1、基于稀疏表示的人脸识别,汇报大纲,一、人脸识别的简介和背景,二、基于稀疏表示的人脸识别,四、个人安排,三、人脸识别实验步骤,一、人脸识别的简介和背景,人脸识别本质上是使计算机具有区分不同人类个体的能力，相当于计算机视觉中“看”的能力。 人脸识别技术是基于生物特征的识别方式，利用人类自身所拥有的、并且能够用来标示其身份的生理特征进行身份验证的技术。,目前的人脸识别技术主要分为三大类：几何特征法、基于子空间方法和基于学习的方法。几何特征法包括模板匹配法等。基于子空间的方法包括主成分分析、独立分量分析、线性判别分析等。基于学习的方法有稀疏表示方法、神经网络方法等。,传统的信号表示方法是将信号分解为一
2、组正交基函数的线性组合。 稀疏表示是利用字典，将信号表示成少数原子的线性组合的过程。稀疏表示使信号能量只集中于少数原子，对应于非零系数的少量原子揭示了信号的主要特征与内在结构。,二、基于稀疏表示的人脸识别,稀疏表示理论的核心问题包括稀疏表示算法设计以及字典的构建等。传统的字典构造方法主要是根据指定的线性变化的函数集构建的字典，如短时傅里叶变换、过完备小波、曲波、轮廓波、Gabor变换等。另一种截然不同的线路是样本学习的基础上训练字典的方法。包括K均值算法、最优方向法、K-SVD算法、监督学习方法、最大似然法以及最大后验概率法等。,当给定第i类中有效的训练样本集测试样本y：全部的训练样本集为,基
3、于稀疏表示的分类方法：,1: Input: a matrix of training samples for k classes, a test sample y , (and an optional error tolerance 0 .)2: Normalize the columns of A to have unit -norm.3: Solve the -minimization problem:(Or alternatively, solve )4: Compute the residuals for i=1, .,k .5: Output:,可信度（sparsity concen
4、tration index(SCI)）：,如果 ,测试图像能用单一的一幅图像表示。如果 ，稀疏系数遍布所有类中。选取一个阈值 ，当 ，则判定一幅测试图像有效。否则判定为无效。,小密集噪声：,遮挡和损坏问题：,当错误 关于 有稀疏表示，则 当 关于自然的像素坐标稀疏，则选择如果 关于其他（Forier or Haar）稀疏，则把 添加到A中，代替I来寻找稀疏解：extended -minimization：,的稀疏解：,除掉遮挡或损坏后的干净图像：判别类：,三、实验步骤：,1、读入图像，构造字典。-公式（1）（3）2、输入测试图像。3、用最小化 范数求解测试图像的稀疏系数。-公式（8）4、计算残差。-公式（9）5、选取最小残差所在类别，输出判定类别的人脸图像。,谢谢！,
