一种改进的协同表示算法在人脸识别中的应用

摘要：

协同表示算法在人脸识别过程中,受人脸的光照、表情、姿态、特别是训练样本过少等因素影响造成其特征的模糊或者丢失.训练样本数量较少时该问题更为突出,利用原始样本生成虚拟样本再权值融合的协同表示算法虽然对该问题有所改善,却不能大幅度提升人脸识别率.针对以上问题,提出一种改进的协同表示算法,首先生成镜像样本和轴对称样本,以增加单样本人脸特征信息;再在协同表示分类器下分类,对虚拟样本与原始样本加权融合,利用改进的算法增强人脸的特征,并重构误差进行分类识别;最后利用Yale、ORL和FERET人脸数据库实验,比较不同算法识别率.结果表明,在单样本识别中,改进的协同算法识别率比CRC提高2％～17％,比原始样本与对称样本融合提高2％～8％,比原始样本与镜像样本融合提高2％～3％,有效地提高了人脸识别率.

关键词：人脸识别、镜像样本、对称样本、协同表示、权值融合、特征提取

所属期刊栏目：20

分类号：TP391(计算技术、计算机技术)

资助基金：四川省教育厅自然科学基金项目;四川轻化工大学科研项目;四川轻化工大学科研项目

在线出版日期：2020-07-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：50-53,80