基于表征学习的鲁棒多视角人脸识别研究
- 研究目的及意义
人脸识别技术已广泛应用于人们的日常生活中，但识别过程易受到环境的影响。大光照，阴影，遮挡，缺失都会对识别性能产生巨大的影响。因此，如何对算法进行改进，使得其能在极端环境条件下，仍能获得理想的识别性能，是我们追求的目标。
当获取的人脸图像角度偏转较大时，人脸图像由于发生偏转而丢失能够识别的关键特征信息。目前注重正面人脸的识别系统，对被识别者的姿态和表情甚至是外表附属物都提出了较高的要求，从而在复杂的犯罪侦查、电子护照、计算机视觉等领域的应用显得过于理想化。而对上述不确定情况下得到的图像进行人脸识别，现有的算法显得过于单一和笼统，相反的，过于复杂和细化的条件约束又对计算方法提出了严格的要求，以便实现快速高效地识别。因此，对多视角人脸识别理论的算法进行研究具有较高的应用前景。
- 国内外同类研究概况
对于人脸识别的研究，国外起步较早，始于上世纪60年代末。Galton早在1 888年和1910年分别在((Nature))杂志上发表两篇文章，对使用人脸辨识的能力进行了初步分析。在20世纪90年代，随着计算机技术的飞速发展，许多新的人脸识别方法，如主成分分析，费舍尔辨别法，弹性图匹配方法已被提出，许多新的理论学科，如小波变换，神经网络，支持向量机，以及许多新模型，如隐马尔可夫模型，三维变形的模型也用来进行人脸特征的描述提取和人脸识别，所有这些都极大地促进了人脸识别技术的人的发展。
20世纪90年代之前，典型的人脸识别技术只能针对于正面人脸识别，并未考虑NOH,U而以及人脸特征发生变化的情况。与正面人脸相比，多视角人脸识别一直是一个进展缓慢的研究方向，至今没有达到理想的实际应用。但多视角人脸识别已经取得了一些进展，一些主要问题都或多或少甚至初步解决，也为后人提供了参考的深入研究：Cootes提出了多视角的AAM，将人脸特征信息构建为人脸的整体描述，并与人脸数据库中的数据进行比较；Schneiderman等将人脸检测划分为左脸，前方和右脸的基础上，构建了针对三种视角的三个检测器，分别监测这三个面孑L；Stan Z．Li等等，将Viola的瀑布型探测器扩展为金字塔型探测器是用来监视多视角人脸13剐：光路宏等提出了一种基于仿射多角度单人脸定位算法模板匹配，将平均脸作为基础模板，仿射变换通过不同的伸展和角度用各种姿势牛成的模板点，例如眼睛模板点，来形成人脸模板。先用眼睛模板搜索区域直至待检测图像满足眼睛模板，然后整个人脸模板来使用该模板进行比较，以验证符合。
刘丽娜在《基于特征脸和多特征脸的人脸识别算法研究》中，针对人脸识别算法主成分分析法进行了深入的研究，引进了基于二阶特征的人脸识别，该方法通过“丢弃”传统特征脸方法得到的前数个反应光照信息的特征脸，克服了光照干扰的影响，在对一、二阶特征脸权重系数的实验分析基础上提出了基于多特征的人脸识别算法。
孙志远在《人脸识别算法的研究——基于人脸图像合成的识别算法研究》中，提
出了利用独立成分分析(ICA)算法合成正面人脸图像分类识别的新方法，既利用了图像的二阶统计信息又利用了图像的高阶统计信息，然后直接利用待合成的正面人脸的特征系数直接分类比较，提出厂小波变换和ICA算法相结合以及遗传算法(GA)与ICA算法相结合的方法进行多姿态人脸识别。
三．本课题研究内容
表征学习主要包括低秩和稀疏描述，旨在更好的对数据进行重建。多视角分类器是机器学习领域研究的热点问题。在互联网飞速发展，人工智能时代的到来给人们带来了获取图像数据的便利。这些数据往往来自不同视角，也许表现出不同的分布形态，如何对这样的数据进行分类，一直是机器学习领域攻克难点。针对人脸识别问题，本毕业设计首先旨在让学生掌握存在的鲁棒多视角方法（如PSVM-2V，MvGSVM，Lp,s-MvGEPSVM，MvTSVM）的设计思想，模型优化等问题，然而能结合表征学习，研究性能更优的鲁棒多视角人脸识别方法。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
