基于稀疏表示的复杂环境下人脸识别算法研究.pdfVIP

基于稀疏表示的复杂环境下人脸识别算法研究 摘 要 人脸识别技术经过多年的发展，在复杂环境下的研究已经取得了一些进展。 当环境影响因素较多，人脸识别算法的性能往往受到很严重的威胁。这些影响因 素一般包括光照、姿态、遮挡、表情等，它们往往制约着人脸识别算法的效果与 应用。 为了解决仍然存在复杂环境下人脸识别率下降的问题，本文首先提出了一种 基于增强的中心对称二值模式(ECS-LBP)描述子，该描述子针对严重光照情况具 有较好的效果，通过实验验证了该描述子的效果。其次，在光照曝光过度的环境 下，发现了该描述子的劣势，针对这一情况，本文通过信息补充来弥补描述子的 不足，同时为了克服遮挡、表情所引起的人脸识别率下降问题，提出了基于双特 征的稀疏表示人脸识别算法。本文将LC-KSVD 算法改进为在决策层对特征分类 原理进行融合处理，进而得到最终结果。最后，本文算法通过在Extended Yale B 、 CUM PIE、AR 人脸库中进行验证，结果表明本文算法在复杂环境下的人脸识别 率较高，鲁棒性较好。 针对复杂环境下人脸识别易受光照、遮挡等因素的影响，本文提出一种有效 可行的思路： 1）提出了一种增强的中心对称二值模式特征描述子。该描述子对图像纹理 特性进行编码，以降低严重光照的影响。通过对人脸图像采用小波变换得到的细 节图像进行高频与低频分别融合，进而得到具有较强的纹理特性，编码后得到的 特征在严重光照环境下判别性更强。实验结果表明该描述子在严重光照条件下具 有很好的鲁棒性。 2）随着研究的深入，实验发现了改进特征描述子在曝光过度的情况下相对 于原始算法性能有所下降，通过研究了解到同类样本的稀疏表示存在相似性信 息，针对这一情况研究课题在分类识别环节进行改进，提出了一种双特征判别的 改进算法，该算法在分类决策层进行优化，解决了直接使用原始特征描述子不能 克服严重光照的影响，同时克服了遮挡、表情所引起的人脸识别率下降和人脸局 部特征的不足问题，有效的提高了人脸识别的准确率。 3）在Extended Yale B 、AR 、CMU PIE 人脸数据库中进行大量对比实验， 实验划分为两类：以光照为主同时存在表情变化的实验、以遮挡为主同时存在光 I 照变化的实验。通过综合对比，结果均表明，处于光照、遮挡等复杂环境条件下， 本文所提出的描述子和双特征判别算法均能表现出良好的效果，充分证明了本文 算法的有效性。 关键词：特征描述子，双特征判别模型，局部二值模式，人脸识别 II 目 录 摘 要 I ABSTRACT III 第一章 绪论 1 1.1 研究背景 1 1.2 人脸识别概述2 1.2.1 人脸检测3 1.2.2 预处理3 1.2.3 特征提取4 1.2.4 分类识别4 1.3 研究难点5 1.4 文章主要研究工作与章节安排6 第二章 复杂条件下人脸识别理论概述9 2.1 引言9 2.1.1 基于光照变化的人脸识别研究9 2.1.2 基于局部遮挡的人脸识别研究 10 2.2 常用的人脸数据库 11 2.2.1 Extended Yale B 人脸库 12 2.2.2 CMU PIE 人脸库 12 2.2.3 AR 人脸库 13 2.3 本章总结 14 第三章 基于增强的中心对称局部二值模式（ECS-LBP）特征提取算 法15 3.1 局部二值模式 15 3.2 中心对称局部二值模式 16 3.3 局部三值模式 17 3.4 增强的中心对称局部二值模式算法 18 3.5 在EXTENDED YALE B 人脸库上的实验结果与分析20 3.6 在CMU PIE 人脸库上的实验结果与分析26 3.7 本章总结27 第四章 基于双特征的稀疏表示人脸识别算法29 4.1 稀疏表示人脸识别模型29 4.2 LABEL CONSISTENT K-SV