基于非负稀疏编码的人脸识别算法研究

本项目主要研究基于视觉机理模拟的非负稀疏编码算法，及其在人脸识别中的应用。首先，从人脸图像的结构稀疏性出发，建立基于视觉系统主视皮层V1区神经细胞模拟的非负稀疏编码模型。接着，将非负稀疏编码算法与小波变换和独立分量分析算法相结合，以提取人脸图像的线性和非线性特征，并设计一种基于非负稀疏编码的人脸图像的混合特征提取方法。然后针对这些混合特征，采用结构优化后的径向基概率神经网络模型来实现人脸图像的分类，从而构建一种基于视觉特征的人脸识别的实时检测系统。最后，利用四种公开的人脸数据库，对所提出的特征提取和分类识别方法进行测试，进一步与其他人脸算法进行融合，最终构建一个鲁棒的人脸识别系统。本项目的开展，将有力的促进非负稀疏编码算法的理论研究，并且该项目的成果在人脸识别领域中将具有良好的应用前景。

本项目基本按照既定的研究计划进行，在稀疏表达、独立分量分析和人脸识别等方面做出了一些创新性的工作。此外，在研究实践中，我们也在图像和信号处理领域的其它方向也开展了一些工作，丰富了项目的研究内容，为进一步的研究工作拓宽了新的思路。研究工作主要包括以下三个方面：1）基于二维图像的正面人脸图像特征点三维深度值估计模型及其在人脸识别中的应用；2）稀疏表达模型及人脸识别；3）图像和信号处理领域其它方向的研究工作。通过我们在项目中所开展的研究工作，极大的提高了人脸识别及相关技术的性能，进一步推动了人脸识别及相关领域的研究工作。