面向人脸图片的特征提取与分类算法研究

论文摘要

在人工智能迅速发展的信息化时代,利用人脸识别技术进行身份信息的验证已经广泛地应用于诸多领域。其中,面向人脸图片的特征提取工作在人脸识别的过程中至关重要。在信息爆炸的大数据时代,如何从冗余的数据中提取关键信息已经是人们日常生活必须要面对的难题。主成分分析方法（Principal Component Analysis,PCA）是目前使用广泛的特征提取方法,该方法在尽可能保留原样本的关键特征的前提下,将高维的人脸图片投影到低维空间。研究者们在PCA方法的基础上提出了许多改进算法,因此利用PCA的相关方法进行人脸图像的特征提取是人脸识别领域的热门研究之一。此外,对特征信息进行有效地分类也是人脸识别过程中不可或缺的重要工作。基于线性表达的分类模型的人脸识别方法是当前的研究热点,例如著名的Lasso回归模型和岭回归模型都被广泛地用于人脸识别的研究中。但是现实环境中往往是包含了不同的表情、姿态,以及遮挡等。针对上述指出的问题,本文重点研究了面向人脸图片的特征提取算法和面向人脸图片的识别分类算法,具体的研究内容如下:1.研究了主成分分析的相关方法,并探究人脸图片的对称性特点,提出了一种基于人脸对称性的主成分分析方法。众所周知人脸结构具有天然的对称性,而传统的特征提取方法并未考虑到这个特性。本方法在主成分分析的基础上,充分考虑了人脸结构的对称性,从而可以更加有效地进行特征提取。本方法提取的特征空间由两部分组成:左脸的低维投影矩阵以及左右脸的差值矩阵,通过这两个特征可以有效地重构整张人脸图像。2.研究了基于稀疏表达的人脸图片分类算法,提出了一种鲁棒性的人脸图片识别和分类算法。在线性表达的基础上,本方法提出了一种误差检测函数用于线性表达模型中的保真项,计算测试样本的表达误差。传统的Lasso回归模型和岭回归模型中都使用l2-范数作为损失函数,本方法提出使用Huber函数作为线性回归模型中的损失函数,可以更准确地获取样本的稀疏编码。最终通过获取的稀疏编码得到测试样本的表达,进而更加准确地确定未知样本的类别。

论文目录

• 摘要
• abstract
• 第1章 绪论
•   1.1 研究背景及意义
•   1.2 研究现状
•     1.2.1 人脸特征提取的研究现状
•     1.2.2 人脸特征识别的研究现状
•   1.3 论文主要工作
•   1.4 论文组织结构
• 第2章 相关理论介绍
•   2.1 特征提取算法的介绍
•     2.1.1 基于主成分分析的特征提取
•     2.1.2 基于线性判别分析的特征提取
•   2.2 线性表达模型的介绍
•     2.2.1 岭回归模型
•     2.2.2 Lasso回归模型
•   2.3 本章小结
• 第3章 基于镜像对称的特征提取算法
•   3.1 问题的引入
•   3.2 基于镜像性的主成分分析方法
•     3.2.1 模型的提出
•     3.2.2 模型的求解
•     3.2.3 模型的有效性分析
•   3.3 实验结果及分析
•     3.3.1 无遮挡情况
•     3.3.2 有遮挡情况
•   3.4 本章小结
• 第4章 基于线性表达的分类算法
•   4.1 问题的引入
•   4.2 基于稀疏表达的图像分类方法
•     4.2.1 模型的提出
•     4.2.2 模型的求解
•     4.2.3 模型的有效性分析
•   4.3 实验结果及分析
•     4.3.1 无遮挡情况
•     4.3.2 有遮挡情况
•   4.4 本章小结
• 第5章 总结与展望
•   5.1 工作总结
•   5.2 工作展望
• 参考文献
• 致谢
• 攻读硕士学位期间从事的科研工作及取得的成果

文章来源

类型: 硕士论文

作者: 孙月如

导师: 刘群,米建勋

关键词: 人脸对称性,特征提取,主成分分析,线性表达,稀疏编

来源: 重庆邮电大学

年度: 2019

分类: 基础科学,信息科技

专业: 数学,计算机软件及计算机应用

单位: 重庆邮电大学

分类号: O212.4;TP391.41

DOI: 10.27675/d.cnki.gcydx.2019.000936

总页数: 66

文件大小: 3582K

下载量: 83