1、隨著多媒體技術的快速發(fā)展和圖像信息的爆發(fā)性增長，圖像數(shù)據(jù)庫規(guī)模變得非常龐大，而這些圖像中，包含人臉的圖像更是引起了人們的加倍關注。如何有效的管理這些海量的人臉圖像，如何有效的提取、表達、組織、查詢和檢索這些人臉圖像成為當下公共安全、信息檢索和網(wǎng)絡社交等領域研究的熱點。大規(guī)模人臉圖像編碼技術是實現(xiàn)人臉圖像檢索和人臉驗證的關鍵技術，已經(jīng)成為研究者們提升人臉檢索和驗證性能的最主要的突破口。
　　本文以大規(guī)模人臉圖像編碼為研究目標，以大規(guī)

2、模人臉圖像檢索和人臉驗證為應用背景，分別從人臉圖像預處理、人臉特征提取和量化編碼三個方面提出了一些改進的方法有效的提高了大規(guī)模人臉圖像表示性能。本文主要研究的內(nèi)容有：
　　1）在人臉圖像預處理階段，提出了一種改進的顯示形狀回歸算法實現(xiàn)人臉對齊，分別從初始形狀設定和相關特征選擇兩個方面進行了改進。實驗表明，改進的人臉對齊取得了更準確的人臉特征點定位效果，為后面人臉區(qū)域劃分和人臉特征提取提供了更好的支持。
　　2）在人臉圖像特征

3、提取階段，提出了一種相對人臉屬性特征，在人臉二值屬性的基礎上通過排序?qū)W習的方法對人臉屬性進行量化，并通過實驗證明了相對人臉屬性較人臉二值屬性能更加準確的描述人臉屬性特征。
　　3）在人臉圖像量化編碼階段，將人臉圖像的底層特征和相對人臉屬性特征結(jié)合起來進行稀疏編碼。這種方法既保證了底層特征的相似性要求，又通過引入人臉屬性特征避免了“語義鴻溝”問題。
　　通過將本文的編碼方法應用于大規(guī)模人臉檢索和人臉驗證的實驗表明，本文提出的編