魯棒的人臉識(shí)別算法研究.pdf

1、隨著21世紀(jì)信息技術(shù)的迅猛發(fā)展，各種軟硬件產(chǎn)品得到了快速升級(jí)，因而人臉識(shí)別技術(shù)的廣泛應(yīng)用成為可能。人臉相對(duì)于其它生物信息（指紋、人眼、虹膜等）有其獨(dú)特的優(yōu)勢(shì)，如自然的直觀鑒別性和不被察覺性，使得它在安全領(lǐng)域起到不可忽視的作用。雖然人臉識(shí)別正逐漸地應(yīng)用于現(xiàn)實(shí)生活和國(guó)防安全領(lǐng)域，但是其中還存在著很多問題有待進(jìn)一步解決，如遮擋、人臉姿態(tài)變化、光照變化、表情變化等。基于人臉識(shí)別所具有的現(xiàn)實(shí)意義和廣闊的應(yīng)用前景，本文希望通過對(duì)人臉識(shí)別系統(tǒng)中特征提

2、取和分類器設(shè)計(jì)的理論研究，為人臉識(shí)別系統(tǒng)的廣泛應(yīng)用提供一些科學(xué)的指導(dǎo)與建議。本論文的創(chuàng)新之處有如下三點(diǎn):
　　我們提出了一種新的人臉特征描述子PPC(PrimitivePatternCoding)。PPC有效地結(jié)合了一種新的紋理描述子LTPBP(LocalThree-PointsBinaryPatterns)、空間信息和全局特征學(xué)習(xí)算法LDA。PPC有如下幾方面的優(yōu)勢(shì):能夠容忍光照的變化，可以魯棒地處理姿態(tài)變化以及高效的計(jì)算效率。

3、在幾個(gè)標(biāo)準(zhǔn)的人臉數(shù)據(jù)庫(如GTFD、FRGC、CMU-PIE)上所得的實(shí)驗(yàn)結(jié)果表明，PPC要優(yōu)于當(dāng)前同類的特征描述子。
　　我們提出了一種加速的魯棒稀疏編碼算法ARSC(AcceleratedRobustSparseCoding)，ARSC算法由基于線性回歸分類LRC(Linear-RegressionbasedClassification)和魯棒稀疏編碼RSC(RobustSparseCoding)兩種算法混合而成。首先，LRC

4、作為生成算法，用于篩選目標(biāo)人臉集，以減少搜索空間;而RSC則用于在候選目標(biāo)集中做更為精確的識(shí)別。實(shí)驗(yàn)結(jié)果表明，ARSC在保持高識(shí)別率的同時(shí)，能夠有效地減少計(jì)算復(fù)雜度。
　　針對(duì)遮擋問題，我們提出了一種新的基于魯棒模塊化線性回歸分類的算法RMLRC(RobustModularLinear-RegressionbasedClassification)。RMLRC結(jié)合了改進(jìn)的基于距離證據(jù)融合算法RDEF(RobustDistance-b