稀疏框架下的人配准与识别研究 开题报告.ppt

稀疏框架下的人脸配准与识别研究 2012年12月27日 目录 研究意义 国内外研究现状 研究目标、内容 拟解决的关键问题、研究方法、技术路线、课题的创新性 致谢 研究意义 从研究角度来看 人脸识别涉及到计算机科学、图像处理、模式识别、机器视觉、人工智能、计算机图形学等相关学科，为这些学科的理论和方法的应用提供了很好的研究方向。 从应用角度来看 可靠性高、稳定性好、更加友好的身份验证技术，广泛应用于国家公共安全、视频监控、人机交互等领域中。 国内外研究现状 早期的经典的方法 基于几何特征、基于神经网络、基于隐马尔可夫模型、WT，SVM、LFA、PCA、ICA、LDA； 后来一些新的方法 局部二值模式（LBP）、非线性方法如:非线性核方法（KPCA、KLDA），流行学习的方法（LLE、LPP）； 基于稀疏框架的方法 找到一个由训练样本最佳线性表示原始样本的稀疏向量，也就是用最少的训练样本完成对待测样本的最优线性表示,把这种表示用于分类，（SRC、LSRC、GSRC、CRC、RSC、RCR）。 SRC方法 研究的目标 综合考虑到现实人脸识别过程中可能会遇到的各种不利因素如人脸图像的噪声干扰、图像遮挡、复杂背景干扰、由各种状况(如光照变化、运动模糊等)引起的图像退化等对人脸识别过程中的影响,对基于稀疏表示的人脸识别配准和识别方法进行研究和改进，使算法对能在一定程度上对上述因素变具有鲁棒性，更加贴近实际的人脸识别应用。 噪声干扰 图像遮挡 复杂背景 图像退化 研究内容 针对人脸图像未配准对识别精度造成的影响，对基于稀疏框架的人脸配准方法的相关工作进行研究； 针对噪声和图像遮挡、退化等可能对识别造成较大识差的情况设计出一个稀疏表示模型，使人脸识别方法更具有鲁棒性和实用性。 拟解决的关键问题 人脸配准问题： 将各种复杂情况下的不同人脸通过稀疏配准框架分别对训练样本试样本进行配准; 人脸识别问题： 对测试样本各种因素的影响下，通过稀疏框架对其先与整个配准好了的训练样本集进行配准，再选择分类器进行识别，确保识别的鲁棒性和实用性； 稀疏求解问题： 不断优化提高稀疏求解速度和精度是必须要考虑的问题； 研究方法 从已有的基于稀疏表示的人脸识别方法的研究成果出发，在大量收集人脸识别技术成果并对上述成果的操作性、可行性深入理解的基础上，结合实际工作中所遇到的亟待解决的问题，在指导老师的指导下，从实际问题出发，结合现有的压缩感知理论、图像几何变换方法、凸优化理论的相关方法进行研究。 拟采用的技术路线(1) 训练样本的配准 仿射 变换 ......... 标出图像中 人眼坐标 给定一个大小固 定的框架，和框 架中的人眼坐标 计算仿射 变换系数矩阵 ......... ......... 稀疏 模型 迭代 配准 拟采用的配准过程图 拟采用技术路线(2)测试样本样本的配准和识别 本课题拟采用的识别算法流程图 课题的创新性 本课题拟采用一种两步配准的方法，先对各种状况下的所有训练样本进行整体几何归一，取整个样本的配准后的低秩成份作为新的训练样本； 针对现有的拉格朗日乘子法迭代配准收敛慢的问题，拟采用全变差模型的求解方法，在不影响配准精度的情况下减少配准迭代时间； 在人脸识别阶段，把测试样本的配准和识别同时进行，不断迭代得到测试样本在配准好了的训练样本组成的基底下的最优表示。 请各位专家批评指正！ Thank you!