基于RPCA与LDA算法融合的人脸遮挡识别方法研究

摘要

针对人脸遮挡后部分局部信息属性改变的问题,提出了一种基于鲁棒性主成分分析的全局特征向量和误差特征向量融合算法,该算法具较强的鲁棒性,在处理大面积遮挡的人脸图像时能恢复出更为准确的低秩矩阵.首先对采集的人脸图像从灰度化、补光、二值化、均衡化等方面进行图像预处理;其次将提取的人脸特征信息进行融合;最后对融合的特征人脸使用LDA算法进行特征向量提取和识别分析,并采用经典AR人脸数据库和ORL人脸库对该算法进行仿真实验.结果表明:融合的双属性算法在遮挡面积达40%的情况下仍具有79.23%的识别率,人脸遮挡识别率得到有效提高;同时进行了人脸遮挡误识率实验,实验表明最低误识率为0.05%,随着识别数量的增加,误识率趋于稳定、达到0.1%,且具有更优的实用性和适应性.