没有合适的资源?快使用搜索试试~ 我知道了~
SRC-RSC遮挡人脸识别实验报告.doc
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
0 下载量 32 浏览量
2022-06-27
12:20:12
上传
评论
收藏 645KB DOC 举报
温馨提示
试读
12页
SRC-RSC遮挡人脸识别实验报告.doc
资源推荐
资源详情
资源评论
模式识别课程报告
——基于 SRC_RSC 算法的遮挡人脸图像识别的实验研究
学 年:___201 x
学年第
x
学期 ____
姓 名:________ xxxx ___________
学 号:_____xxxxxxxxxx________
专 业:_____ xxxxxxxxxx _______ _
指导教师:_______ xxxxx ___________
提交日期: __201 x
年
x
月
xx
日 ____
1.算法简介
1.1 SRC 算法简介
基于基于稀疏表达的分类算法(Sparse Recognition based Classification , 简称
SRC 算法),是人脸识别领域最经典的算法之一,最初是由 John Wright, Allen Y. Yang 等
人在 2008 年的《Robust Face Recognition via Sparse Representation》一文中将 SRC 算
法应用到人脸识别领域,使用该算法可以大大增强人脸的识别率,包括对含有噪声的人脸
图像、有遮挡物的人脸图像、进行伪装的人脸图像、不同曝光的人脸图像、不同面目表情
的人脸图像等多个场景下通过 SRC 算法对特定的人脸图像进行识别。
人脸的稀疏表示是基于光照模型。即一张人脸图像,可以用数据库中同一个人所有的
人脸图像的线性组合表示。而对于数据库中其它人的脸,其线性组合的系数理论上为零。
由于数据库中一般有很多个不同的人脸的多张图像,如果把数据库中所有的图像的线性组
合来表示这张给定的测试人脸,其系数向量是稀疏的。因为除了这张和同一个人的人脸的
图像组合系数不为零外,其它的系数都为零。
以上所述即为 SRC 识别人脸图像的原理。不过在该模型下导出了基于稀疏表示的另
外一个很强的假设条件,即所有的人脸图像必须是事先严格对齐的,否则,稀疏性很难满
足。换言之,对于表情变化,姿态角度变化的人脸都不满足稀疏性这个假设。所以,经典
的稀疏脸方法很难用于真实的应用场景。稀疏脸很强的地方在于对噪声相当鲁棒,相关文
献表明,即使人脸图像被 80%的随机噪声干扰,仍然能够得到很高的识别率。稀疏脸另外
一个很强的地方在于对于部分遮挡的情况,例如戴围巾,戴眼镜等,仍然能够保持较高的
识别性能。上述两点,是其它任何传统的人脸识别方法所不具有的。
1.2 RSC 算法简介
鲁棒的稀疏编码算法(Robust Sparse Coding , 简称 RSC 算法),是通过求解
Lasso 问题,进而求解稀疏编码问题,是 SRC 的改进算法之一,具有极强的应用性,最初
是 由 Meng Yang, Lei Zhang 等 人 在 2011 年 的 《 Robust Sparse Coding for Face
Recognition》一文中将 RSC 算法应用到人脸识别领域。该文作者没有直接求解稀疏编码
问题,而是求解 Lasso 问题,因为 Lasso 问题的解和稀疏编码的解是等价的。在传统的
SRC 框架下,编码误差使用 L2 范数来度量的,这也就意味着编码误差满足高斯分布,然
而,当人脸图像出现遮挡和噪声污染的情况下,并非如此。在字典学习框架下,这样的字
典是有噪声的。该文作者对原始 Lasso 问题进行改进,求解加权 L1 范数约束的线性回归
问题。
人脸识别的鲁棒稀疏编码的稀疏表示识别方法将稀疏表示的保真度表示为余项的
L2 范数,但最大似然估计理论证明这样的假设要求余项服从高斯分布,实际中这样的分布
可能并不成立,特别是当测试图像中存在噪声、遮挡和伪装等异常像素,这就导致传统的
保真度表达式所构造的稀疏表示模型对上述这些情况缺少足够的鲁棒性。而最大似然稀疏
表示识别模型则基于最大似然估计理论,将保真度表达式改写为余项的最大似然分布函数,
并将最大似然问题转化为一个加权优化问题,在稀疏表示的同时引入代表各像素不同权值
的矩阵,使得该算法对于图像中包含异常像素的情况表现出很好的鲁棒性。
此算法的关键还在于权重系数的确定,文中采用的是 logistic 函数,而具体的实现则是
通过迭代估计学习得到。该方法基于这样一个事实:被遮挡或噪声干扰的像素点赋予较小
的权重,而其它像素点的权重相对较大。具体迭代算法采用经典的迭代重加权算法框架,
当然内部嵌入的稀疏编码的求解过程。此算法在 50%遮挡面积的情况下取得的更好更满意
的结果。但是文中没有比较计算时间上的优略而直说和 SRC 框架差不多。
2.算法步骤
2.1 SRC 算法步骤
具体的 SRC 算法步骤如 Spare Representation-based Classification(SRC)所示
2.2 RSC 算法步骤
稀疏编码模型等同于求解 LASSO 问题,LASSO 问题模型如公式 1 所示
(1)
剩余11页未读,继续阅读
资源评论
智慧安全方案
- 粉丝: 3679
- 资源: 59万+
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- las格式点云数据使用详解(附VS编译好的LAStools工具)
- KRPano插件一键解密大师1.4.0 (解压密码1234)
- 《C++沉思录》是一本由 Scoot Meyers 所著的经典 C++ 编程书籍 该书深入探讨了 C++ 的一些高级概念和技术
- 海信刷机数据 LED42K310X3D(0000)BOM1-C006软件数据与LED42K310NX3D(0000)BOM1通用
- 送货单打印软件单机版直接单机运行不需要网络
- pycdc工具,Python3.9及以上可用的反编译工具(exe转py)
- 计算机网络基础练习题.pdf
- SDIO接口远距离无线图传WIFI6模块TT-S6D2TR-105HP
- 海信智能电视刷机数据 LED42K280J3D(1000) 生产用软件数据 务必确认机编一致 强制刷机 整机USB升级程序
- 步进电机控制实验-原理图-软件代码.zip
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功