基于稀疏与非线性表达的人脸识别问题研究-电子与通信工程专业论文.docxVIP

万方数据 万方数据 Dissertation Submitted to Hangzhou Dianzi University for the Degree of Master Research on the Technologies of Face Recognition Based on Sparse and Nonlinear Expression Candidate: Yuan Jie Supervisor: Prof. Zhang Jianwu March，2016 杭州电子科技大学 学位论文原创性声明和使用授权说明 原创性声明 本人郑重声明： 所呈交的学位论文，是本人在导师的指导下，独立进行研究工作所取得 的成果。除文中已经注明引用的内容外，本论文不含任何其他个人或集体已经发表或撰写过 的作品或成果。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。申 请学位论文与资料若有不实之处，本人承担一切相关责任。 论文作者签名： 日期： 年 月 日 学位论文使用授权说明 本人完全了解杭州电子科技大学关于保留和使用学位论文的规定，即：研究生在校攻读 学位期间论文工作的知识产权单位属杭州电子科技大学。本人保证毕业离校后，发表论文或 使用论文工作成果时署名单位仍然为杭州电子科技大学。学校有权保留送交论文的复印件， 允许查阅和借阅论文；学校可以公布论文的全部或部分内容，可以允许采用影印、缩印或其 它复制手段保存论文。（必威体育官网网址论文在解密后遵守此规定） 论文作者签名： 日期： 年 月 日 指导教师签名： 日期： 年 月 日 杭州 杭州电子科技大学硕士学位论文 摘 要 相较于其它生物特征识别技术，人脸识别具有友善、快捷、直接的独特优势，人脸也成 为了当前模式识别和人工智能领域最为瞩目的生物特征之一。但是人脸图像对齐敏感，姿态 和表情的易变性使得算法性能下降的问题较为突出，而且人脸结构的复杂性和人脸数据的非 线性使得人脸识别成为了一项具有很大挑战性的课题。本论文着眼于探究人脸识别算法与人 类识别之间的联系，对基于稀疏和非线性表达的人脸识别算法进行研究和改进，提出了三种 新的人脸识别算法，分别为基于非线性最小二乘法的分层人脸识别算法(HSRC)和两种引入人 脸结构化信息的流形识别算法(S_MLLE 和 S_LLE)。 HSRC 算法首先通过多通道分析提取整体人脸特征信息，接着利用我们提出的基于 SRC 精确定位人脸部件的算法 SRC_Location 从原人脸图像中分离出各个人脸部件，并从中提取出 人脸局部特征信息，最后通过非线性最小二乘法将这些提取到的特征信息进行融合。该方法 接近于人类识别的模式，当待识别个体为熟悉的人时，通过肉眼定位人脸部件并结合整体特 征信息进行人为判断后，其结果往往是鲁棒的。最后在几个主流人脸数据库以及实测人脸库 中应用该算法，均得到了满意的实验结果。 S_MLLE 和 S_LLE 算法均继承了 LLE 能使降维后的数据有效保持原高维非线性数据拓 扑结构的优良特征，使得引入的人脸结构化特征能在低维嵌入流形中比较完整地保留下来。 S_MLLE 相较于 S_LLE 的不同主要在于：提取人脸结构化信息的方式，以及前者是将人脸部 件特征信息和结构化信息在多个不同的流形上进行学习，通过融合不同流形上的识别结果来 得到最终的识别率。多流形的建模方式可以更准确地描述数据分布，提高识别率。最后在两 个主流人脸数据库中应用上述两种算法，得到了较为满意的实验结果，并得出引入结构化信 息的人脸部件特征较笼统的整体人脸特征更具区分度，也更符合人类识别的方式。 关键词：人脸识别，压缩感知，流形学习，HSRC，S_MLLE，S_LLE I ABSTRACT Based on that face recognition is more direct, friendly and convenient than other biological characteristic technologies, face becomes one of the most remarkable biological characteristics in many fields such as artificial intelligence and pattern recognition. But face image has the problems of alignment, changeable gestures and facial expressions which will descend the performance of face recognition algorithm. In the meanwhile, the complexi