姿态和光照可变条件下的仿射最小线性重构误差人脸识别算法.pdfVIP

下载本文档

36
0
约1.45万字
约 6页
2017-09-12 发布于重庆
举报
版权申诉

姿态和光照可变条件下的仿射最小线性重构误差人脸识别算法.pdf

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

第 1O期电子学报 v01．40 No．10 2012年 l0月 A(IIAEICIR0NICA SINICA Oct． 2012 姿态和光照可变条件下的仿射最小线性重构误差人脸识别算法平强，庄连生，俞能海 (中国科学技术大学多媒体计算与通信教育部。微软重点实验室，安徽合肥230027) 摘要：传统人脸识别算法通常把光照处理和姿态校正作为两个相对独立的处理过程，难以取得全局最优识别性能．针对该问题，本文根据人脸的非刚体特性，将仿射变换和分块思想融入线性重构模型中，提出了一种基于仿射最小线性重构误差(A伍neMinimumLinearReconstructionEITOr，AMLRE)的人脸识别算法，在处理光照问题的同时能够补偿姿态变化造成的局部区域对齐误差，以获得更好的全局识别性能．在公共数据集上的实验结果表明，本文提出的算法对光照和姿态有很好的鲁棒性，同时与现有的人脸识别算法相比，本文的算法具有更高的识别率．关键词：人脸识别；线性重构；仿射变换；Lucas．Kanade算法中图分类号： qlr391 文献标识码： A 文章编号： 0372-2112(2012)10-1965—06 电子学报URL：http：／／www．ejouma1．org．ca DOI：10．3969／j．issn．0372．2112．2012．10．010 AffineMinimum LinearReconstructionErrorFaceRceognition UnderVaryingPoseandIllumination PINGQiang，ZHUANGLian-sheng，YUNeng-hai (MOE-MS研 laboratoryofMultimediaComputingandCommuniaaion，UniversityofScienceandTechnologyofChina，Hefei，Anhui230(／27，Chn／a) Abstract： Traditionalfacerecognitionalgorithmsusuallyhandlevariationsinilluminationandpoes nidependently．There— fore，itisdifficulttoobtaintheglobaloptimalrecognitino p~ omm ce．Tothisend，WeproposeallalTlneminilnulnlinear他O0n- struclionerrol( JiE)algorithmbasedonthenon-rigidcharacteristicsofhumanfacesnithispaper，whichcombniesallaffiIle transformationmodelandtheideaofpatchwitllalinearrecomlructionmode1．Ouralgorithm simultaneouslyhandles illumination variationsaswellascompensatesthelocal areaalignmenterlorscausedbyposevariations．whichachievesmuchbetterrecognition pc 1narlcc．Comprehensiveexperimentsonseveralpublicfacedataestsclearlydemonstratethatourproposedalgorithm isrobustot bethilluminationandpoes，andhtus outperformsmoststate-of-hte-artmehtods．