本文關(guān)鍵詞：基于特征化字典的低秩表示人臉識別，，由筆耕文化傳播整理發(fā)布。

【摘要】：針對現(xiàn)有低秩表示(LRR)算法中全局與局部人臉特征信息融合不足的問題,提出了一種新的人臉識別算法——基于特征化字典的低秩表示(LRR-CD)。首先,將每張人臉照片表示成一個個特征化字典的集合,然后同時最小化基于訓(xùn)練樣本的低秩重構(gòu)特征系數(shù)以及與之相對應(yīng)的類內(nèi)特征差異。為了獲得高效且具有高判別性的人臉圖像的特征塊重構(gòu)系數(shù)矩陣,提出了一種新的數(shù)學(xué)公式模型,通過同時求解訓(xùn)練樣本中相對應(yīng)的特征塊以及對應(yīng)的類內(nèi)特征差異詞典的低秩約束問題,盡可能完整地保留原始高維人臉圖像中的全局和局部信息,尤其是局部類內(nèi)差異特征。另外,由于對特征塊中信息的充分挖掘,所提算法對于一般程度上的面部遮擋和光照等噪聲影響具有良好的魯棒性。在AR、CMU-PIE和Extended Yale B人臉數(shù)據(jù)庫進(jìn)行多項對比實驗,由實驗結(jié)果可知LRR-CD相較于對比的稀疏表示(SRC)、協(xié)從表示(CRC)、低秩表示正規(guī)切(LRR-NCUT)和低秩遞歸最小二乘(LRR-RLS)算法在平均識別率上有2.58~17.24個百分點的提高。實驗結(jié)果表明LRR-CD性能優(yōu)于與之對比的算法,可以更高效地用于人臉全局和局部特征信息的融合,且具有優(yōu)良的識別率。
【作者單位】： 運城學(xué)院計算機(jī)科學(xué)與技術(shù)系;
【關(guān)鍵詞】： 低秩表示 人臉識別 類內(nèi)差異 字典學(xué)習(xí) 模式識別
【基金】：國家自然科學(xué)基金資助項目(11241005)~~
【分類號】：TP391.41
【正文快照】： 0引言人臉識別問題,作為計算機(jī)視覺領(lǐng)域一個極為重要且基礎(chǔ)的問題,近年來一直受到廣大研究機(jī)構(gòu)和公司的廣泛關(guān)注。對于現(xiàn)代人臉識別方法來說,取得高人臉識別率的前提是獲得高判別性和魯棒性的重構(gòu)系數(shù)[1-2]。受人類視覺系統(tǒng)的稀疏性編碼的啟發(fā)[3],稀疏表示方法的核心思想是將

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 王李冬;;一種新的人臉識別算法[J];計算機(jī)技術(shù)與發(fā)展;2009年05期

2 桂榮;沈榮鑫;詹泳;;基于模糊神經(jīng)推理的人臉識別算法研究[J];華南師范大學(xué)學(xué)報(自然科學(xué)版);2012年04期

3 蘇士美;王燕;王明霞;;基于加權(quán)小波分解的人臉識別算法研究[J];鄭州大學(xué)學(xué)報(工學(xué)版);2014年01期

4 魏冬梅;周衛(wèi)東;;采用壓縮感知的人臉識別算法[J];計算機(jī)工程;2011年18期

5 陳皓;霍星;;視頻監(jiān)控中人臉識別算法穩(wěn)定性的改進(jìn)[J];工程圖學(xué)學(xué)報;2011年06期

6 李美瑾;;人臉識別算法綜述與遠(yuǎn)程考試系統(tǒng)應(yīng)用研究[J];廣西廣播電視大學(xué)學(xué)報;2012年01期

7 盛朝強(qiáng);王君;;煤礦井下人員簽到系統(tǒng)人臉識別算法研究[J];計算機(jī)技術(shù)與發(fā)展;2012年07期

8 朱學(xué)毅;王崇駿;周新民;張W

本文編號：448257