基于均匀LBP和稀疏编码的人脸识别算法-计算机应用与软件.PDFVIP

第３２卷第１期　　　 计算机应用与软件 Ｖｏｌ３２Ｎｏ．１ ２０１５年１月　　 ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅ Ｊａｎ．２０１５ 基于均匀ＬＢＰ和稀疏编码的人脸识别算法 董文　冯　瑞　郭跃飞 （复旦大学计算机科学技术学院　上海２０１２０３） 摘　要　　人脸识别一般都要先对人脸特征做维数约简，再做识别。有些传统的维数约简算法对训练样本的数量有一定的要求，比 如对分类比较有效的ＬＤＡ算法。而现实应用中，数据库往往只能为每个人脸对象提供数量非常有限的图片，甚至是单样本。提出 一种基于均匀ＬＢＰ（ＬｏｃａｌＢｉｎａｒｙＰａｔｔｅｒｎ）算子和稀疏编码的人脸识别方法，使用少量关键特征代替维数约简过程，解决训练样本稀 少的问题。在Ｓｔｉｒｌｉｎｇ人脸库上进行测试，获得较高的识别率和鲁棒性，证实了算法的有效性。 关键词　　ＬＢＰ算子　稀疏编码　人脸识别　单训练样本　鲁棒性 中图分类号　ＴＰ３９１．４　　　　文献标识码　Ａ　　　　ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１０００３８６ｘ．２０１５．０１．０４５ ＦＡＣＥＲＥＣＯＧＮＩＴＩＯＮＢＡＳＥＤＯＮＵＮＩＦＯＲＭＬＢＰＡＮＤＳＰＡＲＳＥＣＯＤＩＮＧ ＤｏｎｇＷｅｎｙｕ　ＦｅｎｇＲｕｉ　ＧｕｏＹｕｅｆｅｉ （ＳｃｈｏｏｌｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅ，ＦｕｄａｎＵｎｉｖｅｒｓｉｔｙ，Ｓｈａｎｇｈａｉ２０１２０３，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ　　Ｆａｃｅｒｅｃｏｇｎｉｔｉｏｎｇｅｎｅｒａｌｌｙｒｅｑｕｉｒｅｓｆａｃｉａｌｆｅａｔｕｒｅｄｉｍｅｎｓｉｏｎａｌｉｔｙｒｅｄｕｃｔｉｏｎｂｅｆｏｒｅｒｅｃｏｇｎｉｔｉｏｎ．Ｈｏｗｅｖｅｒ，ｆｏｒｓｏｍｅｔｒａｄｉｔｉｏｎａｌｄｉ ｍｅｎｓｉｏｎａｌｉｔｙｒｅｄｕｃｔｉｏｎａｌｇｏｒｉｔｈｍｓ，ｔｈｅｙｈａｖｅｃｅｒｔａｉｎｒｅｑｕｉｒｅｍｅｎｔｓｏｎｔｈｅｎｕｍｂｅｒｏｆｔｒａｉｎｉｎｇｓａｍｐｌｅｓ，ｓｕｃｈａｓＬＤＡ（ｌｉｎｅａｒｄｉｓｃｒｉｍｉｎａｎｔａｎａｌｙ ｓｉｓ），ｔｈｏｕｇｈｉｔｉｓｑｕｉｔｅｅｆｆｅｃｔｉｖｅｉｎｃａｔｅｇｏｒｉｓａｔｉｏｎ，ｗｈｅｒｅａｓｉｎｒｅａｌｗｏｒｌｄａｐｐｌｉｃａｔｉｏｎｓ，ｏｆｔｅｎｔｈｅｄａｔａｂａｓｅｓｃａｎｏｎｌｙｐｒｏｖｉｄｅｖｅｒｙｌｉｍｉｔｅｄｎｕｍ ｂｅｒｏｆｐｉｃｔｕｒｅｓｆｏｒｅａｃｈｈｕｍａｎｆａｃｅ，ｏｒｅｖｅｎａｓｉｎｇｌｅｔｒａｉｎｉｎｇｓａｍｐｌｅ．Ｔｈｉｓｐａｐｅｒｐｒｅｓｅｎｔｓａｆａｃｅｒｅｃｏｇｎｉｔｉｏｎｍｅｔｈｏｄ，ｉｔｉｓｂａｓｅｄｏｎｔｈｅｕｎｉ ｆｏｒｍＬＢＰｏｐｅｒａｔｏｒａｎｄｓｐａｒｓｅｃｏｄｉｎｇ，ａｎｄｕｓｅｓｆｅｗｋｅｙｆｅａｔｕｒｅｓｔｏｒｅｐｌａｃｅｔｈｅｄｉｍｅｎｓｉｏｎａｌｉｔｙｒｅｄｕｃｔｉｏｎｐｒｏｃｅｓｓ，ｔｈｕｓｏｖｅｒｃｏｍｅｓｔｈｅｐｒｏｂｌｅｍ ｏｆｌｉｍｉｔｅｄｎｕｍｂｅｒｏｆｔｒａｉｎｉｎｇｓａｍｐｌｅｓ．ＴｈｅｍｅｔｈｏｄｉｓｔｅｓｔｅｄｏｎＳｔｉｒｌｉｎｇｆａｃｅｄａｔａｂａｓｅａｎｄａｃｈｉｅｖｅｓｈｉｇｈｅｒｒｅｃｏｇｎｉｔｉｏｎｒａｔｅａｎｄｒｏｂｕｓｔｎｅｓｓ，ｔｈｉｓ ｃｏｎｆｉｒｍｓｔｈｅｅｆｆｅｃｔｉｖｅｎｅｓｓｏｆｔｈｅａｌｇｏｒｉｔｈｍ． Ｋｅｙｗｏｒｄｓ　　Ｌｏｃａｌｂｉｎａｒｙｐａｔｔｅｒｎ（ＬＢＰ）　Ｓｐａｒｓｅｃｏｄｉｎｇ　Ｈｕｍａｎｆａｃｅｒｅｃｏｇｎｉｔｉｏｎ　Ｓｉｎｇｌｅｔｒａｉｎｉｎｇｓａｍｐｌｅ　Ｒｏｂｕｓｔｎｅｓｓ 特征分类问题涉及范围极广，常用方法包括 ＳＶＭ方法、线 ０　引　言 性判别法和最近邻法等。分类问题还包括距离度量，常用的有 欧氏距离、马氏距离、明科夫斯基距离等。近年来，稀疏编码［７］ 人脸识别技术特指利用分析比较