下載本文檔
版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
基于級(jí)聯(lián)稀疏表示分類器的人臉識(shí)別算法
0稀疏表示分類器人臉識(shí)別技術(shù)作為最具潛力的生物識(shí)別技術(shù),在煤礦安全中得到了越來(lái)越多的應(yīng)用。人臉識(shí)別技術(shù)具有精準(zhǔn)度高、不易偽造、非接觸等優(yōu)點(diǎn),但是目前的人臉識(shí)別算法對(duì)環(huán)境的魯棒性及識(shí)別的實(shí)時(shí)性不強(qiáng)。Wright等將稀疏表示引入人臉識(shí)別領(lǐng)域,并提出一種基于稀疏表示的分類器(SparseRepresentation-basedClassifier,SRC)。SRC是目前對(duì)光照、遮擋以及人臉圖像污損等魯棒性最好的分類器,但SRC算法識(shí)別速度較慢。因此,本文提出一種基于級(jí)聯(lián)稀疏表示分類器(CascadeSparseRepresentation-basedClassifier,CSRC)的人臉識(shí)別算法(簡(jiǎn)稱為CSRC算法)。該算法首先對(duì)于每一個(gè)測(cè)試樣本,應(yīng)用SRC算法分別在小的子庫(kù)中確定其最可能的分類,而后利用所有子類中的可能歸屬類的樣本而并非所有的訓(xùn)練樣本來(lái)對(duì)測(cè)試樣本進(jìn)行稀疏表示,從而大大降低算法計(jì)算復(fù)雜度。人臉庫(kù)ExtendYaleB上的試驗(yàn)結(jié)果表明,該算法不僅能較大程度地降低算法的計(jì)算復(fù)雜度,而且具有SRC算法優(yōu)越的魯棒性。1csrc算法的計(jì)算效率SRC是基于低維線性子空間的分類器。如果一個(gè)n維樣本位于一個(gè)k維子空間,那么按照線性性質(zhì),這個(gè)樣本一定能用k個(gè)同一子空間的其他樣本去線性表示,這就是SRC的理論基礎(chǔ)。如果用其他子空間的樣本表示,那么需要的樣本數(shù)應(yīng)該大于k。CSRC采用級(jí)聯(lián)的思想,通過(guò)多次重復(fù)使用SRC分類器,逐級(jí)精確確定待分類樣本所在的類。理論上,每個(gè)測(cè)試樣本稀疏表示的時(shí)間復(fù)雜度為O(t3+n),其中t為模型解中非零向量的個(gè)數(shù),n為參與計(jì)算的訓(xùn)練樣本的個(gè)數(shù)??梢钥闯?模型的計(jì)算復(fù)雜度與參與計(jì)算的訓(xùn)練樣本個(gè)數(shù)成線性關(guān)系。但是,實(shí)際上,所求得的系數(shù)向量并非最佳的稀疏表示向量,其中包含很多很小的非零向量,致使t→n,時(shí)間復(fù)雜度相應(yīng)地趨近于O(n3)。假設(shè)SRC算法的計(jì)算時(shí)間為an3(忽略低次項(xiàng)),人臉樣本共有C類,每類中的樣本數(shù)大致相同。如果將訓(xùn)練樣本庫(kù)按照人臉的類別不同分為k個(gè)子庫(kù),則每個(gè)子庫(kù)中有n/k個(gè)類。用測(cè)試樣本對(duì)每個(gè)子類使用SRC模型求解,然后將所有子類的求解出的類組成一個(gè)新的子庫(kù),再使用SRC算法求解,則總共需要進(jìn)行(k+1)次SRC算法運(yùn)算,其中k次SRC算法的計(jì)算時(shí)間為a(n/k)3=an3/k3,最后一次SRC算法的計(jì)算時(shí)間為ak3。整個(gè)求解過(guò)程的計(jì)算時(shí)間為kan3/k3+ak3=an3/k2+ak3。因?yàn)閗≤n,則整個(gè)求解過(guò)程的計(jì)算時(shí)間約為an3/k2。這樣理論上計(jì)算時(shí)間變?yōu)樵瓉?lái)的1/k2。若原始SRC算法的求解時(shí)間為5s,當(dāng)k=10時(shí),CSRC算法的運(yùn)行時(shí)間為5/102=0.05s,也就是20f/s,達(dá)到了實(shí)時(shí)性的要求。CSRC算法步驟:(1)歸一化訓(xùn)練樣本集A的每個(gè)列向量。(2)將樣本庫(kù)平均分為k個(gè)子庫(kù),A=[B1,B2,…,Bk]。(3)對(duì)每個(gè)字庫(kù)應(yīng)用SRC算法求解最可能的類標(biāo)簽:①,其中Bi為第i個(gè)子人臉庫(kù),x為稀疏系數(shù)。②計(jì)算殘差,其中δi(x)表示對(duì)x中第i類樣本所對(duì)應(yīng)的系數(shù)不變、其他全為0的運(yùn)算。③最后計(jì)算y的標(biāo)簽,。(4)用k個(gè)類標(biāo)簽li(y)下的所有人臉樣本組成新的子庫(kù)。