基于壓縮感知的實(shí)際環(huán)境人臉識(shí)別技術(shù)研究.pdf

1、隨著信息安全意識(shí)的普及，人們慢慢開(kāi)始關(guān)注并研究生物特征識(shí)別技術(shù)。如何快速準(zhǔn)確地識(shí)別用戶身份、保護(hù)財(cái)產(chǎn)信息安全，已經(jīng)成為一個(gè)值得深入研究的問(wèn)題。由于人臉識(shí)別技術(shù)潛在的商業(yè)前景和巨大的社會(huì)效益，越來(lái)越多的學(xué)者開(kāi)始深入研究人臉識(shí)別技術(shù)。
　　壓縮感知理論（Compressive Sensing,CS）利用信號(hào)的稀疏表示充分提取信號(hào)中的有用信息，為信號(hào)采樣理論帶來(lái)了革命性的突破。同時(shí)，壓縮感知理論也為人臉識(shí)別領(lǐng)域帶來(lái)新的研究思路與方法，其

2、中較為著名的算法就是基于稀疏表示分類的人臉識(shí)別算法（Sparse Representation-based Classification,SRC）。
　　與傳統(tǒng)人臉識(shí)別算法相比，SRC算法利用圖像高維數(shù)據(jù)的可壓縮性，通過(guò)稀疏表示的方法將人臉圖像進(jìn)行統(tǒng)計(jì)判斷，解決了高維數(shù)據(jù)帶來(lái)的計(jì)算量問(wèn)題以及處理中信息丟失問(wèn)題，具有較好的識(shí)別效果。但是，由于現(xiàn)有SRC算法并沒(méi)有對(duì)光照變化、姿勢(shì)變化、人臉圖像不完整等問(wèn)題進(jìn)行相應(yīng)地處理，導(dǎo)致了SRC算

3、法性能下降。本文研究了光照變化、姿勢(shì)變化條件下的壓縮感知人臉識(shí)別算法并對(duì)現(xiàn)有SRC算法進(jìn)行改進(jìn)，進(jìn)一步解決了人臉圖像不完整問(wèn)題。論文的主要內(nèi)容和創(chuàng)新點(diǎn)如下：
　　1.提出一種光照魯棒的人臉識(shí)別算法，稱為G-SRC算法（Illumination robust SRC based on Gradientfaces，G-SRC）。通過(guò)對(duì)比各類消光照算法性能，采用梯度臉?biāo)惴ㄏ庹兆兓?，提取與人臉輪廓相關(guān)的光照不變量，從而增強(qiáng)算法的光照魯

4、棒。另外，通過(guò)主成分分析法進(jìn)一步提取人臉特征，提升算法運(yùn)行速度。最后將通過(guò)處理后的數(shù)據(jù)進(jìn)行稀疏表示并判斷識(shí)別。實(shí)驗(yàn)結(jié)果表明，G-SRC算法有效地提升了SRC算法的識(shí)別率及光照魯棒。
　　2.提出一種關(guān)于提取人臉細(xì)節(jié)特征的算法。為了充分利用人臉細(xì)節(jié)，如人臉關(guān)鍵特征（眼睛、鼻子、嘴巴等），利用Harris角點(diǎn)檢測(cè)法得到足夠數(shù)量的Harris角點(diǎn)，然后利用改進(jìn)的Gabor濾波器對(duì)角點(diǎn)進(jìn)行篩選，剔除圖像中的偽角點(diǎn)，進(jìn)一步精確地提取了人臉細(xì)

5、節(jié)特征的信息，解決了姿勢(shì)變化和人臉圖像不完整帶來(lái)的信息缺失問(wèn)題。
　　3.提出一種基于SRC算法的二次人臉識(shí)別算法，稱為T-SRC算法（Twice face recognition based on SRC，T-SRC）。當(dāng)遇到第一次識(shí)別殘差差別不大從而需要進(jìn)行二次識(shí)別的情況時(shí)，提取二次識(shí)別的人臉圖像細(xì)節(jié)并組成新的人臉樣本集，用該樣本集稀疏表示測(cè)試人臉以及確定身份信息。通過(guò)實(shí)驗(yàn)結(jié)果的分析，可以證明T-SRC算法較好地提高了識(shí)別率。