基于核化高阶差分模式和稀疏回归分析的人脸识别研究

人脸识别是生物特征识别领域的热点和难点，具有重要的理论意义和应用价值。人脸复杂的结构以及多变的采集条件都为人脸识别带来困难。本课题通过在人脸识别领域引入高阶差分模式、局部核特征以及稀疏回归分析等方法更好地刻画人脸图像，从而提高人脸识别系统的性能。高阶差分模式结合局部核特征能够获取更加细节的信息及局部特征之间的非线性关系；稀疏回归分析通过以回归函数作为约束和L1-范式最小化相结合的方法，利用训练集提取更具判别能力的特征。本课题将在大型公开数据库上进行验证，并集成以上方法构建人脸识别系统。其研究成果将有助于提高人脸识别的准确性和可靠性，具有重要的理论和现实意义。

人脸识别是生物特征识别领域的热点和难点，具有重要的理论意义和应用价值。人脸复杂的结构以及多变的采集条件都为人脸识别带来困难。本课题通过在人脸识别领域引入高阶差分模式、局部核特征以及稀疏回归分析等方法更好地刻画人脸图像，从而提高人脸识别系统的性能。高阶差分模式结合局部核特征能够获取更加细节的信息及局部特征之间的非线性关系；稀疏回归分析通过以回归函数作为约束和L1-范式最小化相结合的方法，利用训练集提取更具判别能力的特征。申请人成功地完成了国家自然科学基金青年基金项的主要研究内容，发表了6篇国际期刊论文以及多个著名的国际会议论文，其中包括了IEEE Trans. Image Processing，IEEE Trans. CSVT 及CVPR。其研究成果将有助于提高人脸识别的准确性和可靠性，具有重要的理论和现实意义。并经过大量的实验验证，从而进行系统集成来构建高效的人脸识别系统。