一类协同表示人脸识别算法的研究

摘要

随着科学技术的不断进步，计算机技术得到飞速的发展，人脸识别技术在各种领域发挥着越来越重要的作用。人脸在实际环境中，伴随着各种不可预知的情况，会呈现出复杂多变的特性。本文先从改进的稀疏表示的人脸识别算法(SparseRepresentation Classification，SRC)-协同表示算法(Collaborative RepresentationClassification，CRC)入手，从扩充新的人脸样本数据库和概率的角度，对协同表示算法进行改进。本文所做的研究如下: 1.提出了镜像图与粗细层次结合的识别算法。该算法首先利用人脸的镜面性生成新的人脸图像，将原来的人脸训练样本和新生成的镜像图样本结合起来，使用粗细层次结合的分类算法来进行识别。 2.提出了新的多样本扩充的协同表示分类人脸识别算法。新算法首先利用人脸的镜面性生成镜像人脸图，分别对同一类中任意的两个原始样本与镜像样本，取它们的平滑中值样本构造新的人脸样本，然后用欧式距离选择出接近测试样本的训练样本，该算法是将不同途径构成的训练样本分别进行参数加权融合。 3.提出了基于概率协同表示人脸识别算法。该算法利用全概率公式，在协同表示中的目标函数中添加训练函数的辅助函数，构造一种新的基于l2范数的目标函数，形成新的判决算法，将测试样本分配到对应类别的可能性达到最大化。

目录

声明

摘要

第一章绪论

1．1课题研究的背景与意义

1．2基于稀疏表示的人脸识别算法的发展

1．3人脸识别技术中面临的难题

1．4本文的主要安排工作

第二章基于稀疏表示的人脸识别技术基础及相关内容

2．1经典的稀疏表示的人脸识别技术

2．1．1研究意义

2．1．2基于稀疏表示的分类算法

2．2协同表示的人脸识别算法

2．2．1基本的协同表示算法

2．2．2基于正则最小二乘法的协同表示算法

2．2．3协同表示算法的偏差研究

2．2．4基于单类表示的协同表示算法研究

2．2．5基于全局类表示的协同表示算法研究

2．3镜像图法

2．3．1镜像图法的基本理论

2．3．2基于线性回归的人脸识别算法

2．3．3基于线性回归的镜像图法

2．4．1研究意义

2．4．2基于概率的协同子空间表示

2．4．3基于概率的外部样本的协同子空间表示

2．4．4基于分类器的概率协同表示子空间

2．4．5基于概率的协同表示模型

2．4．6基于概率的协同表示分类器

2．5本章小结

第三章镜像图与粗细层次结合的稀疏人脸识别算法

3．1粗细层次结合的人脸识别算法

3．2新算法的提出

3．3新算法的合理性分析

3．4实验结果与分析

3．5本章小结

第四章新的多样本扩充协同表示分类人脸识别算法

4．1新算法的研究意义

4．2新算法的提出

4．3新算法的合理性分析

4．4实验结果与分析

4．5本章小结

第五章基于概率协同表示人脸识别算法

5．1研究意义

5．2新算法中目标函数的建立

5．3新算法的提出

5．4新算法的合理性分析

5．5实验结果与分析

5．6本章小结

第六章结论与展望

6．1新算法的比较

6．2研究总结

6．3工作展望

致谢

参考文献

作者简介