復雜環(huán)境下的單樣本人臉識別算法研究.pdf

1、人臉識別是根據(jù)人體面部圖像進行身份識別的一項技術，是生物特征識別領域重要組成部分，具有重要的研究價值和廣泛的應用前景。近年來，涌現(xiàn)出許多高性能人臉識別算法，人臉識別技術在環(huán)境可控、目標配合的理想條件下已經(jīng)比較成熟。不幸的是，這些算法非常依賴訓練樣本集的規(guī)模和典型性。它們所關注的核心問題是如何基于足夠大的數(shù)據(jù)集取得更高的識別準確率，而忽視了由訓練數(shù)據(jù)樣本缺乏帶來的識別困難。在實際場景下的人臉識別系統(tǒng)中，由于數(shù)據(jù)采集困難或系統(tǒng)數(shù)據(jù)存儲規(guī)模制

2、約，容易導致每類訓練樣本數(shù)目不足，甚至每類只有單個訓練樣本的情況，稱為單樣本人臉識別問題。另一方面，數(shù)據(jù)集中存儲每類單個訓練樣本具有許多優(yōu)勢：如容易獲取數(shù)據(jù)，節(jié)約存儲空間、降低計算花費等。因此，研究單樣本人臉識別算法具有重要意義。
　　本論文主要研究問題是復雜環(huán)境下的單樣本人臉識別問題。實際人臉識別系統(tǒng)數(shù)據(jù)獲取環(huán)境復雜，人臉識別系統(tǒng)往往受到偽裝、遮擋、光照、表情等環(huán)境變化制約和樣本數(shù)目等數(shù)據(jù)制約。為了解決這一問題，提出了一種基于稀

3、疏判別式多流形分析的單樣本人臉識別算法。算法主要分為兩部分：數(shù)據(jù)表示和流形匹配。數(shù)據(jù)表示指針對人臉高維數(shù)據(jù)，學習一個低維特征空間，得到數(shù)據(jù)對應的低維表示。對數(shù)據(jù)表示部分，我們提出了稀疏判別式多流行嵌入算法(Sparse Discriminative Multi-Manifold Embedding,SDMME)。通過構造兩種類別結構字典，我們學習了流形內稀疏圖和流形間稀疏圖。進而通過保持流形內圖結構，并抑制流形間圖特性，學習得到了最優(yōu)嵌