去光照条件下人脸识别算法的研究和实现
凭借着其具有的稳定性，友好性，隐蔽性等优势，人脸识别技术在生物识别领域中正在受到越来越多的关注。在比较理想和环境较为简单的情况下，现有的很多人脸识别算法都能够有一个较高的识别率，可是环境一旦变得复杂，光照、姿态、遮挡等问题的出现，现有算法的识别率都将大幅度下降，人脸识别准确性得不到保证，这些算法在实际应用中的推广也变得艰难。本文主要针对去光照条件下的实时人脸识别算法进行研究，通过模拟初始视皮层神经元感受野，重点研究了基于带有稀疏约束的非负矩阵分解模型的光照处理算法，并围绕该主题开展了相应的研究工作。本文的主要工作包括以下几点: 1、对人脸识别和光照处理进行研究与分析，研究了向量稀疏化方法，对现有的欧几里得距离最接近向量稀疏化算法进行改进，提出了曼哈顿距离最接近的向量稀疏化算法，实验表明，本文提出的向量稀疏化算法稀疏速度快，稀疏效果良好。 2、对非负矩阵分解算法进行了研究，将稀疏约束和非负矩阵分解算法相结合，对基于稀疏约束的非负矩阵分解算法的3种分解算法进行对比，指出3种分解算法的优缺点，实验表明，只在基矩阵W上或只在系数矩阵H上稀疏约束时，重构误差较小。 3、研究了基于NMF的光照标准化算法，对光照标准化过程中的各项参数的影响进行了实验讨论，给出各项参数的参考取值。实验室环境下搭建人脸库，对人脸库中的图像进行光照标准化处理，对比去光照条件下和不去光照条件下的人脸识别率。实验表明，提出的方法在光照条件下具有较好的识别效果。
人脸识别;光照处理;稀疏化;非负矩阵分解
北京化工大学
硕士
控制科学与工程
林小竹
2015
中文
TP391.41
70
2015-12-29（万方平台首次上网日期，不代表论文的发表时间）