基于随机森林与稀疏表示的多姿态人脸识别方法研究

《基于随机森林与稀疏表示的多姿态人脸识别方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、ＴＰ３９１学校代码：１０６９７分类号：１５２０９４２学号：２０密级：公开ＮｏｒｔｈｗｅｓｔＵｎｉｖｅｒｓｉｔｙ士字位论文’ＭＡＳＴＥＲＳＤＩＳＳＥＲＴＡＴＩＯＮ裏干随机焱林与稀疏炎示的多姿态人脸识别方法研究学科名称：信号与信息处理作者：张超指导老师：赵健教授西北大学学位评定委员会二〇—八年六月ResearchonMulti-PoseFaceRecognitionBasedonRandomForestandSparseRepresentationAthesissubmit

2、tedtoNorthwestUniversityinpartialfulfillmentoftherequirementsforthedegreeofMasterinSignalandInformationProcessingByZhangChaoSupervisor:ZhaoJianProfessorJune2018摘要人脸识别作为计算机视觉以及人工智能领域中一个非常重要的研究方向，在基于人脸的疾病筛查以及结合大数据的交通智能监控等领域具有非常高的研究意义与应用价值。稀疏表示是近几年的热点之一，在信号处理领域具有鲁棒性强、精确

3、等优点。将稀疏表示理论应用于人脸识别问题在理论上已经证明其可行性，并通过实验证实了其稳定性与高效性。本文针对人脸多姿态评估问题、姿态针对性数据降维问题和姿态鲁棒性稀疏字典构造方法等问题进行了深入的分析与研究，最终目的是提升算法在多姿态问题上的鲁棒性。其主要研究和创新内容如下所示：（1）对多姿态评估问题进行了详细的分析。根据面部主要器官的绝对位置与几何相对关系，提取并构建姿态特征向量，并结合随机森林算法进行人脸多姿态评估。最终通过实验仿真对所提方法进行验证。对人脸数据降维主要方法做了介绍，分析每一个像素点在姿态评估中所占比重，提出

4、了一种具有姿态针对性的人脸数据降维方法。（2）针对多姿态人脸识别问题，在字典构造环节中，提出双字典算法（双字典分为正脸字典与侧脸字典）提升识别算法在应对多姿态问题时的鲁棒性。并与多姿态评估研究结果相结合，提出了基于随机森林与双字典稀疏表示的姿态鲁棒性人脸识别方法。在与同类单字典算法的对比中，所提方法在多姿态鲁棒性上得到了更好的效果，在FERET库中识别率平均提升9.90%，在PointingData库中识别率平均提升1.90%。关键词：稀疏表示，人脸识别，双字典，随机森林，姿态评估IABSTRACTFacerecognition

5、isaveryimportantresearchfieldinthefieldofcomputervisionandartificialintelligence.Facerecognitionhasveryhighresearchsignificanceandapplicationvalueinhumanface-baseddiseasescreeningandtrafficintelligencemonitoringcombinedwithbigdata.Sparserepresentationtheoryisoneofthe

6、researchhotspotsinrecentyears.Sparserepresentationhastheadvantagesofstrongrobustnessandaccuracyinsignalprocessing.Thetheoryofsparserepresentationappliedtofacerecognitionhasproveditsfeasibilitytheoretically.Experimentsshowthatsparserepresentationoffacerecognitionstabi

7、lityandefficiency.Thisthesisanalyzesandresearchesdeeplyonfacemulti-postureappraisalproblems,dimension-specificdatadimensionalityreductionproblems,androbustsparsedictionaryconstructionmethods.Theultimategoalistoimprovetherobustnessofthealgorithmonmulti-poseproblems.Th

8、emainresearchandinnovationsofthisthesisareasfollows:(1)Theissueofmulti-poseassessmentwasanalyzedindetail.Accordingtotherelativeposi