基于壓縮感知的實際環(huán)境人臉識別技術(shù)研究.pdf

1、隨著信息安全意識的普及，人們慢慢開始關(guān)注并研究生物特征識別技術(shù)。如何快速準確地識別用戶身份、保護財產(chǎn)信息安全，已經(jīng)成為一個值得深入研究的問題。由于人臉識別技術(shù)潛在的商業(yè)前景和巨大的社會效益，越來越多的學者開始深入研究人臉識別技術(shù)。
　　壓縮感知理論（Compressive Sensing,CS）利用信號的稀疏表示充分提取信號中的有用信息，為信號采樣理論帶來了革命性的突破。同時，壓縮感知理論也為人臉識別領(lǐng)域帶來新的研究思路與方法，其

2、中較為著名的算法就是基于稀疏表示分類的人臉識別算法（Sparse Representation-based Classification,SRC）。
　　與傳統(tǒng)人臉識別算法相比，SRC算法利用圖像高維數(shù)據(jù)的可壓縮性，通過稀疏表示的方法將人臉圖像進行統(tǒng)計判斷，解決了高維數(shù)據(jù)帶來的計算量問題以及處理中信息丟失問題，具有較好的識別效果。但是，由于現(xiàn)有SRC算法并沒有對光照變化、姿勢變化、人臉圖像不完整等問題進行相應地處理，導致了SRC算

3、法性能下降。本文研究了光照變化、姿勢變化條件下的壓縮感知人臉識別算法并對現(xiàn)有SRC算法進行改進，進一步解決了人臉圖像不完整問題。論文的主要內(nèi)容和創(chuàng)新點如下：
　　1.提出一種光照魯棒的人臉識別算法，稱為G-SRC算法（Illumination robust SRC based on Gradientfaces，G-SRC）。通過對比各類消光照算法性能，采用梯度臉算法消除光照變化，提取與人臉輪廓相關(guān)的光照不變量，從而增強算法的光照魯

4、棒。另外，通過主成分分析法進一步提取人臉特征，提升算法運行速度。最后將通過處理后的數(shù)據(jù)進行稀疏表示并判斷識別。實驗結(jié)果表明，G-SRC算法有效地提升了SRC算法的識別率及光照魯棒。
　　2.提出一種關(guān)于提取人臉細節(jié)特征的算法。為了充分利用人臉細節(jié)，如人臉關(guān)鍵特征（眼睛、鼻子、嘴巴等），利用Harris角點檢測法得到足夠數(shù)量的Harris角點，然后利用改進的Gabor濾波器對角點進行篩選，剔除圖像中的偽角點，進一步精確地提取了人臉細

5、節(jié)特征的信息，解決了姿勢變化和人臉圖像不完整帶來的信息缺失問題。
　　3.提出一種基于SRC算法的二次人臉識別算法，稱為T-SRC算法（Twice face recognition based on SRC，T-SRC）。當遇到第一次識別殘差差別不大從而需要進行二次識別的情況時，提取二次識別的人臉圖像細節(jié)并組成新的人臉樣本集，用該樣本集稀疏表示測試人臉以及確定身份信息。通過實驗結(jié)果的分析，可以證明T-SRC算法較好地提高了識別率。