论文部分内容阅读
和传统的用户身份信息识别方法相比,人脸识别可以更加精确的识别用户的身份信息。但是,人脸识别过程中会存在各种各样的遮挡,这些遮挡的存在会对人脸识别的准确率产生严重的影响,针对遮挡情况下的人脸识别做了如下研究:首先,通过对遮挡人脸识别过程的学习,掌握了人脸识别过程中的三个主要模块,分别为预处理、特征提取和人脸识别,其中最重要的是特征提取阶段,选用的方法不同提取到的特征也会存在不同程度的差异。其次,选用稀疏编码方法,在AR人脸图像库中进行实验并分析实验结果,得出随着人脸图像中遮挡面积的增大,识别率会下降,当遮挡面积超过50%时,识别率会急速下降,针对此问题引入了鲁棒稀疏编码方法,再进行实验并分析数据,发现在不同的遮挡面积、不同的维数和三种不同遮挡(分别为眼镜、围巾和眼镜围巾混合遮挡)的情况下鲁棒稀疏编码方法的识别率提高了5%~10%。然后,对动态图规整方法进行理论分析,发现它对时间序列有很好的识别效果,所以将人脸进行分块再按从左到右从上到下的顺序进行重新排列,得到的序列信息就类似于一个时间序列,所以大胆地进行尝试将动态图规整方法应用到遮挡条件下的人脸识别中。选用动态图规整方法在AR人脸图像数据库中进行类似的实验,分析数据得出动态图规整方法的识别率在不同情境下识别率比稀疏编码方法识别率要高,但是识别速度较慢。最后,通过以上两组实验得出了鲁棒稀疏编码方法和动态图规整方法各自的优缺点,最后将两种方法进行了弹性的结合,提出一种名为RSD的改进算法并对改进算法进行了实验验证,得出当人脸图像样本数量超过一定的值后,在训练集人脸图像有遮挡测试集人脸图像没有遮挡、训练集人脸图像没有遮挡测试集人脸图像有遮挡和训练集测试集人脸图像都有遮挡的情况下,RSD改进算法的识别率比其他两种方法单独实验时平均高出3%~5%,验证了RSD改进算法的有效性。图47幅;表5个;参50篇。