基于魯棒性回歸的人臉識別研究

《基于魯棒性回歸的人臉識別研究》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、分類號ＴＰ３９１密級＾Ｓ：－－－００１－ＵＤＣ００４學(xué)位論文編號Ｄ１０６１７３０８價０２０４０重慶郵電大學(xué)碩壬學(xué)位論文中文題目基于魯棒性回歸的人臉識別研究英文題目ＲｅｓｅａｒｃｈｏｎＦａｃｅＲｅｃｏｎｉｔｉｏｎｖｉａｇＲｏｂｕｓｔＲｅｒｅｓｓｉｏｎｇ學(xué)號Ｓ１３０２０１０４３姓名劉濤學(xué)位類別工學(xué)碩壬學(xué)科專業(yè)計娜群與技術(shù)指導(dǎo)教師肖斌副教授完成日巧２０１６年４月５日獨創(chuàng)性聲明本人聲明所呈交的學(xué)位論文是本人在導(dǎo)師指導(dǎo)下進行的研充工作及取得的研．究成果。盡我所

2、知，除了文中特別加臥標(biāo)注和致謝的地方外，拖文中不包含他人已經(jīng)發(fā)表或撰寫過的研究成果，也不巧普為獲得重慶郵由大學(xué)或其他單位的學(xué)位或證書而使用過的材料一。與我同工作的人員對本文研究做出的貢獻均已在論文中作了明確的說明并致Ｗ謝意。作者盤名曰期；年月曰＾／齊學(xué)位論文版權(quán)使用授權(quán)書本人完全Ｔ解重慶郵電大學(xué)有權(quán)保留、使用學(xué)位論文紙質(zhì)版和電子販的規(guī)定，，即學(xué)校有權(quán)向國家有關(guān)部口或機構(gòu)送交論文允許論文被査閣和惜閱等。本人授權(quán)重慶郵由大學(xué)可臥公布本學(xué)位論女的全部或部分內(nèi)容，可編入有、關(guān)數(shù)據(jù)庫或信息系統(tǒng)進行檢索、分析或評價，可采用

3、影印騙印、掃描或拷貝等復(fù)制手段保存、匯編本學(xué)位論文。（注；保密的學(xué)位論文在解密后適話本授權(quán)書。）平、從ｄ市作者盜名：刮導(dǎo)師客名：Ｐ、曰期：〇曰：又／《年Ｉ月／。曰曰期興／＾年文月／重慶郵電大學(xué)碩±學(xué)位論文摘要摘要二十一近年來，人臉識別直是模式識別與計算機視覺領(lǐng)域的熱口研究課題。然而一，由于人臉圖像存在較大的類內(nèi)變化和較小的類間變化，使得人臉識別成為個非常復(fù)雜的問題。近年來，基于線性表示理論的人臉識別方法獲得了非?？捎^的結(jié)一果，因此利用該理論解決人臉識別問題成為該領(lǐng)域最熱口的研巧范式之。這類方法

4、假設(shè)同一一子空間上類別的人臉圖像位于同，因此測試樣本可Ｗ被同類別訓(xùn)練樣本線性表示。而人臉圖像中除了身份信息Ｗ外，還包括表情、姿態(tài)、光照Ｗ及遮擋等干擾信息。這些干擾信息會影響人臉圖像在特征空間中的位置，甚至?xí)⒃搱D像拉離原始的子空間，從而違背子空間假設(shè)。如果測試樣本不能被訓(xùn)練樣本準(zhǔn)確表示，那么該類方法就不能獲得理想的識別結(jié)果。針對該問題，本文研究了基于魯棒性回巧的人臉識別算法。首先，本文研巧了Ｍ估計對噪聲的抑制作用，并將Ｈｕｂｅｒ損失函數(shù)引入到線性表示模型中。其次，本文研巧了噪聲與表示殘差之間的關(guān)系，并提出基于多步線性表示

5、的誤差檢測方法。另外一，本文研巧了種自適應(yīng)誤差檢測的魯棒性人臉識別方法，該方法能夠根據(jù)測試圖像中的噪聲類型自動調(diào)整模型，使得該模型能夠更準(zhǔn)碗地估計測試樣本的編碼向量。這Ｈ種方法都試圖檢測出圖像中的噪聲點，使得人臉圖像盡可能滿足子空間。：假設(shè)，Ｗ確保殘差作為分類準(zhǔn)則的正確性本文的具體研究成果及創(chuàng)新如下一ｅ１．本文提出種基于監(jiān)督稀疏表示的魯棒性人臉識別方法。該方法采用Ｈｕｂｒ。函數(shù)估計表示誤差，通過為噪聲點分配小權(quán)重的方式確保估計結(jié)果的正確性另外，引入監(jiān)督稀疏約束控制編碼向量的稀疏性，大大降低了模型的計算復(fù)雜度。２一．本

6、文提出種多步線性表示的誤差檢測方法。該誤差檢測方法無需為殘差居中的像素分配權(quán)重一，每次線性表示后只處理最有可能是噪聲的像素，從而進步提高了線性表示模型的魯椿性。一３．本文分析了不同噪聲比對編碼向量的影響，并提出了種自適應(yīng)誤差檢測的魯棒性識別方法。該方法無需假設(shè)人臉圖像中噪聲的分布Ｗ及比例，而是能夠?qū)Γ崳姴煌肼曌詣幼龀稣{(diào)整，使得調(diào)整后的模型能夠更準(zhǔn)確地檢測圖像中的噪聲點。關(guān)鍵詞：人臉識別，線性表示，魯棒性回化誤差檢測，Ｈｕｂｅｒ損失函數(shù)Ｉ重慶郵電大學(xué)碩±學(xué)位論文ＡｂｓｔｒａｃｔＡｂｓｔｒａｃｔＦａｃｅｒｅｃｏ

7、ｎｉｔｉｏｎｉｓａｈｏｔｒｅｓｅａｒｃｈｔｏｉｃｉｎｒｅｃｅｎｔｔｗｏｄｅｃａｄｅｓ．Ｈｏｗｅｖｅｒｔｈｉｓｇｐ，ｒｏｂ－ｐｌｅｍｉｓｖｅｒｙｃｏｍｌｅｘｓｉｎｃｅｔｈｅｆａｃｉａｌｉｍａｅｓｈａｖｅｌａｒｅｉｎｎｅｒｃｌａｓｓｄｉｓｔａｎｃｅａｎｄｓｍａｌｌｐ，ｇｇｏｕｔｅｒ－ｃｌａｓｓｄｉｓｔａｎｃｅｕｎｄｅｒｖａｒｉａｔｉｏｎｓ．民ｅｃｅｎｔｌｙｌｉｎｅａｒｒｅｒｅｓｅｎｔａｔｉｏｎ化ｅｏｒｂａｓｅｄ，ｐｙｍｅｔｈｏｄｓｏｂｔａｉｎｅｄｒｏｍｉｓｉｎｒｅｓｕｌｔｓｓｏｔ

8、ｏｓｏｌｖｅｔｈｅｆａｃｅｒｅｃｏｎｉｔｉｏｎｒｏｂｌｅｍｂａｌｉｎｐｇ，ｇｐｙｐｐｙｇｔｈｅｔ