《基於稀疏表示的高效魯棒大規模物體識別方法研究》是依託中國科學技術大學，由莊連生擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：基於稀疏表示的高效魯棒大規模物體識別方法研究
- 項目類別：青年科學基金項目
- 項目負責人：莊連生
- 依託單位：中國科學技術大學
中文摘要,結題摘要,
中文摘要
本課題探討利用稀疏表示解決大規模物體識別問題的相關理論和方法，研究高效魯棒大規模物體識別算法。稀疏表示識別方法（SRC方法）是近年來出現的一種比較有效的物體識別方法，為物體識別問題研究提供了新的解決思路。但由於缺乏合適的大規模數據集，SRC方法對大規模物體識別問題的有效性卻較少有人研究，嚴重阻礙了物體識別領域研究的發展。結合課題組擁有滿足SRC方法研究需要的大規模數據集這一優勢，本課題擬在分析SRC方法對大規模物體識別問題有效性的基礎上，研究魯棒的結構性稀疏表示識別方法，利用信號的稀疏性和低秩結構，提高識別方法對視角變化和局部遮擋的魯棒性；在此基礎上，研究高效的稀疏表示識別方法，利用子空間映射和哈希編碼，提高識別方法的計算效率。.本課題研究有助於加深對稀疏表示理論和大規模物體識別問題的理解，對提高物體識別方法性能、促進物體識別領域發展具有重要的理論指導意義和實際套用價值。
結題摘要
稀疏表示人臉識別方法是物體識別領域的一個重要方法，尤其是在人臉識別領域。本課題研究旨在把稀疏表示物體識別技術拓展到大規模物體識別問題中。課題的研究內容主要圍繞著該算法的魯棒性和計算效率兩個方面展開。對於魯棒性問題，我們主要關注算法對姿態和局部遮擋的魯棒性問題。其解決思路主要是，把人臉圖像進行分塊表示來提高對姿態的魯棒性，同時把樹狀結構性稀疏範數引入稀疏表示識別框架，更好處理局部遮擋問題。對於計算效率問題，我們的主要解決思路是：一方面，評估和尋找更好的L1-範數求解方法；另一方面，通過減少註冊樣本數量提高L1-範數的求解速度。 通過本課題研究，我們得到如下比較有價值的結果：(1)人臉的分塊表示是提高姿態魯棒性的一個重要方法，而對不同分塊實施約束則是這類方法的一個關鍵問題；(2) 結構性稀疏範數是解決局部遮擋問題的一個重要方向，值得往下深入研究；(3) 對於大規模人臉識別問題而言，在諸多L1-範數求解算法中，ALM算法在計算速度和精度上可以較好滿足需要；(4) 稀疏光照遷移方法可以有效地實現光照信息補償, 克服註冊樣本不足的問題，值得深入研究。 本課題的研究結果對於物體識別研究具有重要的學術價值，可以為物體識別研究提供寶貴的經驗和借鑑。
