基于稀疏张量分析的人脸识别研究

发布时间：2023-11-06 19:41

　　一个完整的人脸识别系统主要包括特征提取和分类器识别两部分。基于稀疏张量的人脸识别技术在安防、信息安全以及现代金融等领域有着巨大的应用价值,受到了世界各地广大科研工作者的关注,也是本文的研究内容。本文主要完成的工作如下:(1)研究了典型的子空间学习理论以及稀疏保持投影算法及其在人脸识别中的应用。分析了稀疏表示的优化求解算法,研究了将稀疏表示和局部保持投影原理结合的稀疏保持投影算法,并在基于公开的人脸数据库开展了大量的识别实验。实验也包括了加入不同信噪比的噪声和具有不同程度遮挡的人脸识别实验。实验结果表明稀疏保持投影算法比局部保持投影算法具有识别率高、抗噪声性能强等优点,特别是在具有不同程度遮挡时识别精度更为突出。(2)研究了基于张量子空间分析的张量局部保持投影算法,并提出了一种结合由粗到精策略的改进张量局部保持投影算法。首先用规则化的非负稀疏表示模型对训练样本进行筛选,根据表示系数大小选出部分类的样本,然后用基于₂规则化表示的距离大小再次对训练样本进行精细筛选。在精细筛选出来的样本基础上,再根据张量局部保持投影算法进行人脸识别。实验结果表明由粗到精策略的张量局部保持...

【文章页数】：87 页

【学位级别】：硕士

【文章目录】：
中文摘要
英文摘要
1 绪论
    1.1 人脸识别的意义及研究背景
    1.2 人脸识别的研究现状及发展趋势
    1.3 人脸识别的研究方法
    1.4 本文的主要工作及组织结构
        1.4.1 本文的主要研究工作
        1.4.2 本文的结构安排
2 稀疏保持投影算法
    2.1 引言
    2.2 主成成分分析(PCA)
    2.3 局部保持投影(LPP)
    2.4 稀疏表示
        2.4.1 算法描述
        2.4.2 实验与分析
    2.5 稀疏保持投影(SPP)
        2.5.1 稀疏重构权重
        2.5.2 保留稀疏重构权重
        2.5.3 SPP算法
        2.5.4 实验与分析
    2.6 本章小结
3 张量局部保持投影
    3.1 引言
    3.2 张量的概念及运算
        3.2.1 张量及其表示
        3.2.2 张量的矩阵化及向量化
        3.2.3 张量的基本代数运算
        3.2.4 张量的基本代数运算Tucker分解
    3.3 图像的张量表示
    3.4 张量局部保持投影(TLPP)
        3.4.1 算法描述
        3.4.2 实验与分析
    3.5 由粗到精策略的张量局部保持投影
        3.5.1 常规的由粗到精策略描述
        3.5.2 改进的由粗到精策略描述
        3.5.3 实验与分析
    3.6 本章小结
4 基于稀疏张量分析的多分类器融合人脸识别
    4.1 引言
    4.2 贝叶斯定理判决理论
        4.2.1 基于最小分类错误率的贝叶斯决策规则
        4.2.2 基于最小分类风险的贝叶斯决策规则
        4.2.3 类内差与类间差的概率分布
    4.3 基于贝叶斯融合的人脸识别
        4.3.1 基于乘法规则的融合算法
        4.3.2 基于加法规则的融合算法
        4.3.3 基于贝叶斯多分类器融合算法的原理
    4.4 基于稀疏张量分析的多分类器融合人脸识别
    4.5 实验结果及分析
    4.6 本章小结
5 总结与展望
    5.1 总结
    5.2 工作展望
致谢
参考文献
附录



本文编号：3861149