基于局部特征的協(xié)同稀疏表示人臉識別算法研究.pdf

1、人臉識別（Face recognition，F(xiàn)R）一直是模式識別、計算機視覺領域的熱點問題。在公共安全、家居監(jiān)控安全、日常生活等安全防護方面應用十分廣泛。長時間研究以來，已經(jīng)形成不少具有標志性的人臉識別方法，例如基于幾何特征模型、彈性圖匹配模型、特征臉子空間、以及支持向量機和自適應組合分離器方法等?，F(xiàn)有人臉識別方法通常存在計算復雜度較高、特征提取不全面、對光照姿態(tài)等影響魯棒性較差等方面的不足。通過了解近年來壓縮感知理論和稀疏表示相關理論

2、，進而利用相關理論來改進傳統(tǒng)識別算法的不足。并且總結和分析了稀疏表示方法利用整體特征進行分類識別時對于光照變化、局部變化、姿態(tài)變化等因素敏感的缺點，針對其另一種形式協(xié)同稀疏表示分類方法進行了討論和研究。
　　在總結和分析基于稀疏表示和協(xié)同稀疏表示人臉方法的基礎上，文章以人臉識別系統(tǒng)流程為順序，展開工作，論文的主要內(nèi)容、工作如下：
　　（1）介紹了國內(nèi)外人臉識別技術的研究現(xiàn)狀，簡要介紹了常見人臉庫以及評價指標。根據(jù)系統(tǒng)總框圖介

3、紹人臉識別過程。
　?。?）介紹了人臉預處理階段以及幾何歸一化的過程，提出結合Sobel算子以及Susan算子和灰度梯子分布的雙眼和嘴部定位方法，并根據(jù)定位的位置，通過歸一化尺度圖進行縮放、裁剪、旋轉(zhuǎn)等工作。
　?。?）文章介紹兩種能夠較好表征局部特征紋理的方法，Gabor小波和局部二值模式，提出了對 LBP算子的改進，利用一致性算子來減少提取特征總維數(shù)，改進原始 LBP算子忽略中心點像素容易忽略局部特征的不足，通過合理分類

4、，進一步增加提取后的特征信息以及減少提取的特征復雜度。提取后的特征跟Gabor小波特征以及原始LBP特征在人臉庫中進行對比。實驗結果分析ULBP算子與傳統(tǒng)的Gabor小波及原始LBP算子相比，其描述特征能力更強，更適合應用于人臉識別工作。
　?。?）對于稀疏表示分類方法，將稀疏約束條件由L1范數(shù)轉(zhuǎn)換為最小二乘計算，即協(xié)同稀疏表示方法，并利用Gabor小波和一致性LBP方法提取特征后，再通過相應的字典稀疏表示以求得所屬類別，局部紋理