基于局部特征约束的压缩感知人脸识别算法研究-论文.pdf

《基于局部特征约束的压缩感知人脸识别算法研究-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、ISSN1009-3044E—mail：eduf@dl

2、zs．ne1．enComputerKnowledgeandTechnology电脑知识与技术http：／／www．dnzs．net．cnVo1．10，No．7，March2014Tel：+86—55l一6569096365690964=========：：==：：==：=：：=：======：：==================================：=一==—一基于局部特征约束的压缩感知人脸识别算法研究罗聪，刘斌，魏梦然．r'．(同

3、济大学电信学院计算机系，上海201804)摘要：人脸识别是计算机模式识别领域中一个研究热点和难点。针对人脸识别中数据量大、高维度、非线性等问题，提出基于局部特征约束的压缩感知人脸识别方法．首先对人脸图像进行选择性约束处理，利用SIFT算法提取人脸图像中的局部特征，以此构成压缩感知算法中的测量矩阵，再利用压缩感知的重构算法计算特征的稀疏表示，在此基础上进行人脸识别。算法在AR人脸库上进行了抗干扰比对测试，实验结果验证了算法对光照、表情以及遮挡等干扰具有强的鲁棒性，局部特征的约束大大降低了特征点的数量，有

4、效提高了人脸识别的正确率。关键词：压缩感知；人脸识别；特征提取；局部特征：SIFT算法中图分类号：TP391文献标识码：A文章编号：1009—3044(2014)07—1500—05TitleCompressiveSensingBasedonConstraintLocalFeatureforFaceRecognitionLUOCong，LIUBin．WElMeng—ran(DepartmentofComputerScience，TongjiUniversity，Shanghai201804，China

5、)Abstract：Forthebigdata，highdimensionandnoMinearproblemsinfacerecognition，thispaperproposeanewfacerecogni—tionmethodbasedoncompressivesensingwithconstraintlocalfeature．Firstprocessconstraintonimage，thenextractlocalfea-tureswithSIFTmethodandformameasurem

6、atrix，finalywecancalculatesparserepresentthroughCS．Inthispaper，toveriftheperformanceofalgorithmdoexperimentsonARdatabase．Resultsshowsthatalgorithmcanefectivelyreducetheamountoffeature，andhavehighrobustnesstOillumination，expressionandblock．Algorithmimpro

7、vesrateoffacerecognitionefectively．Keywords：compressivesensing；facerecognition；featureextraction；localfeature；SIFT1概述人脸识别凭借着直观突出、安全可靠和智能交互等优势长期备受研究者的关注。在过去的几十年，人脸识别技术取得了较大的进步，涌现出许多人脸识别方法。传统的人脸识别方法有流行的主成分分析(PrineipalComponentAnalysis，PCA)⋯，线性判别分析(LinearD

8、iscriminantAnalysis，LDA)】，几何特征方法等。但是人脸识别仍然面临着诸多亟待解决的问题，比如数据量大、维数高、非线性等，尤其是在光照的复杂性、表情的随机性以及遮挡等干扰因素存在下。近年来，压缩感知(CompressiveSensing，cs)理论的兴起，引起国内外许多学者的研究。压缩感知理论中最经典的内容就是稀疏表示理论。稀疏表示最早出现在信号领域，最初目的是为了用比香农采样定理更低的采样率来表示和压缩信号，通过对重构矩阵的设计，构建重构空间，进而再计算重构空间上的最佳稀疏重构系

9、数】。Cand、es和Donoho在相关研究基础上于2006年正式提了压缩传感的概念】。压缩感知理论能够很好的解决数据从高维到低维的转换，给人脸识别领域开辟_条新的途径，引起众多学者的研究和关注。比如，YiMa等人将压缩感知理论和稀疏表示理论引入人脸识别领域，并验证其对光照、表情以及遮挡等情况下，人脸识别具有很好的鲁棒性，TanayaGuha等人通过学习过完备字典集，利用稀疏表示成功的识别了视频中人物的物理动作和人物的面郜表情，RanHe等人提出了二级非