基于局部敏感和分组稀疏的鲁棒人脸识别

摘要

目的为了提升人脸识别的性能,提出一种将局部敏感性稀疏和分组稀疏相结合的人脸识别方法。方法同时学习人脸图像分组稀疏性和数据局部性,不仅考虑了训练数据字典的分组结构信息,也整合了数据的局部性,学习更多的可判别稀疏表示系数用以人脸识别。实验在ORL,AR和Extended Yale B数据库上进行仿真测试。结果仿真结果表明,在ORL数据库上,提出方法在50%训练百分比设置下实现了98.000%的识别性能,在AR数据库上,提出方法在不同PCA降维设置下最高可以实现优于SRC算法5.008%的识别性能,在Extended Yale B数据库上,提出方法在特征维数为130时可以实现96.626%识别性能。结论采用该方法能够对不同姿态、光照、表情变化具有较强鲁棒性,提升人脸识别的性能,实际应用效果好。