基于深度学习特征的稀疏表示的人脸识别方法 - 智能系统学报.pdfVIP

第 １１卷第３期　 　 　 　 　 　 　 　 　 　 　 　 　 　 智　 能　 系　 统　 学　 报　 　 　 　 　 　 　 　 　 　 　 　 　 　 Ｖｏｌ．１１№．３ ２０１６年６月　 　 　 　 　 　 　 　 　 　 　 ＣＡＡＩ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｉｎｔｅｌｌｉｇｅｎｔ Ｓｙｓｔｅｍｓ　 　 　 　 　 　 　 　 　 　 　 　 Ｊｕｎ． ２０１６ ＤＯＩ：１０．１１９９２／ ｔｉｓ．２０１６０３０ 网络出版地址：ｈｔｔｐ：／ ／ ｗｗｗ．ｃｎｋｉ．ｎｅｔ／ ｋｃｍｓ／ ｄｅｔａｉｌ／ ２３．１５３８．ＴＰ０９１９．０１２．ｈｔｍｌ 基于深度学习特征的稀疏表示的人脸识别方法 １，２ １，２ １，２ 马晓 ，张番栋 ，封举富 （１．北京大学信息科学技术学院，北京 １００８７１；２．北京大学机器感知与智能教育部重点实验室，北京 １００８７１） 摘　 要：本文针对传统的基于稀疏表示的人脸识别方法在小样本情况下对类内变化鲁棒性不强的问题，从特征的层 面入手，提出了基于深度学习特征的稀疏表示的人脸识别方法。 本方法首先利用深度卷积神经网络提取对类内变 化不敏感的人脸特征，然后通过稀疏表示对所得人脸特征进行表达分类。 本文通过实验，说明了深度学习得到的特 征也具有一定的子空间特性，符合基于稀疏表示的人脸识别方法对于子空间的假设条件。 实验证明，基于深度学习 特征的稀疏表示的人脸识别方法具有较好的识别准确度，对类内变化具有很好的鲁棒性，特别在小样本问题中具有 尤为突出的优势。 关键词：机器学习；生物特征识别；深度学习；特征学习；子空间；小样本；稀疏表示；人脸识别 中图分类号：ＴＰ３９１．４ 　 文献标志码：Ａ　 文章编号：１６７３⁃４７８５（２０１６）０３⁃０２７９⁃０８ 中文引用格式：马晓，张番栋，封举富．基于深度学习特征的稀疏表示的人脸识别方法［Ｊ］． 智能系统学报，２０１６，１１（３）：２７９⁃２８６． 英文引用格式：ＭＡ ｘｉａｏ，ＺＨＡＮＧ ｆａｎｄｏｎｇ，ＦＥＮＧ Ｊｕｆｕ．Ｓｐａｒｓｅ ｒｅｐｒｅｓｅｎｔａｔｉｏｎ ｖｉａ ｄｅｅｐ ｌｅａｒｎｉｎｇ ｆｅａｔｕｒｅｓ ｂａｓｅｄ ｆａｃｅ ｒｅｃｏｇｎｉｔｉｏｎ ｍｅｔｈｏｄ［Ｊ］． ＣＡＡＩ ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ ｉｎｔｅｌｌｉｇｅｎｔ ｓｙｓｔｅｍｓ，２０１６，１１（３）：２７９⁃２８６． Ｓｐａｒｓｅ ｒｅｐｒｅｓｅｎｔａｔｉｏｎ ｖｉａ ｄｅｅｐ ｌｅａｒｎｉｎｇ ｆｅａｔｕｒｅｓ ｂａｓｅｄ ｆａｃｅ ｒｅｃｏｇｎｉｔｉｏｎ ｍｅｔｈｏｄ １，２ １，２ １，２ ＭＡ Ｘｉａｏ ，ＺＨＡＮＧ Ｆａｎｄｏｎｇ ，ＦＥＮＧＪｕｆｕ （１． Ｓｃｈｏｏｌ ｏｆ ＥｌｅｃｔｒｏｎｉｃｓＥｎｇｉｎｅｅｒｉｎｇａｎｄＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅ，ＰｅｋｉｎｇＵｎｉｖｅｒｓｉｔｙ，Ｂｅｉｊｉｎｇ １００８７１，Ｃｈｉｎａ；２．ＫｅｙＬａｂｏｒａｔｏｒｙｏｆ Ｍａｃｈｉｎｅ Ｐｅｒｃｅｐｔｉｏｎ （Ｍｉｎｉｓｔｒｙ ｏｆ Ｅｄｕｃａｔｉｏｎ） Ｄｅｐａｒｔｍｅｎｔ ｏｆ Ｍａｃｈｉｎｅ Ｉｎｔｅｌｌｉｇｅｎｃｅ，Ｐｅｋｉｎｇ Ｕｎｉｖｅｒｓｉｔｙ，Ｂｅｉｊｉｎｇ １００８７１，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｆｏｃｕｓｉｎｇ ｏｎ ｔｈｅｐｒｏｂｌｅｍｓｔｈａｔｔｈｅｔｒａｄｉｔｉｏｎａｌ ｓｐａｒｓｅｒｅｐｒｅｓｅｎｔａｔｉｏｎｂａｓｅｄｆａｃｅｒｅｃｏｇｎｉｔｉｏｎｍｅｔｈｏｄｓａｒｅｎｏｔ ｑｕｉｔｅｒｏｂｕｓｔｔｏ ｉｎｔｒａ⁃ｃｌａｓｓｖａｒｉａｔｉｏｎｓ，ａｎｏｖｅｌ Ｓｐａｒｓｅ Ｒｅｐｒｅｓｅｎｔａｔｉｏｎｖｉａ Ｄｅｅｐ Ｌｅａｒｎｉｎｇ Ｆｅａｔｕｒｅｓｂａｓｅｄ Ｃｌａｓｓｉｆｉｃａｔｉｏｎ （ＳＲＤＬＦＣ） ｍｅｔｈｏｄ ｉｓ ｐｒｏｐｏｓｅｄ ｉｎ ｔｈｉｓ ｐａｐｅｒ，ｅｍｐｌｏｙｉｎｇ ａ ｄｅｅｐ ｃｏｎｖｏｌｕｔｉｏｎａｌ ｎｅｕｒａｌ ｎｅｔｗｏ