稀疏性與協(xié)同性相結合的多信息融合的人臉識別算法.pdf

1、隨著信息科學技術的快速發(fā)展，人臉識別技術在信息安全領域承擔著越來越重要的作用，應用于安全監(jiān)控、電子商務、安全防務等領域的前景越發(fā)廣闊。但實際應用中易受光照、遮擋、姿態(tài)、表情、背景等非理想條件下的因素影響，尋求魯棒的人臉識別技術具有非常重要的現(xiàn)實意義。稀疏表示和協(xié)同表示成為近年來的研究熱點，它們能夠捕獲人臉圖像的本質(zhì)特征，在人臉識別中獲取較好的識別效果。協(xié)同表示分類需要字典中列向量之間不相關。但人臉識別中，有時不同類別人臉圖像之間可能存在

2、較多的相似圖案，因此字典的列向量的相關度較高，進而導致協(xié)同表示分類最終可能產(chǎn)生錯誤的分類結果。另外，基于協(xié)同表示建立在大量訓練樣本基礎之上，難以滿足在現(xiàn)實人臉識別中單樣本情形。針對協(xié)同表示分類問題和單樣本人臉識別問題，主要做了如下兩個方面的工作:
　　(1)相對于稀疏表示分類，協(xié)同表示分類在取得較高分類正確率同時降低了運算量。但與稀疏表示分類一樣，協(xié)同表示分類的字典的列向量的相關度較高，最終導致可能集中在錯誤的類別上。核函數(shù)為維度

3、變換函數(shù)，將特征向量由低維空間投影到高維度空間，增大類別間的幾何距離，使得線性不可分變?yōu)榫€性可分。為了增強分類效果，本文提出基于核協(xié)同表示的人臉識別算法，首先應用KPCA算法把人臉圖像映射到非線性特征子空間，提取最有效識別特征。在分類時，針對特征維數(shù)比較大的問題，采用正則化的最小二乘解進行分類。在AR人臉庫上測試表明，在較大維數(shù)時，該算法不僅在遮擋、光照等條件下識別率較CRC有了很大的提高，而且由于避免了白．范數(shù)最小化算法有效的提高了執(zhí)

4、行效率。
　　(2)針對單樣本人臉識別問題，傳統(tǒng)的SIFT算法提取出的穩(wěn)定特征描述子對存在平移、旋轉、仿射變換、視角變化、光照變化的兩幅圖像取得很好的匹配效果。但是，人臉圖像存在多個相似區(qū)域，SIFT算法在對人臉圖像進行特征提取時，會出現(xiàn)大量的錯配點對，另外算法復雜度較高。本文提出基于trace變換局部不變性特征的人臉識別算法。該算法首先應用一階Scharr算子、二階尺度適應的高斯型拉普拉斯算子(LOG)和Harris濾波器定位特

5、征點，接著在特征點的鄰域內(nèi)進行trace變換得到具旋轉和尺度不變性的特征描述子，最后根據(jù)特征描述子的特征向量和坐標值實現(xiàn)由粗到精的匹配。由于在特征提取階段加入了Scharr算子與Harris角點檢測保證在較少關鍵點的情況下達到較好的識別效果，并保證了效率。另外，整個識別過程不涉及參數(shù)選擇問題，保證了算法的穩(wěn)定性。在常用人臉數(shù)據(jù)庫ORL、AR、Extend Yale B進行實驗結果表明，與SIFT算法相比，該算法提高了識別率，降低了計算復