基于超完备稀疏表示与仿生模式的伪装人脸识别研究

伪装人脸识别是目前人脸识别面临的主要挑战。本项目以伪装人脸图像为研究对象，以超完备稀疏表示理论与仿生模式识别技术为研究主线，解决人脸识别中的难点问题─伪装人脸识别。同时，研究伪装人脸样本集的超完备冗余字典构造方法，解决发型、胡须、眼镜、眉毛、嘴唇、皱纹、帽子等伪装变化对识别的鲁棒性问题；实现对伪装人脸图像的稀疏表示。研究利用智能优化算法实现伪装人脸图像的超完备稀疏分解快速算法，提高伪装人脸识别的实时性。以此为基础，将超完备稀疏表示理论与仿生模式识别技术相结合，获得超完备稀疏表示与仿生模式识别的内在联系；构建伪装人脸识别模型与算法；针对仿生模式识别技术中小训练样本构建合理覆盖的多参数神经网络，实现神经元参数的自适应性，提高系统的识别率。通过研究，进一步完善信号处理理论与模式识别理论，为生物特征识别应用提供技术支撑。

伪装人脸识别是目前人脸识别面临的主要挑战。该项目以伪装人脸图像为研究对象，以超完备稀疏表示理论与仿生模式识别技术为主线，解决了人脸识别中伪装人脸识别的难点问题，取得了具有自主知识产权的伪装人脸识别成果，有效提高了伪装人脸识别率。本项目研究了彩色人脸图像色度信息有效融合策略；采用同伦算法解决稀疏表示模型中的L1范数问题, 提出基于彩色信息融合和同伦算法的遮挡鲁棒人脸识别算法；针对伪装人脸识别问题, 并结合稀疏表示分类法鲁棒性好以及稀疏解特点，提出一种加权稀疏模型，结合同伦算法获得了更理想、更稀疏的解。同时，提出基于联合稀疏模型的伪装人脸识别算法。该算法从人脸图像集中提取共同特征和独有特征，这些特征在表达原人脸图像集合不同类型的信息时具有各自的物理意义，能提高实际情况下人脸识别的性能。最后，结合上述研究成果，提出并实现了一种基于稀疏字典构造与仿生模式的伪装人脸识别方法，并基于该方法实现了伪装人脸识别原型。本项目的研究成果进一步丰富和完善了信号处理理论与模式识别理论，为实际情况下的伪装人脸识别应用奠定了扎实基础。