基于序特征的光照不变人脸识别的中期报告.docx

基于序特征的光照不变人脸识别的中期报告
一、研究背景
光照变化对人脸识别的影响是常见的问题之一，因为光照的变化导致人脸的外观和纹理发生变化，从而导致传统的人脸识别算法性能下降。为了解决这个问题，研究人员提出了许多方法，如光照不变特征、多角度的人脸图像、基于多尺度的方法等等，但是这些方法在一定程度上需要有大量的计算，而且对人脸的形态和纹理有很强的的依赖。
另一方面，序列数据在机器学习领域中得到了广泛应用。序列数据是指一组按照时间或空间顺序排列的数据点，例如音频、文本、视频等。序列数据具有先前数据点对于后续数据点的影响和依赖，因此在处理序列数据时需要考虑时间或空间的演变。
因此，基于序列特征的光照不变人脸识别是一个有趣和具有挑战性的问题。
二、研究目的和意义
本研究旨在探索基于序列特征的光照不变人脸识别方法，结合深度学习和人脸识别技术，提高人脸识别的鲁棒性和准确性。此外，在该领域中的应用非常广泛，可以用于许多行业，如安保领域、金融领域等。
三、研究内容
1.数据集
选择一个人脸识别的数据集，包括人脸图像和光照变化的人脸图像，并手动标注光照变化的标签。
2.方法设计
设计基于序列的光照不变人脸识别方法，包括数据预处理和模型设计。
数据预处理包括将人脸图像转化为序列数据，同时提取序列特征。序列特征可以使用循环神经网络（RNN）、卷积神经网络（CNN）等方法进行提取。
模型设计包括神经网络的结构设计、训练和测试。可以考虑使用多种神经网络结构，比如RNN、CNN、LSTM等。
3.实验与结果分析
分别使用传统的人脸识别方法、基于序列特征的人脸识别方法进行实验，比较它们的准确性和运行时间。同时，可以通过监控指标的变化来分析模型的性能，并探索如何优化模型。