压缩感知人脸识别%60.pdf

摘 要 摘 要 作为计算机视觉与生物信息学等交叉学科研究热点之一，人脸识别技术为 国家公共安全、人机交互等核心应用领域的信息化进程提供技术支撑，在学术 界和工业界引起高度关注。然而，人脸识别技术经过几十年发展并未取得预期 效果，进展缓慢，尤其还面临着在光照的复杂性、姿态的多变性、遮挡的随机 性以及表情多样性等诸多方面的挑战。 现有人脸识别算法主要基于经典统计学习理论，该理论是建立在大量样本 的基础上，可有效处理低维数据，但对高维数据难以奏效。人脸数据是高维数 据，而且可采集的样本数量是有限的，因而经典统计学习理论与人脸数据特征 存在明显失配问题。压缩感知理论是由Donoho 与Candes 等人于2006 年提出 的一个新的理论框架，该理论一经引入人脸识别领域就掀起新的研究热潮，其 中最为经典的是稀疏表示人脸识别算法（Sparse Representation-based Classification， SRC）。 与现有多数方法相比，SRC 方法直接利用了高维数据分布的稀疏性进行统 计推断，可以有效地应对维数灾难问题。同时，SRC 方法直接利用原始像素进 行人脸识别，避免了各种预处理过程造成的信息丢失。 但是，现有SRC 方法要求测试图像和训练图像严格对齐，而姿态和表情的 变化会引起人脸图像产生对齐误差，导致 SRC 性能下降，严重阻碍了 SRC 方 法走向实用。本论文研究姿态变化条件下的压缩感知人脸识别算法和表情鲁棒 的压缩感知人脸识别算法。论文的主要研究内容和创新点如下： 1. 提出一种姿态鲁棒的分块稀疏表示人脸识别算法（PSRC ）。对人脸图像 进行分块表示，利用仿射变换模型对各图像分块的姿态变化进行建模，估计测 试图像分块和相应的最优匹配注册图像块之间的仿射变换参数来进行姿态矫 正。实验结果表明，与现有算法相比，PSRC 可以处理较大范围的姿态变化。 2. 提出一种仿射变换参数全局最优求解算法。为了提高参数估计精度，算 法利用重构误差最小化技术为各图像分块估计较优的初始值，避免陷入局部最 优。实验结果表明，估计仿射变换参数初值有效提升了PSRC 算法性能。 3. 提出一种表情鲁棒的压缩感知人脸识别算法。利用形状模型实现测试表 情人脸与正面无表情注册图像的配准。选取正面注册图像组成字典,并用该字典 稀疏表示测试人脸以识别该人脸图像的身份信息。实验结果表明，在微笑、皱 眉和惊讶等表情下，本文算法取得很好的识别效果。 关键词：人脸识别 压缩感知 稀疏表示 姿态变化 表情问题 I ABSTRACT ABSTRACT As one of the hottest research directions in the field of computer vision and bioinformatics, face recognition has provided powerful technical support for the informatization process the core applications in public security and human-machine interaction, which has been capturing special attention from both academia and industry. Having devoted much effort and spent a large amount of funding on face recognition, the researchers are still not satisfied with its slow developme