資源描述：
《基于隨機森林與稀疏表示的多姿態(tài)人臉識別方法研究》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、ＴＰ３９１學(xué)校代碼：１０６９７分類號：１５２０９４２學(xué)號：２０密級：公開ＮｏｒｔｈｗｅｓｔＵｎｉｖｅｒｓｉｔｙ士字位論文’ＭＡＳＴＥＲＳＤＩＳＳＥＲＴＡＴＩＯＮ裏干隨機焱林與稀疏炎示的多姿態(tài)人臉識別方法研究學(xué)科名稱：信號與信息處理作者：張超指導(dǎo)老師：趙健教授西北大學(xué)學(xué)位評定委員會二〇—八年六月ResearchonMulti-PoseFaceRecognitionBasedonRandomForestandSparseRepresentationAthesissubmit
2、tedtoNorthwestUniversityinpartialfulfillmentoftherequirementsforthedegreeofMasterinSignalandInformationProcessingByZhangChaoSupervisor:ZhaoJianProfessorJune2018摘要人臉識別作為計算機視覺以及人工智能領(lǐng)域中一個非常重要的研究方向，在基于人臉的疾病篩查以及結(jié)合大數(shù)據(jù)的交通智能監(jiān)控等領(lǐng)域具有非常高的研究意義與應(yīng)用價值。稀疏表示是近幾年的熱點之一，在信號處理領(lǐng)域具有魯棒性強、精確
3、等優(yōu)點。將稀疏表示理論應(yīng)用于人臉識別問題在理論上已經(jīng)證明其可行性，并通過實驗證實了其穩(wěn)定性與高效性。本文針對人臉多姿態(tài)評估問題、姿態(tài)針對性數(shù)據(jù)降維問題和姿態(tài)魯棒性稀疏字典構(gòu)造方法等問題進行了深入的分析與研究，最終目的是提升算法在多姿態(tài)問題上的魯棒性。其主要研究和創(chuàng)新內(nèi)容如下所示：（1）對多姿態(tài)評估問題進行了詳細的分析。根據(jù)面部主要器官的絕對位置與幾何相對關(guān)系，提取并構(gòu)建姿態(tài)特征向量，并結(jié)合隨機森林算法進行人臉多姿態(tài)評估。最終通過實驗仿真對所提方法進行驗證。對人臉數(shù)據(jù)降維主要方法做了介紹，分析每一個像素點在姿態(tài)評估中所占比重，提出
4、了一種具有姿態(tài)針對性的人臉數(shù)據(jù)降維方法。（2）針對多姿態(tài)人臉識別問題，在字典構(gòu)造環(huán)節(jié)中，提出雙字典算法（雙字典分為正臉字典與側(cè)臉字典）提升識別算法在應(yīng)對多姿態(tài)問題時的魯棒性。并與多姿態(tài)評估研究結(jié)果相結(jié)合，提出了基于隨機森林與雙字典稀疏表示的姿態(tài)魯棒性人臉識別方法。在與同類單字典算法的對比中，所提方法在多姿態(tài)魯棒性上得到了更好的效果，在FERET庫中識別率平均提升9.90%，在PointingData庫中識別率平均提升1.90%。關(guān)鍵詞：稀疏表示，人臉識別，雙字典，隨機森林，姿態(tài)評估IABSTRACTFacerecognition
5、isaveryimportantresearchfieldinthefieldofcomputervisionandartificialintelligence.Facerecognitionhasveryhighresearchsignificanceandapplicationvalueinhumanface-baseddiseasescreeningandtrafficintelligencemonitoringcombinedwithbigdata.Sparserepresentationtheoryisoneofthe
6、researchhotspotsinrecentyears.Sparserepresentationhastheadvantagesofstrongrobustnessandaccuracyinsignalprocessing.Thetheoryofsparserepresentationappliedtofacerecognitionhasproveditsfeasibilitytheoretically.Experimentsshowthatsparserepresentationoffacerecognitionstabi
7、lityandefficiency.Thisthesisanalyzesandresearchesdeeplyonfacemulti-postureappraisalproblems,dimension-specificdatadimensionalityreductionproblems,androbustsparsedictionaryconstructionmethods.Theultimategoalistoimprovetherobustnessofthealgorithmonmulti-poseproblems.Th
8、emainresearchandinnovationsofthisthesisareasfollows:(1)Theissueofmulti-poseassessmentwasanalyzedindetail.Accordingtotherelativeposi
