基于多流形判別分析的單樣本人臉識(shí)別研究.pdf

1、隨著科技進(jìn)步和安全方面的迫切需求，單樣本人臉識(shí)別越來(lái)越得到學(xué)者們的高度重視，并成為人臉識(shí)別領(lǐng)域的一個(gè)非常重要的研究分支。針對(duì)單樣本人臉識(shí)別問(wèn)題，主流的方法可分為四類:局部特征表示法、通用學(xué)習(xí)框架法、虛擬樣本擴(kuò)展法以及圖像分塊法，其中，目前最受歡迎的是圖像分塊法，許多分塊圖像法可在一定程度上解決單樣本人臉識(shí)別問(wèn)題，但是，這些方法在特征提取時(shí)往往會(huì)忽略圖像幾何信息。
　　為了提高單樣本人臉識(shí)別率，本文提出了一種通用學(xué)習(xí)框架方法。首先，

2、借助于通用訓(xùn)練樣本集，將大量的通用樣本與各個(gè)單樣本按一定比例疊加，從而增加每個(gè)類的訓(xùn)練樣本總數(shù)，利用PCA對(duì)多樣本降維以降低計(jì)算復(fù)雜度;然后，利用傳統(tǒng)的方法進(jìn)行特征提取，將所有樣本投影到特征子空間;最后，計(jì)算測(cè)試樣本與每個(gè)訓(xùn)練樣本之間的歐氏距離，并利用最大隸屬度原則完成人臉識(shí)別。在ORL及Yale人臉數(shù)據(jù)庫(kù)上的實(shí)驗(yàn)結(jié)果表明，本文提出的通用學(xué)習(xí)框架方法在一定程度上減輕了人臉的表情、姿態(tài)、光照等因素對(duì)識(shí)別效果的影響。
　　針對(duì)傳統(tǒng)的單

3、樣本人臉識(shí)別方法在特征提取時(shí)容易忽略圖像幾何信息的問(wèn)題，基于每個(gè)人的各個(gè)圖像小塊分布于一個(gè)流形的假設(shè)，提出了基于通用學(xué)習(xí)框架和Fisher準(zhǔn)則的多流形判別分析方法，將單樣本人臉識(shí)別問(wèn)題轉(zhuǎn)化成了流形與流形之間的距離問(wèn)題，與傳統(tǒng)的分塊方法不同的是，提出的多流形方法并沒(méi)有將圖像進(jìn)行分塊，首先利用提出的通用學(xué)習(xí)框架方法將單樣本問(wèn)題轉(zhuǎn)化成多樣本問(wèn)題，假設(shè)每個(gè)類的多個(gè)樣本分布于各自的流形;接著，基于Fisher準(zhǔn)則，提出了最優(yōu)化目標(biāo)函數(shù)，構(gòu)造多流形