基于稀疏表示与低秩恢复的遮挡人脸识别方法研究

发布时间：2025-06-24 04:19

　　随着数码相机、智能手机、智能监控系统等移动设备的普及,人脸识别技术逐渐应用在当今社会的各个领域。但在实际场景中的光照、表情、遮挡等一系列变化,使得人脸面部信息缺失,导致人脸识别效果不佳。本文主要研究遮挡情况下的人脸识别问题,解决现有方法识别率不高、运行时间较长的问题,具体内容如下:(1)针对低秩矩阵恢复过程花费时间较长的问题,提出一种快速低秩矩阵恢复算法(Fast Low-rank Matrix Recovery,FLRR),该方法对低秩恢复模型进行了优化,并且在求解时将维数较高的矩阵分为三个小矩阵的乘积,避免了较大矩阵的奇异值分解,在一定程度上降低了算法复杂度,为后续的人脸识别过程奠定了基础。(2)针对训练样本图像存在遮挡的问题,提出一种基于Gabor字典缩减的协作表示分类人脸识别算法(Collaborative Representation Classification Face Recognition Algorithm Based on Gabor Dictionary Reduction,GDR-CRC)。该方法对测试人脸图像、低秩人脸图像和遮挡误差图像分别进行Gabor变换,...

【文章页数】：85 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
注释表
第1章 绪论
    1.1 研究背景及意义
    1.2 人脸识别研究现状
        1.2.1 主要研究方法
        1.2.2 本文研究内容
    1.3 论文工作和章节安排
        1.3.1 论文工作
        1.3.2 章节安排
第2章 基于稀疏表示与低秩恢复的人脸识别算法
    2.1 引言
    2.2 稀疏表示分类
        2.2.1 稀疏表示分类
        2.2.2 扩展稀疏表示分类
    2.3 低秩矩阵恢复
    2.4 本章小结
第3章 快速低秩矩阵恢复算法
    3.1 引言
    3.2 快速低秩矩阵恢复
        3.2.1 快速低秩矩阵恢复算法
        3.2.2 算法步骤
        3.2.3 仿真环境和参数
        3.2.4 复杂度分析
        3.2.5 实验分析
    3.4 本章小结
第4章 基于Gabor字典缩减的协作表示分类人脸识别算法
    4.1 引言
    4.2 相关工作
        4.2.1 Gabor小波变换介绍
        4.2.2 协作表示分类介绍
    4.3 系统模型
    4.4 算法设计
        4.4.1 Gabor变换
        4.4.2 增广Gabor遮挡字典
        4.4.3 缩减Gabor遮挡字典
        4.4.4 协作表示
        4.4.6 算法步骤
    4.5 性能分析
        4.5.1 时间性能分析
        4.5.2 正则化范数选取分析
    4.6 算法仿真验证
        4.6.1 仿真环境和参数
        4.6.2 光照、姿势、表情变化实验
        4.6.3 遮挡实验
    4.7 本章小结
第5章 基于鲁棒主成分分析的群稀疏表示人脸识别算法
    5.1 引言
    5.2 相关工作
        5.2.1 鲁棒主成分分析算法
        5.2.2 群稀疏表示
    5.3 系统模型
    5.4 算法设计
        5.4.1 结构非相关RPCA
        5.4.2 映射关系矩阵
        5.4.3 群稀疏表示
        5.4.4 算法步骤
    5.5 时间性能分析
    5.6 仿真验证与结果分析
        5.6.1 仿真环境和参数
        5.6.2 无遮挡情况实验
        5.6.3 遮挡情况实验
        5.6.4 AR三种设置
    5.7 本章小结
第6章 总结与展望
    6.1 本文工作总结
    6.2 后续研究工作
参考文献
致谢
攻读硕士学位期间从事的科研工作及取得的成果



本文编号：4052476