1、單訓(xùn)練樣本人臉識(shí)別,是指每人僅存儲(chǔ)一幅人臉圖像作為訓(xùn)練集去識(shí)別姿態(tài)、光照等可能存在變化的人臉圖像的身份。由于單訓(xùn)練樣本問(wèn)題給人臉識(shí)別系統(tǒng)帶來(lái)的巨大挑戰(zhàn)及本身具有的重要意義,它已成為人臉識(shí)別研究中的一個(gè)重要的研究方向。本文分析了單訓(xùn)練樣本人臉識(shí)別的研究現(xiàn)狀,指出樣本擴(kuò)張和多特征融合是解決單訓(xùn)練樣本問(wèn)題的有效途徑:本文主要在理論和算法上對(duì)二維以及雙模態(tài)生物特征融合的單訓(xùn)練樣本人臉識(shí)別進(jìn)行深入的研究,重點(diǎn)研究二維人臉圖像特征提取以及2D人臉與

2、3D鼻型雙模態(tài)信息融合。
　　 論文的主要工作有:
　　 1.本文對(duì)單訓(xùn)練樣本人臉識(shí)別的樣本擴(kuò)張技術(shù)進(jìn)行研究,提出了應(yīng)用于的單訓(xùn)練樣本人臉識(shí)別的基于單張正面照片的三維人臉模型合成方法,利用合成的三維人臉模型生成姿態(tài)、光照、表情變化的虛擬人臉圖像,以達(dá)到擴(kuò)充訓(xùn)練樣本庫(kù)的目的,從而將單訓(xùn)練樣本問(wèn)題轉(zhuǎn)化為多訓(xùn)練樣本人臉識(shí)別。由二維圖像恢復(fù)對(duì)象的三維模型是計(jì)算機(jī)視覺(jué)領(lǐng)域的一個(gè)基本問(wèn)題,傳統(tǒng)的方法需要多幅人臉圖像、圖像序列,或者需

3、要限定條件下的立體圖像對(duì)、正面和側(cè)面圖像對(duì)等,不利于實(shí)際應(yīng)用。本文提出的算法只需要一幅正面人臉圖像,降低了對(duì)使用條件的要求,便于實(shí)際應(yīng)用,具有廣闊的應(yīng)用前景,該方法合成的三維人臉模型可以滿足人臉識(shí)別、表情動(dòng)畫(huà)、人機(jī)交互的需要?；谔摂M圖像的人臉識(shí)別實(shí)驗(yàn)結(jié)果表明,樣本擴(kuò)張法可以有效地解決單訓(xùn)練樣本人臉識(shí)別中光照,姿態(tài),表情變化的問(wèn)題。同時(shí),從生成的三維人臉模型上提取三維鼻型并利用三維鼻型進(jìn)行身份識(shí)別,實(shí)驗(yàn)論證了3D鼻型作為一種新興的生物特

4、征識(shí)別模式的可行性。
　　 2.從提高單一模態(tài)——二維人臉識(shí)別的識(shí)別性能的角度出發(fā),對(duì)傳統(tǒng)的二維人臉特征提取算法進(jìn)行改進(jìn),將核技巧和流形學(xué)習(xí)算法融合,分別針對(duì)人臉圖像向量和人臉圖像矩陣,提出了非局保投影算法和融合核技巧的二維局保投影算法,從識(shí)別率和訓(xùn)練以及識(shí)別時(shí)間上對(duì)基于人臉圖像向量和人臉圖像矩陣的兩類特征提取算法進(jìn)行了比較。實(shí)驗(yàn)結(jié)果表明提出的方法具備了提取人臉圖像的非線性特征和鄰域保持特性的兩大優(yōu)勢(shì),因而取得更好的識(shí)別效果。<

5、br>　　 3.對(duì)基于圖像矩陣的子空間方法進(jìn)行了較為深入的研究,提出了分塊雙向加權(quán)的二維主成分分析,分塊多投影雙向二維線性判別分析、分塊二維判別監(jiān)督局部保留主成分分析三種特征提取方案。實(shí)驗(yàn)結(jié)果表明提出的算法都具有比改進(jìn)前更好的特征提取能力。說(shuō)明對(duì)算法的改進(jìn)是有效的,有利于模式識(shí)別。
　　 4.從信息融合的角度出發(fā),提出將二維人臉識(shí)別和三維鼻型識(shí)別在決策層融合以解決單訓(xùn)練樣本人臉識(shí)別識(shí)別率低,可信度低的新思路,分別針對(duì)1:1驗(yàn)證