论文研究-融合PCA和稀疏表示的人脸识别研究 .pdf

所需积分/C币:9 2019-08-15 11:20:05 358KB .PDF
27
收藏 收藏
举报

融合PCA和稀疏表示的人脸识别研究,刘晓芬,万里,传统稀疏表示存在着计算量大,小样本数据集的识别率低下的问题。本文提出的算法将训练集人脸图像用主成分分析算法降维,通过求解
山国利技论文在线 主成分分析的分类 过以下操作将测试图像投影到脸部空间中 权值组成了向量=[ ],它描述了每个特征脸在输入的人脸图像中 的贞献。然后可以使用此矢量将测试图像拟合到预定义的人脸类别中。其中一个简单的方法 就是计算中的距离,其中是第类的平均权重向量。当 <时,测试 图像可以分类为类,其中 且是阈值 稀疏表示的人脸识别算法原理 稀疏表示算法模型 设每一类人脸存在于一个子空间中,对于一个测试样本,假设其属于第类。则 对应可近似地由第类样本=[ ]进行线性表小 ∴· 其中=[ ]是某个表示系数,表示第个人脸的图像集合。但是测试样本 的类别未知,故将表示为所有的线性表示,也即所有训练样本的全局表示: 理想的中非零系数尽可能集中在与未知样本同类的训纮样本 求上述不定方程的最稀疏解可以转化为求最小的范数: 其中‖‖是范数,表示中所有元素绝对值之和。在求得在上的表示系数后, 令6 ]则重构的测试样本为 稀疏表示的分关器采用最小的重构残差进行预测: 融合的主成分分析与稀疏表示算法 通过主成分分析技对原始图像降维,在保留主元的情况下能有效压缩人朎图像信息。 再将压缩后的数据釆用和最小重建残差来决策最终识别结果。本文算法的流程图如图 所示。主要分为训练阶价段和识别阶段。 训练阶段:将训练图像集合转为二维的矩阵,其中每张图像是一个矢量。对训练矩阵计 算均值向量,接下来用对图像数据进行降维,这里主成分分量值设定为,然后用 山国科技论文在线 稀疏表示算法对降维以后的矩阵求解稀疏系数 识别阶段:将测试图片矢量减去训练阶段得到的均值向量,接下来根据训练阶段经 计算得到的特征向量对测试数据进行降维处理,然后通过稀疏计算的样本图像与测试图像的 最小的重构残差计算出分类结果 人脸图像」 训练阶 识别阶段 [构建训练样本矩车 L平均脸计算始御 「平均脸计算 主成分分析算法降维PCA降维 「稀疏表示 福充系数 利用残差分类 别结果 图融合和稀疏表小的人脸识算法流程图 实验结果与分析 为」测试融合和稀疏表小算法的识別性能,本文与传统的算法进行∫比较 木文算法运行的实验坏境为 型号为 的 大小是 。采用 软件实现本文算法 本文分别在 库和库上进行试验。人脸数 据库共有个不同年龄、不同性别和不同种族的对象。每个人幅图像共计幅灰度图 像组成,图像尺寸是 图像背景为黑色,图像格式为 该库是目前使用最广泛 的标准人脸数据库;而人脸库,包含位男性和位女性,每人张共张图 每个人脸是 像素,图像柊式也是 为」评估本文算法与算法的性能差异,本实验随机选择训练图像和测试图像,并 重复实验次,取其平均值作为最终实验结果。其中固定参数主成分分量(此 数据经过大量实验验证效果较好)。 山国科技论文在线 时间特性 SRC -+-PCAwitSRC +++++十 020406080100120140 维度 图时间特性对比 图表明只用算法的人脸识别所耗费的时间基本不受维度的影响,维持在 左右,而融合和的算法具有吏加优越的性能,其耗费时问大大减少,维持在 以内,且随着维度的增加,吋间消耗越来越大,吋间消耗与维度呈线性关系。本文算法吋间 消耗是传统算法的十分之左右,我们认为其原因是在保留原始图像的关键信息的基 础上,大大减少了数据维度,从而大量减少了数据的运算量 表算法在数据集上的实验结果 个训练样本 个训练样本 个训练样本 本文算法 表算法在数据集上的实验结果 个训练样本 个训练样本 个训练样本 本文算法 实验结果如表、表所小,实验比较了与融合和算法的分别在 斥和斥的识别性能,针对每个的类别不同的训练样本数量测评这两种算法的识别率,通 过实验数据绘制以下图表来详细分析本实验的识别性能 山国利技论文在线 100% 90% 80% 70% 0% 50% 2个训练样本5个训练样本7个训练样本 2个训练样本5个训练样本7个训练样本 ■SRC■本文算法 ■SRC■本文算法 图算法在 数据集上的识别结果 在数据集得到的识别盗对比;在数据集得到的识别率对比 识别率的实验结果如图所示,图为在数据集上得到的识别率对比,而图 为在数据集上得到的识别率对比。通过图可以得出在个训练样本的实验中,本文 算法人脸识别率比传统算法提高了 而在个和个训练样本的实验中,识别 率相差不大,分别提高了 图可以得出在个训练样本的实验中,本文 算法人脸识别率比传统算法提高∫ 而在个和个训练样本的实验中,识别 率相差不大,分别提高了 。通过在两个数据集上的测试结果可知,本文提出 的算法在较少的训练样木情况下,识别率有较大的提高,因此该算法比更适合用在小 样本数据集上的人脸识别。 结论 木文给出了一种融合了主成分分析的稀疏表示人脸识别算法。木文的方法针对稀疏表示 )算法计算时间过长的问题,提岀一种对原始数据先降维后稀疏的方法。该算法将人 脸图像用主成分分析算法降维,通过求解降维后图像的最小范数从而得到稀疏表示的线 性组合系数,利用残差对图像进行分类,从而得出分类结果。此方法兼顾重建数据的精度和 计算的速度。本文的实验上要在脸库和人脸库上进行,实验结果表明,本文算 法时间消耗是传统算法的十分之一左右,但识别率仍高于传统算法,证明该方法 的有效性。 然而,本文算法只适用于小数据集,未考虑数据集较大情况下的处理方法。后续可以考 虑采用深度学习的方法进行处理。 参考文献 山国利技论文在线 司风琪洪军徐治皋基于向量投影的数据檢验方法中国电机工稈学报

...展开详情
试读 7P 论文研究-融合PCA和稀疏表示的人脸识别研究 .pdf
立即下载
限时抽奖 低至0.43元/次
身份认证后 购VIP低至7折
一个资源只可评论一次,评论内容不能少于5个字
您会向同学/朋友/同事推荐我们的CSDN下载吗?
谢谢参与!您的真实评价是我们改进的动力~
  • 至尊王者

关注 私信
上传资源赚钱or赚积分
最新推荐
论文研究-融合PCA和稀疏表示的人脸识别研究 .pdf 9积分/C币 立即下载
1/7
论文研究-融合PCA和稀疏表示的人脸识别研究 .pdf第1页
论文研究-融合PCA和稀疏表示的人脸识别研究 .pdf第2页

试读结束, 可继续读1页

9积分/C币 立即下载