基于低秩與特征臉的稀疏表示人臉識別研究.pdf

1、人臉識別作為現(xiàn)代生物特征識別技術(shù)在生活中的一項重要應(yīng)用，能夠利用人臉圖片的視覺特征進行身份識別，具有廣闊的應(yīng)用前景。與傳統(tǒng)的身份識別方法相比，人臉信息很難被他人模仿或者偽造且隨身攜帶，其較強的安全性、保密性、易操作性使人臉識別廣泛應(yīng)用于實際生活中。另外，人臉識別方法的研究涉及到機器學(xué)習(xí)、模式識別、數(shù)據(jù)挖掘等學(xué)科領(lǐng)域，作為交叉學(xué)科在生活中的一個實際應(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別方法。

2、該方法將測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)判斷測試樣本類別信息能夠獲得較高的識別率，并且具有較強的魯棒性。稀疏表示理論表明，任意一幅圖片可以用過完備字典原子（可由樣本向量表示）進行稀疏重構(gòu)。理想狀態(tài)下，異類樣本重構(gòu)表示系數(shù)為零，而同類樣本為非零值，可由此判斷樣本類別。為了提高算法的性能，增強字典的表達能力，訓(xùn)練有效的字典已成為人們研究的熱點。
　　本文結(jié)合特征臉提取與低秩表示理論，對稀疏表示字典進行了改進，提出了基于

3、低秩表示與特征臉的稀疏表示人臉識別算法。具體工作如下:
　　(1)分別使用Robust PCA算法（用于處理單類人臉圖片）以及LRR算法（用于處理多類人臉圖片）提取原始圖片的低秩圖片。通過低秩表示算法抑制光照、表情變化甚至阻擋塊以及隨機噪聲等不利影響，使所提取的特征更加真實。
　　(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，具有很強的區(qū)分性。
　　(3)在HOG特征矩