基于稀疏表示的人脸识别算法研究.doc

目录 TOC \o 1-3 \u 1 绪论 PAGEREF _Toc354597070 \h 2 1.1 背景及意义 PAGEREF _Toc354597071 \h 2 1.2 发展状况 PAGEREF _Toc354597072 \h 2 2 人脸识别 PAGEREF _Toc354597073 \h 3 2.1 人脸识别概念 PAGEREF _Toc354597074 \h 3 2.2 影响因素及相应解决方法 PAGEREF _Toc354597075 \h 4 2.2.1 光照问题 PAGEREF _Toc354597076 \h 4 2.2.2 姿态问题 PAGEREF _Toc354597077 \h 4 2.2.3 数据库大小问题 PAGEREF _Toc354597078 \h 4 2.2.4 遮挡、年龄、表情等问题 PAGEREF _Toc354597079 \h 4 3 稀疏表示 PAGEREF _Toc354597080 \h 5 3.1 稀疏表示的意义 PAGEREF _Toc354597081 \h 5 3.2 稀疏表示的概念 PAGEREF _Toc354597082 \h 5 4 基于稀疏表示的人脸识别 PAGEREF _Toc354597083 \h 6 4.1 基于稀疏表示的人脸识别原理 PAGEREF _Toc354597084 \h 6 4.2 基于稀疏表示的人脸识别算法 PAGEREF _Toc354597085 \h 8 4.2.1 正交匹配追踪算法 PAGEREF _Toc354597086 \h 8 3.2.2 快速正交匹配追踪 PAGEREF _Toc354597087 \h 8 5 实验结果与分析 PAGEREF _Toc354597088 \h 9 5.1 有表情变化的实验 PAGEREF _Toc354597089 \h 10 5.2 不同光照条件的实验 PAGEREF _Toc354597090 \h 10 6 结束语 PAGEREF _Toc354597091 \h 11 基于稀疏表示的人脸识别算法研究 摘要： 稀疏表示的数学实质就是在超完备字典下对给定信号的线性分解。本文研究了一种基于稀疏表示的正交匹配追踪（orthogonal marching pursuit,简称OMP）算法，递归的对所选原子集合进行正交化，并且利用矩阵cholesky分解简化迭代过程中矩阵求逆的计算。在人脸识别的实际应用中，利用实验样本构建冗余字典，将待检测样本表示成试验样本的线性组合。通过在不同人脸库上的实验证明了该算法的有效性。 关键字: 稀疏表示； 稀疏编码； 人脸识别； 正交匹配追踪 ABSTRACT 1 绪论 1.1 背景及意义 随着科技的迅猛发展，人类社会已经进入信息时代，信息安全问题日益得到高度重视。钥匙、密码、证件等传统形式的身份认证技术已经远远不能完全满足现代社会中对信息安全有高质量要求的部门的需要。因此，新一代的身份认证技术应运而生。 人的生物特征具有唯一性、稳定性等多种优点，已逐渐成为新一代的身份认证技术的主要依据。在众多的基于生物特征的身份识别技术中，人脸识别技术因其自然性、友好性等显著优势而受到广泛关注，目前已经被应用到模式识别、人工智能、计算机视觉、认知科学等多个领域中。然而，由于人脸图像易受到光照、姿态、遮挡和表情等多种因素的影响 ，识别效果也易受图像数据库大小的干扰，计算机智能识别课题的研究仍然具有较高的挑战性。目前一些学者将稀疏表示用于人脸识别，得到了国内外学者的广泛关注，其基本思想是将待分类图像表示为以训练图像本身作为基原子的字典的稀疏线性组合。 1.2 发展状况 1888年，《Nature》上发表了第一篇利用人脸进行身份识别的文章，由此开启了近代对人脸识别技术的研究。1965年，Chan和Bledsoe共同创建了世界上第一个自动人脸识别系统。随着计算机技术的迅猛发展和相关理论的日益成熟，人脸识别技术的到了快速的发展与广泛的应用，其发展过程大致可以划分为以下三个阶段： 起步阶段 早期人脸识别技术主要利用人脸的几何结构特性（Geometric Feature Based）以及它们之间的角度、距离和区域形状等参数作为识别依据。在这一阶段，很多参数的测定需要人工标定，因此只能称之为半自动人脸识别系统，但是这种方法的提出为后续其他方法的提出提供了理论参考。 发展阶段 90年代初，研究人员发现人脸图像之间存在很强的相关性，人脸图像本身只是高维图像空间中的一个子空间，若直接使