1、近年來，人臉識別技術(shù)得到了迅猛的發(fā)展，已經(jīng)應(yīng)用到各個領(lǐng)域．相比其它生物識別技術(shù)，人臉識別的信息易于采集、非接觸形式容易被人接受，因此收到了多種應(yīng)用領(lǐng)域的青睞，但同時給實際應(yīng)用提出了巨大的挑戰(zhàn)．各種環(huán)境變化、目標配合程度導(dǎo)致識別系統(tǒng)中注冊樣本與測試樣本有較大的差距，影響實際的識別效果．本文以建立非理想測試樣本的表示模型和提取人臉判別特征為研究目標，以變化特征表示和局部變化模式為主要研究思路，對人臉識別問題進行研究，主要貢獻概括如下：

2、>　?。?）提出了基于變化特征表示（Variational Feature Representation Classifi-cation，VFRC）的人臉識別方法．VFRC不僅使用通用訓(xùn)練樣本的信息，而且參照了注冊樣本信息，再使用線性回歸模型獲得測試樣本的變化部分和正常部分，再將二者的組合信息用于分類模型以確定測試樣本身份．數(shù)值實驗表明VFRC方法不僅計算時間耗費少，而且在復(fù)雜變化條件下，如夸張表情、頭部姿態(tài)變化以及明顯遮擋情況等，能夠

3、獲得較高的識別準確率．
　　（2）提出了帶有混合范數(shù)的定制稀疏表示（Customized Sparse Representa-tion model with Mixed Normal，CSR-MN）模型．在CSR-MN中，表示系數(shù)分為兩部分：一部分對應(yīng)于注冊數(shù)據(jù)，另一部分對應(yīng)于變化字典．因為變化字典具有復(fù)雜的特性，因此本文引進混合范數(shù)正則項，其對應(yīng)的分布將更加符合實際情況．通過對CSR-MN模型的合理變形，復(fù)雜模型轉(zhuǎn)換成了容易求解

4、的l1極小化模型，從而同倫算法可用于模型求解．由于CSR-MN很好地模擬了人臉識別的實際情況，因此在大量的數(shù)值實驗中表現(xiàn)出了明顯的優(yōu)勢．
　?。?）提出了基于定制字典的人臉識別方法（Customized Dictionary-based Face Recognition with Extended Joint Sparse Representation，CD-EJSR），擴展的聯(lián)合稀疏表示用于該方法的分類階段．該方法沒有使用通用訓(xùn)

5、練集，而是直接從當前測試目標的人臉數(shù)據(jù)中學(xué)習(xí)變化信息，很好地擬合了測試目標的類內(nèi)變化．在分類階段，擴展的聯(lián)合稀疏表示模型不僅充分利用了定制變化字典的優(yōu)勢，而且利用組結(jié)構(gòu)增強了準確識別的效果．
　?。?）提出了基于Gabor小波和局部二值模式（LBP）的Gabor-scale二值模式（Gabor-scale Binary Pattern，GSBP），從空域、頻域充分考慮了鄰域間的關(guān)系．相比其它相關(guān)方法，GSBP通過對Gabor系數(shù)的

6、再加工，再利用LBP紋理算子，提煉出有力的判別特征．另外，較少尺度（如2或3）的濾波器表現(xiàn)出很好的識別效果，同時降低了計算復(fù)雜度．
　?。?）提出了改進的彩色局部二值模式（Improved Color LBP，ICLBP），新的采樣規(guī)則和閾值確定策略用于彩色圖像的特征提?。疄榕浜螴CLBP的采樣規(guī)則及閾值確定方式，引入了k-uniform模式，它不僅從理論上擴展了經(jīng)典的Uniform LBP模式，而且對改進彩色人臉識別的效果起到了