字典学习优化判别性降维的鲁棒人脸识别

• 作者: 刘保利 唐新宇
• 来源期刊: 激光杂志
• 学科: 工学
• 关键词: 鲁棒人脸识别 判别性降维 字典学习 线性表示 面部遮挡 户外人脸
• 年，卷（期）: 2014,（10）
• 所属期刊栏目: 实验技术与装置
• 页码范围: 84-88
• 页数: 5页
• 分类号: TP391.3
• 字数: 5503字
• 语种: 中文
• DOI: 10.14016/j.cnki.jgzz.2014.10.084

摘要

针对现有的人脸识别算法由于光照、表情、姿态、面部遮挡等变化而严重影响识别性能的问题，提出了基于字典学习优化判别性降维的鲁棒人脸识别算法。首先，利用经典的特征提取算法PCA初始化降维投影矩阵；然后，计算字典和系数，通过联合降维与字典学习使得投影矩阵和字典更好地相互拟合；最后，利用迭代算法输出字典和投影矩阵，并利用经l2-范数正则化的分类器完成人脸的识别。在扩展YaleB、AR及一个户外人脸数据库上的实验验证了本文算法的有效性及鲁棒性，实验结果表明，相比几种线性表示算法，本文算法在处理鲁棒人脸识别时取得了更高的识别率。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘保利	空军工程大学理学院	4	4	1.0	2.0
2	唐新宇	广东工商职业学院计算机应用技术系	10	36	3.0	6.0