疏表示； 稀疏编码； 人脸识别； 正交匹配追踪
ABSTRACT
1 绪论
1.1 背景及意义
随着科技的迅猛发展，人类社会已经进入信息时代，信息安全问题日益得到高度重视。钥匙、密码、证件等传统形式的身份认证技术已经远远不能完全满足现代社会中对信息安全有高质量要求的部门的需要。因此，新一代的身份认证技术应运而生。
人的生物特征具有唯一性、稳定性等多种优点，已逐渐成为新一代的身份认证技术的主要依据。在众多的基于生物特征的身份识别技术中，人脸识别技术因其自然性、友好性等显著优势而受到广泛关注，目前已经被应用到模式识别、人工智能、计算机视觉、认知科学等多个领域中。然而，由于人脸图像易受到光照、姿态、遮挡和表情等多种因素的影响 ，识别效果也易受图像数据库大小的干扰，计算机智能识别课题的研究仍然具有较高的挑战性。目前一些学者将稀疏表示用于人脸识别，得到了国内外学者的广泛关注，其基本思想是将待分类图像表示为以训练图像本身作为基原子的字典的稀疏线性组合。 1.2 发展状况
1888年，《Nature》上发表了第一篇利用人脸进行身份识别的文章，由此开启了近代对人脸识别技术的研究。1965年，Chan和Bledsoe共同创建了世界上第一个自动人脸识别系统。随着计算机技术的迅猛发展和相关理论的日益成熟，人脸识别技术的到了快速的发展与广泛的应用，其发展过程大致可以划分为以下三个阶段： 起步阶段
早期人脸识别技术主要利用人脸的几何结构特性（Geometric Feature Based）以及它们之间的角度、距离和区域形状等参数作为识别依据。在这一阶段，很多参数的测定需要人工标定，因此只能称之为半自动人脸识别系统，但是这种方法的提出为后续其他方法的提出提供了理论参考。 发展阶段
90年代初，研究人员发现人脸图像之间存在很强的相关性，人脸图像本身只是高维图像空间中的一个子空间，若直接使用，会因维数过高而产生“维数灾难”等问题。因此，各种降维方法陆续产生。本阶段主要产生了线性判别分析（Linear Disriminant Analysis,简称LDA）算法、主成分分析(principal component analysis,简称PCA)算法以及统计模式识别方法等多种算法。
攻坚阶段
进入二十一世纪，人脸识别技术进入攻坚阶段。在前两个阶段的发展过程中，人脸识别技术已经积累了丰富的理论和大量的算法，基本能够解决可控条件下的身份识别问题。但是，非理想条件、大规模人脸数据库等问题下的人脸识别仍有待解决。针对这些问题，产生了等距离映射（Isometrical Mapping,简称ISOMAP）、局部线性嵌入（Locally Linear Embedding，简称LLE）、最大方差展开（Maximum Variance Unfolding ,简称MUV）等多种方法，基于稀疏表示的人脸识别方法也生在这一阶段脱颖而出。 2 人脸识别 2.1 人脸识别概念
人脸识别就是利用人脸的生物特征对身份进行判别，这些生物特征可分为眼、鼻、嘴的几何形状或关系等外部特征以及人脸的结构关系等内部特征两个方面。
2.2 影响因素及相应解决方法 2.2.1 光照问题
人脸识别系统的性能与人脸识别算法的设计以及人脸图像的质量等有密切的关系。在影响人脸图像质量的众多因素之中，光照问题不容忽视。一般将人脸识别中处理光照问题的方法分为三类：基于图像处理技术的方法；基于子空间的方法；基于光照不变特征提取算法。基于图像处理技术的方法主要从图像本身出发，利用对光照变化不敏感或无变化的特征进行图像处理。基于子空间的方法原理是同一物体在不同光照下的图像属于一个低维度的线性子空间，通过寻求与输入图像最为接近的子空间进行识别。基于光照不变特征提取方法的算法可以分为传统光照不变特征提取和基于人脸反射系数的光照不变特征提取两大类。
2.2.2 姿态问题
姿态问题同样也是人脸识别中亟待解决的一个难点。目前多数的人脸识别算法仅适用于正面或准正面的人脸图像条件下的人脸识别，对于其他姿态下的人脸图像，识别率相对较低。针对这一问题，目前已经提出了局部线性回归（Locally Linear Regression，简称LLR）算法、基于神经网络的方法和光度立体分析等方法。
2.2.3 数据库大小问题
在人脸识别技术中，人脸图像数据库的大小存在两种极端情况：①人脸图像数据库过大；②单样本或少样本人脸数据库。如果人脸图像数据库过大，则对相关算法的运算速度要求较高，如果人脸图像数据库样本过少，则会影响人脸识别的正确率。针对数据库过大问题，目前主要提出了主成分分析、线性辨别分析和隐马尔可夫模型等方法来提高效率。针对单样本问题，主要的解决方法有样本扩张法、图像增强法和特征子空间扩张法等。