基于协作表达分类算法的三维人脸识别研究

摘要

当前的人脸识别技术主要是基于二维人脸灰度图像的,虽然其简单、快捷并且有效,但是一旦被识别者所处的环境受到光线变化的影响,或者其自身表情、姿态以及遮挡物的变化都会导致识别率的急剧下降,极大地限制了人脸识别技术的进一步发展。成像技术的发展使得三维数据的获取变得更加便捷,并且获取到的深度数据对光照等变化不敏感,能够更真实地反映人脸的固有信息,使得三维人脸深度图识别成为人脸识别的一个重要研究方向,吸引了越来越多研究者的关注与研究。为了缓解二维人脸识别中光照、表情以及姿态等变化带来的影响,增强人脸识别性能,本文在三维人脸深度图上开展了一系列研究,提出了基于协作表达分类算法的人脸识别方法。
　　本文首先概述了人脸识别的研究背景和意义,调研了人脸识别的发展以及现状,对于人脸识别中的基础技术如人脸特征选择、特征提取和降维、分类等进行了阐述,对于稀疏表达以及协作表达在人脸识别上的应用也做了系统的研究。
　　每类样本训练图像较少时会面临训练信息不足的问题,进而导致识别效果不佳,为了克服这个问题,本文通过在复数域空间结合二维人脸灰度数据和三维人脸深度数据,增加训练样本信息量,在协作表示分类算法的基础上,定义一种相似性度量方法,对测试人脸进行分类。我们在实时成像系统采集的人脸库和Texas人脸库上进行实验,结果表明本方法具有一定的可靠性。
　　接着,针对二维人脸识别不能有效克服光照、表情、姿态等变化的问题,通过提取三维人脸深度图的Gabor特征来描述人脸,保留人脸结构中更多利于识别分类的信息,并将核学习的方法融合到分类算法中,设计一种核协作表达分类算法在Kinect人脸库和Texas人脸库上进行人脸识别实验,实验结果表明该方法提高了在光照、表情等复杂变化下的人脸识别率。

目录

封面

声明

致谢

中文摘要

英文摘要

目录

第一章 绪论

1.1研究背景及意义

1.2 人脸识别的发展

1.3人脸识别的研究现状

1.4 本文的研究内容与结构安排

第二章 人脸识别技术研究

2.1特征选择

2.2降维与特征提取

2.3分类

2.4本章小结

第三章 稀疏表示和协作表示及其在人脸识别中的应用

3.1稀疏表示理论及其在人脸识别上的应用

3.2协作表示在人脸识别上的应用

3.3本章小结

第四章 基于协作表示分类算法的三维人脸识别

4.1三维人脸数据库

4.2 多源数据复数域融合的三维人脸识别

4.3 基于Gabor特征核协作表达的三维人脸识别

4.4 本章小结

第五章 总结与展望

5.1本文主要工作

5.2未来工作展望

参考文献

攻读硕士学位期间的学术活动及成果情况