隐式低秩表示联合稀疏表示的人脸识别方法

• 作者: 何苗 杨昆 王保云 盛伟
• 来源期刊: 云南师范大学学报（自然科学版）
• 学科: 工学
• 关键词: 隐式低秩表示 稀疏表示 完备字典 人脸识别
• 年，卷（期）: 2017,（1）
• 所属期刊栏目: 计算机科学及应用
• 页码范围: 43-51
• 页数: 9页
• 分类号: TP391.4
• 字数: 6149字
• 语种: 中文
• DOI: 10.7699/j.ynnu.ns-2017-008

摘要

针对人脸识别中存在的遮挡、阴影、反光等不同程度的数据破坏以及训练样本不充足导致识别率低的问题,提出一种基于隐式低秩表示联合稀疏表示(LatLRR_SRC,Latent Low-Rank Representation Sparse Representation Classification)的人脸识别方法.该方法首先采用隐式低秩表示(LatLRR,Latent Low-Rank Representation)算法将训练样本矩阵分解为两个低秩逼近矩阵和一个稀疏误差矩阵.然后将低秩逼近矩阵和稀疏误差矩阵联合构成完备字典,并用K-SVD算法对字典进行学习,得到测试样本在学习后字典下的稀疏表示.最后对测试样本利用上述隐式低秩表示分解的三部分的稀疏逼近计算残差,完成测试样本的分类识别.在Extend YaleB和CMU PIE人脸数据上的实验结果表明,基于LatLRR SRC的人脸识别方法具有较高的识别率和稳定性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨昆	云南师范大学信息学院	53	169	7.0	9.0
5	王保云	云南师范大学信息学院	8	15	3.0	3.0
9	何苗	云南师范大学信息学院	10	39	3.0	6.0
10	盛伟	云南师范大学信息学院	7	26	3.0	5.0