改进稀疏表示算法在人脸识别中的应用

摘要：

人脸识别的主要难度在于,受到光照变化、表情变化以及遮挡的影响,会使得采集的不同人的人脸图像具有相似性.为有效解决基于稀疏表示的分类算法(Sparse Representation-based Classification,SRC)在人脸训练样本不足时会导致识别率降低和稀疏表示求解效率较低的问题,提出了基于判别性低秩分解与快速稀疏表示分类(Low Rank Recovery Fast Sparse Representation-based Classification,LRR_FSRC)的人脸识别算法.利用低秩分解理论得到低秩恢复字典以及稀疏误差字典,结合低秩分解和结构不相干理论,训练出判别性低秩类字典和稀疏误差字典,并把它们结合作为测试时所用的字典;用坐标下降法来求解稀疏系数以提高了计算效率;根据重构误差实现测试样本的分类.在YALE和ORL数据库上的实验结果表明,提出的基于LRR_FSRC的人脸识别方法具有较高的识别率和计算效率.

关键词：人脸识别、稀疏表示、低秩矩阵恢复、坐标下降法、基于稀疏表示的分类(SRC)算法

所属期刊栏目：55

分类号：TP391.4(计算技术、计算机技术)

资助基金：湖北省自然科学基金2015CFB586

在线出版日期：2019-08-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：191-197