基于低秩與特征臉的稀疏表示人臉識(shí)別研究.pdf

1、人臉識(shí)別作為現(xiàn)代生物特征識(shí)別技術(shù)在生活中的一項(xiàng)重要應(yīng)用，能夠利用人臉圖片的視覺(jué)特征進(jìn)行身份識(shí)別，具有廣闊的應(yīng)用前景。與傳統(tǒng)的身份識(shí)別方法相比，人臉信息很難被他人模仿或者偽造且隨身攜帶，其較強(qiáng)的安全性、保密性、易操作性使人臉識(shí)別廣泛應(yīng)用于實(shí)際生活中。另外，人臉識(shí)別方法的研究涉及到機(jī)器學(xué)習(xí)、模式識(shí)別、數(shù)據(jù)挖掘等學(xué)科領(lǐng)域，作為交叉學(xué)科在生活中的一個(gè)實(shí)際應(yīng)用，具有重要的理論研究意義。
　　基于稀疏表示的方法是近些年比較流行的人臉識(shí)別方法。

2、該方法將測(cè)試樣本線性表示成字典原子的權(quán)值系數(shù)，根據(jù)該系數(shù)判斷測(cè)試樣本類(lèi)別信息能夠獲得較高的識(shí)別率，并且具有較強(qiáng)的魯棒性。稀疏表示理論表明，任意一幅圖片可以用過(guò)完備字典原子（可由樣本向量表示）進(jìn)行稀疏重構(gòu)。理想狀態(tài)下，異類(lèi)樣本重構(gòu)表示系數(shù)為零，而同類(lèi)樣本為非零值，可由此判斷樣本類(lèi)別。為了提高算法的性能，增強(qiáng)字典的表達(dá)能力，訓(xùn)練有效的字典已成為人們研究的熱點(diǎn)。
　　本文結(jié)合特征臉提取與低秩表示理論，對(duì)稀疏表示字典進(jìn)行了改進(jìn)，提出了基于

3、低秩表示與特征臉的稀疏表示人臉識(shí)別算法。具體工作如下:
　　(1)分別使用Robust PCA算法（用于處理單類(lèi)人臉圖片）以及LRR算法（用于處理多類(lèi)人臉圖片）提取原始圖片的低秩圖片。通過(guò)低秩表示算法抑制光照、表情變化甚至阻擋塊以及隨機(jī)噪聲等不利影響，使所提取的特征更加真實(shí)。
　　(2)在所提取的低秩圖片上提取梯度直方圖(HOG)特征，該特征能夠很好的捕獲人臉輪廓和紋理信息，具有很強(qiáng)的區(qū)分性。
　　(3)在HOG特征矩