(5)在新子庫(kù)中使用步驟(3)中的方法求得最終的識(shí)別結(jié)果l(y)。2tendedyleb人臉庫(kù)測(cè)試使用參考文獻(xiàn)中的方法來(lái)解決稀疏約束下的最小化問(wèn)題。在ExtendedYaleB人臉庫(kù)上測(cè)試CSRC算法和SRC算法的識(shí)別率和魯棒性,測(cè)試之前先用主成份分析法進(jìn)行特征抽取。每個(gè)試驗(yàn)都重復(fù)進(jìn)行30次,并取這些試驗(yàn)結(jié)果的平均值。2.1人臉數(shù)據(jù)庫(kù)的分類ExtendedYaleB人臉數(shù)據(jù)庫(kù)包涵38個(gè)人的2414張正面人臉圖像,使用裁剪后歸一化為192×168大小的圖像,其中同一個(gè)人的不同人臉圖像包涵劇烈的光照角度變化。將每人的人臉數(shù)據(jù)庫(kù)隨機(jī)分為兩類。一半(大約32張圖像)用作字典(訓(xùn)練),另一半用作測(cè)試。測(cè)試了特征維數(shù)分別為30,84,150和300時(shí)SRC算法和DSRC算法的識(shí)別率,結(jié)果見表1。從表1可看出,CSRC在不同維數(shù)下的識(shí)別率均高于SRC算法。人臉識(shí)別算法的另一個(gè)重要性能是算法的運(yùn)行速度,也就是識(shí)別每張人臉?biāo)玫臅r(shí)間。表2顯示了不同維數(shù)下SRC算法和DSRC算法的識(shí)別時(shí)間。從表2可看出,CSRC算法的運(yùn)行速度高于SRC算法,識(shí)別速度基本可以達(dá)到實(shí)時(shí)系統(tǒng)的要求。2.2人臉圖像測(cè)試在隨機(jī)塊遮擋的試驗(yàn)中,測(cè)試SRC算法和DSRC算法對(duì)不同程度的隨機(jī)塊遮擋問(wèn)題的魯棒性。在ExtendedYaleB中隨機(jī)抽取每人的32張人臉樣本用做訓(xùn)練,其余32張樣本用作測(cè)試。同樣的試驗(yàn)重復(fù)10次,取平均結(jié)果。人臉圖像的尺寸縮小為高96像素,寬84像素。用與人臉無(wú)關(guān)的圖片隨機(jī)遮擋人臉,在仿真環(huán)境下測(cè)試遮擋比例為0%~30%時(shí)的識(shí)別率,結(jié)果見表3。從表3可看出,當(dāng)遮擋比例小于30%時(shí),CSRC算法同樣對(duì)遮擋具有很強(qiáng)的魯棒性。3減少求解時(shí)間
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 人人文庫(kù)網(wǎng)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 食品安全操作規(guī)程
- 海南省三亞華僑學(xué)校2025年高三教學(xué)質(zhì)量檢查語(yǔ)文試題含解析
- 物理直線運(yùn)動(dòng)第2課時(shí)變速直線運(yùn)動(dòng) 課件 2024-2025學(xué)年蘇科版物理八年級(jí)上冊(cè)
- 廣西壯族自治區(qū)桂林市2024-2025學(xué)年高三語(yǔ)文試題下學(xué)期二調(diào)考試試題含解析
- 廣東省中山市2025屆高三適應(yīng)性月考(八)語(yǔ)文試題含解析
- DB54T 0401-2024拉薩裂腹魚苗種溫室水泥池培育技術(shù)規(guī)范
- 廣東廣州市增城區(qū)2025年高三下學(xué)期第一次教學(xué)質(zhì)量檢測(cè)試題語(yǔ)文試題含解析
- 甘肅省天水市秦安縣二中2025屆高三5月份月考試卷語(yǔ)文試題試卷含解析
- 福建省永安市三中2024-2025學(xué)年高三3月起點(diǎn)調(diào)研語(yǔ)文試題試卷含解析
- 福建省寧德市重點(diǎn)名校2025年高三下第一次月考語(yǔ)文試題含解析
- 《材料性能學(xué)》教案
- 2022公務(wù)員錄用體檢操作手冊(cè)(試行)
- 兒科學(xué)小兒貧血見習(xí)
- 交叉口的vissim仿真與優(yōu)化本科畢業(yè)論文
- 室外工程招標(biāo)文件
- 動(dòng)物檢疫檢驗(yàn)考試題庫(kù)(含答案)
- 公司收購(gòu)(股權(quán)轉(zhuǎn)讓)法律盡職調(diào)查報(bào)告(律師專業(yè)版)
- 對(duì)屈臣氏人力資源管理體系的分析
- 2023全國(guó)新課標(biāo)卷高考作文評(píng)分標(biāo)準(zhǔn)(細(xì)則)
- 衛(wèi)生專業(yè)技術(shù)資格任職聘用證明表
- 藥品生產(chǎn)企業(yè)年度質(zhì)量回顧分析報(bào)告撰寫指南
評(píng)論
0/150
提交評(píng)論