基于稀疏表示和機(jī)器學(xué)習(xí)的人臉識(shí)別系統(tǒng)研究.pdf

1、人臉識(shí)別是機(jī)器視覺(jué)和模式識(shí)別領(lǐng)域最富有挑戰(zhàn)性的課題之一，同時(shí)也具有較為廣泛的應(yīng)用意義，在電子商務(wù)、公安系統(tǒng)、檔案管理、人機(jī)交互等各個(gè)領(lǐng)域中都有很高的應(yīng)用與商業(yè)價(jià)值。但目前的人臉識(shí)別系統(tǒng)在實(shí)際應(yīng)用中仍然存在不少的缺陷：如在光照、環(huán)境、姿態(tài)的影響下，識(shí)別率還不盡如人意。因此，本論文研究了一種結(jié)合機(jī)器學(xué)習(xí)與稀疏表示的人臉識(shí)別系統(tǒng)，使其能夠在噪聲環(huán)境下有較好的識(shí)別率。
　　論文的主要研究?jī)?nèi)容與成果如下：
　　(1)首先針對(duì)人臉識(shí)別在

2、噪聲環(huán)境下表現(xiàn)不夠良好的問(wèn)題，提出了基于稀疏表示的分類(lèi)器算法來(lái)進(jìn)行識(shí)別，從而提高了在人臉有遮擋或者光照條件不佳下的識(shí)別率。
　　(2)由于傳統(tǒng)人臉特征提取方式的欠缺，導(dǎo)致提取到的特征過(guò)于簡(jiǎn)單與初級(jí)。針對(duì)此問(wèn)題，提出了基于深度學(xué)習(xí)理論的級(jí)聯(lián)卷積自編碼器來(lái)提取特征。級(jí)聯(lián)的卷積自編碼器由于其能夠進(jìn)行自我學(xué)習(xí)，減少特征提取的誤差，并且通過(guò)多層級(jí)聯(lián)可以提取更為深層和抽象的特征，進(jìn)一步提高了系統(tǒng)的識(shí)別率。
　　(3)結(jié)合了兩種方式：基于