基于SIFT稀疏表示的人脸识别算法

摘要

为了提高人脸识别的准确率,提出基于尺度不变特征变换(scale invariant feature transform,SIFT)的稀疏表示人脸识别算法.根据SIFT特征对光照、表情、姿态的鲁棒性和稀疏表示对噪声因子的稳健性及其优越的分类性能,提取人脸图像多尺度空间的SIFT局部特征;再利用Fisher Vector(FV)方法对图像特征进行编码,用似然函数的梯度向量来表达图像,使其包含更深层次的信息;最后用融合的SIFT-FV特征构造稀疏表示字典矩阵,主成分分析方法降低数据维度,用稀疏表示分类算法对人脸进行识别.将该算法应用到Yale、Orl和AR人脸库上,识别率均有所提高.