基于流形的局部加权协从表示人脸识别

摘要

针对稀疏表示分类(sparse representation classification,SRC)运行时间过长和协从表示分类(collaborative representation classification,CRC)仅利用人脸数据的全局特征的不足,提出了一种基于流形的局部加权协从表示方法(locality weighted CRC,LWCRC),并将其应用在人脸识别中.首先将位于高维流形空间中的人脸特征进行局部加权投影到低维空间,然后通过Tikhonov正则化阵用训练样本加权表示测试样本,最后通过最小二乘(residual least square,RLS)分类器进行分类.通过在AR、FERET和Extended-Yale-B人脸数据库上的实验结果表明,提出的方法在性能上优于SRC、CRC、NRS方法,且对光照具有一定的鲁棒性.